Artificial Intelligence and Postoperative Acute Kidney Injury
8 de enero de 2021 actualizado por: Hyung-Chul Lee, Seoul National University Hospital
Development and Prospective Validation of an Artificial Intelligence Model to Predict Postoperative Acute Kidney Injury
The main objective of this study is to develop and validate an artificial intelligence model that predicts postoperative acute kidney injury.
Descripción general del estudio
Estado
Desconocido
Condiciones
Intervención / Tratamiento
Descripción detallada
Postoperative acute kidney injury is known to increase the length of hospital stay and healthcare cost.
A lot of risk prediction models have been developed for identifying patients at increased risk of postoperative acute kidney injury.
Recent advances in artificial intelligence make it possible to manage and analyze big data.
Prediction model using an artificial intelligence and large-scale data can improve the accuracy of prediction performance.
Furthermore, the use of an artificial intelligence may be a useful adjuvant tool in making clinical decisions or real-time prediction if it is integrated into the electrical medical record systems.
However, before implementing an artificial intelligence model into the clinical setting, prospective evaluation of an artificial intelligence model's real performance is essential.
However, to our knowledge, there was no artificial intelligence model for prediction of postoperative acute kidney injury, which was prospectively evaluated.
Therefore, we aimed to develop an artificial intelligence model which predicts postoperative acute kidney injury and evaluate the model's performance prospectively.
Tipo de estudio
De observación
Inscripción (Anticipado)
2000
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
- Hyung-Chul Lee
-
-
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, Adulto Mayor)
Acepta Voluntarios Saludables
N/A
Géneros elegibles para el estudio
Todos
Método de muestreo
Muestra no probabilística
Población de estudio
Adults patients undergoing non-cardiac surgery
Descripción
Inclusion Criteria:
- Adults patients undergoing non-cardiac surgery
Exclusion Criteria:
- Age under 18 years
- Surgery duration < 1 hour
- Transplantation surgery
- Nephrectomy
- Cardiac surgery
- Patients who had severe kidney dysfunction preoperatively as follows:
- Serum creatinine ≥ 4 mg/dl
- Estimated glomerular filtration rate <15 ml/min/1.73m2
- History of renal replacement therapy
- Patients who had no results of preoperative or postoperative serum creatinine
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_AKI
Adults patients undergoing non-cardiac surgery
|
The performance of an artificial intelligence model to predict postoperative acute kidney injury will be tested prospectively.
|
¿Qué mide el estudio?
Medidas de resultado primarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
the incidence of postoperative acute kidney injury
Periodo de tiempo: during the postoperative seven days
|
postoperative acute kidney injury (diagnosed by KDIGO criteria using peak serum creatinine level) included all acute kidney injury events regardless of acute kidney injury severity
|
during the postoperative seven days
|
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 (Anticipado)
1 de marzo de 2021
Finalización primaria (Anticipado)
31 de mayo de 2021
Finalización del estudio (Anticipado)
1 de febrero de 2022
Fechas de registro del estudio
Enviado por primera vez
8 de enero de 2021
Primero enviado que cumplió con los criterios de control de calidad
8 de enero de 2021
Publicado por primera vez (Actual)
12 de enero de 2021
Actualizaciones de registros de estudio
Última actualización publicada (Actual)
12 de enero de 2021
Última actualización enviada que cumplió con los criterios de control de calidad
8 de enero de 2021
Última verificación
1 de enero de 2021
Más información
Términos relacionados con este estudio
Palabras clave
Términos MeSH relevantes adicionales
Otros números de identificación del estudio
- 2012-069-1180
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. .