- ICH GCP
- Registro de ensayos clínicos de EE. UU.
- Ensayo clínico NCT04527094
Modelo de aprendizaje automático para predecir insuficiencia respiratoria posoperatoria
29 de agosto de 2022 actualizado por: Hyun-Kyu Yoon, Seoul National University Hospital
Desarrollo y Evaluación Prospectiva de un Modelo de Machine Learning para Predecir Insuficiencia Respiratoria Postoperatoria
El objetivo principal de este estudio es desarrollar un modelo de aprendizaje automático que prediga la insuficiencia respiratoria posoperatoria dentro de los 7 días posteriores a la operación utilizando registros de salud electrónicos preoperatorios e intraoperatorios locales del mundo real, no códigos administrativos.
Descripción general del estudio
Estado
Terminado
Condiciones
Descripción detallada
Se sabe que las complicaciones pulmonares posoperatorias aumentan la duración de la estancia hospitalaria y el costo de la atención médica.
Una de las formas más graves de estas complicaciones es la insuficiencia respiratoria posoperatoria, que también se asocia con morbilidad y mortalidad.
Se han desarrollado muchos modelos de estratificación de riesgo para identificar pacientes con mayor riesgo de insuficiencia respiratoria posoperatoria.
Sin embargo, estos modelos se construyeron utilizando un análisis de regresión logística tradicional.
Un análisis de regresión logística tuvo la desventaja de asumir la relación entre las variables dependientes e independientes como lineal.
Los recientes avances en inteligencia artificial hacen posible la gestión y el análisis de big data.
El modelo de predicción que utiliza una técnica de aprendizaje automático y datos a gran escala puede mejorar la precisión del rendimiento de la predicción en comparación con los modelos anteriores que utilizan estadísticas tradicionales.
Además, una técnica de aprendizaje automático puede ser una herramienta auxiliar útil en la toma de decisiones clínicas o la predicción en tiempo real si se integra en el sistema de atención médica.
Sin embargo, hasta donde sabemos, no hubo ningún estudio que investigara los factores predictivos de la insuficiencia respiratoria posoperatoria mediante un enfoque de aprendizaje automático.
Por lo tanto, el objetivo principal de este estudio es desarrollar un modelo de aprendizaje automático que prediga la insuficiencia respiratoria posoperatoria dentro de los 7 días posteriores a la operación utilizando registros de salud electrónicos preoperatorios e intraoperatorios locales del mundo real, no códigos administrativos y evaluar su desempeño prospectivamente.
Tipo de estudio
De observación
Inscripción (Actual)
22250
Contactos y Ubicaciones
Esta sección proporciona los datos de contacto de quienes realizan el estudio e información sobre dónde se lleva a cabo este estudio.
Ubicaciones de estudio
-
-
-
Seoul, Corea, república de
- Hyun-Kyu Yoon
-
-
Criterios de participación
Los investigadores buscan personas que se ajusten a una determinada descripción, denominada criterio de elegibilidad. Algunos ejemplos de estos criterios son el estado de salud general de una persona o tratamientos previos.
Criterio de elegibilidad
Edades elegibles para estudiar
18 años y mayores (ADULTO, MAYOR_ADULTO)
Acepta Voluntarios Saludables
No
Géneros elegibles para el estudio
Todos
Método de muestreo
Muestra no probabilística
Población de estudio
Pacientes adultos sometidos a anestesia general para cirugía no cardiaca
Descripción
Criterios de inclusión:
- Pacientes adultos sometidos a anestesia general para cirugía no cardiaca
Criterio de exclusión:
- Edad menor de 18 años
- Duración de la cirugía < 1 h
- Cirugía cardíaca
- Cirugía realizada solo con anestesia regional o local, bloqueo de nervio periférico o atención anestésica supervisada
- Transplante de organo
- Paciente con intubación traqueal preoperatoria
- Pacientes que tenían traqueostoma antes de la cirugía.
- Pacientes programados para traqueotomía
- Cirugía realizada fuera del quirófano
- Duración de la estancia hospitalaria < 24 h
Si los pacientes tuvieron múltiples cirugías durante las mismas estadías en el hospital, incluimos los primeros casos quirúrgicos en el conjunto de datos.
Plan de estudios
Esta sección proporciona detalles del plan de estudio, incluido cómo está diseñado el estudio y qué mide el estudio.
¿Cómo está diseñado el estudio?
Detalles de diseño
Cohortes e Intervenciones
Grupo / Cohorte |
Intervención / Tratamiento |
---|---|
AI_PRF
Pacientes adultos sometidos a anestesia general
|
Se probó prospectivamente el rendimiento de un modelo de aprendizaje automático para predecir la insuficiencia respiratoria posoperatoria después de la anestesia general dentro del día 7 del posoperatorio.
|
¿Qué mide el estudio?
Medidas de resultado primarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
---|---|---|
la incidencia de insuficiencia respiratoria postoperatoria después de la anestesia general
Periodo de tiempo: dentro del día postoperatorio 7
|
Insuficiencia respiratoria postoperatoria que se definió como ventilación mecánica > 48 h o cualquier reintubación después de la cirugía
|
dentro del día postoperatorio 7
|
Colaboradores e Investigadores
Aquí es donde encontrará personas y organizaciones involucradas en este estudio.
Patrocinador
Fechas de registro del estudio
Estas fechas rastrean el progreso del registro del estudio y los envíos de resultados resumidos a ClinicalTrials.gov. Los registros del estudio y los resultados informados son revisados por la Biblioteca Nacional de Medicina (NLM) para asegurarse de que cumplan con los estándares de control de calidad específicos antes de publicarlos en el sitio web público.
Fechas importantes del estudio
Inicio del estudio (ACTUAL)
26 de mayo de 2021
Finalización primaria (ACTUAL)
25 de mayo de 2022
Finalización del estudio (ACTUAL)
25 de junio de 2022
Fechas de registro del estudio
Enviado por primera vez
21 de agosto de 2020
Primero enviado que cumplió con los criterios de control de calidad
21 de agosto de 2020
Publicado por primera vez (ACTUAL)
26 de agosto de 2020
Actualizaciones de registros de estudio
Última actualización publicada (ACTUAL)
1 de septiembre de 2022
Última actualización enviada que cumplió con los criterios de control de calidad
29 de agosto de 2022
Última verificación
1 de agosto de 2022
Más información
Términos relacionados con este estudio
Palabras clave
Términos MeSH relevantes adicionales
Otros números de identificación del estudio
- AI_PRF
Información sobre medicamentos y dispositivos, documentos del estudio
Estudia un producto farmacéutico regulado por la FDA de EE. UU.
No
Estudia un producto de dispositivo regulado por la FDA de EE. UU.
No
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. .