- ICH GCP
- Registro de ensayos clínicos de EE. UU.
- Ensayo clínico NCT02022397
Evaluación automatizada de vía aérea difícil con técnicas de reconocimiento facial (PeScho)
Evaluación automática de ventilación e intubación difíciles a partir del análisis facial automático e inteligencia artificial
Descripción general del estudio
Estado
Descripción detallada
Cualquier intubación traqueal requiere un examen y evaluación preoperatoria para obtener el historial médico esencial del paciente, optimizar el estado del paciente en caso de cualquier enfermedad coexistente antes de la operación y seleccionar el mejor método de anestesia para el día de la cirugía. . El objetivo de esta evaluación es identificar posibles dificultades anestésicas, como predictores de vía aérea difícil, que aún hoy en día representan la primera causa de litigio en los estudios de reclamos cerrados relacionados con la anestesia.
En el primer paso del procedimiento de evaluación preoperatoria, el software analizará al paciente. El paciente será guiado automáticamente a través de una serie de pruebas de 10 minutos y el software analizará en tiempo real sus características morfológicas y dinámicas para clasificar al paciente en una de las 5 categorías descritas en la siguiente sección. Detalles relevantes para la ventilación e intubación difíciles (estática y dinámica), como la cuantificación de la distancia exacta entre los incisivos (apertura de la boca), visibilidad y detección de puntos de referencia anatómicos en la boca abierta (úvula, pilares, amígdalas, lengua, faringe posterior), distancia tiro-mentoniana, circunferencia del cuello, movilidad del cuello con movimiento anterior y posterior máximo. El análisis será realizado por:
- calcular automáticamente estas medidas relevantes utilizando algoritmos de visión por computadora robustos capaces de detectar, describir y rastrear la cara y el cuello con un alto nivel de precisión y solidez en poses extremas (rotación izquierda y derecha y movimiento hacia arriba y hacia abajo de la cara)
- desarrollar potentes técnicas de procesamiento de imágenes para describir y calcular estructuras intraorales. Los dos conjuntos de medidas se combinarán luego en un enfoque de aprendizaje automático capaz de clasificar al paciente. Los resultados del análisis, así como todos los videos grabados de cada prueba individual, se almacenarán en una base de datos central y el médico accederá a ellos en tiempo real para continuar con la consulta preoperatoria.
Luego, el paciente se someterá a su cirugía planificada en el momento inicialmente planificado y será intubado para ese propósito. Se documentará el registro adecuado del grado de intubación en el quirófano y se introducirá en la base de datos de evaluación. De esta forma, la base de datos evolucionará con la evaluación y la puntuación final de la intubación postoperatoria para mejorar la previsibilidad automática del algoritmo de aprendizaje automático.
Tipo de estudio
Inscripción (Estimado)
Contactos y Ubicaciones
Estudio Contacto
- Nombre: Patrick Schoettker, Assoc Prof
- Número de teléfono: +41795561043
- Correo electrónico: patrick.schoettker@chuv.ch
Ubicaciones de estudio
-
-
VD
-
Lausanne, VD, Suiza, 1011
- Reclutamiento
- Dpt of Anesthesiology, University of Lausanne CHUV
-
Contacto:
- Patrick Schoettker, Assoc Prof
- Número de teléfono: +41795561043
- Correo electrónico: patrick.schoettker@chuv.ch
-
Investigador principal:
- Patrick Schoettker, Assoc Prof
-
-
Criterios de participación
Criterio de elegibilidad
Edades elegibles para estudiar
Acepta Voluntarios Saludables
Método de muestreo
Población de estudio
Descripción
Criterios de inclusión:
- paciente adulto (15 años de edad)
- pacientes que necesitan intubación endotraqueal para anestesia general
Criterio de exclusión:
-rechazo del paciente
Plan de estudios
¿Cómo está diseñado el estudio?
Detalles de diseño
Cohortes e Intervenciones
Grupo / Cohorte |
|---|
|
intubación difícil
población general que necesita intubación traqueal para anestesia general
|
¿Qué mide el estudio?
Medidas de resultado primarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Clasificación computarizada de intubación difícil
Periodo de tiempo: 1 día
|
clasificación automática por inteligencia artificial en 3 clases de dificultad de intubación
|
1 día
|
Colaboradores e Investigadores
Patrocinador
Colaboradores
Investigadores
- Investigador principal: Patrick Schoettker, Assoc Prof, University of Lausanne Hospitals
Fechas de registro del estudio
Fechas importantes del estudio
Inicio del estudio
Finalización primaria (Estimado)
Finalización del estudio (Estimado)
Fechas de registro del estudio
Enviado por primera vez
Primero enviado que cumplió con los criterios de control de calidad
Publicado por primera vez (Estimado)
Actualizaciones de registros de estudio
Última actualización publicada (Actual)
Última actualización enviada que cumplió con los criterios de control de calidad
Última verificación
Más información
Términos relacionados con este estudio
Palabras clave
Otros números de identificación del estudio
- 183/09
- CTI (Otro número de subvención/financiamiento: Swiss Commission Technology and Innovation 12636.1)
Esta información se obtuvo directamente del sitio web clinicaltrials.gov sin cambios. Si tiene alguna solicitud para cambiar, eliminar o actualizar los detalles de su estudio, comuníquese con register@clinicaltrials.gov. Tan pronto como se implemente un cambio en clinicaltrials.gov, también se actualizará automáticamente en nuestro sitio web. .