- ICH GCP
- Registro de ensayos clínicos de EE. UU.
- Ensayo clínico NCT05762237
Modelos de aprendizaje profundo para la predicción de hipotensión intraoperatoria utilizando parámetros no invasivos
23 de julio de 2023 actualizado por: Hyun Joo Ahn, Samsung Medical Center
Predicción de hipotensión intraoperatoria mediante dispositivos de monitorización no invasivos: desarrollo de un modelo de aprendizaje profundo
El objetivo de los investigadores fue investigar el modelo de aprendizaje profundo para predecir la hipotensión intraoperatoria utilizando parámetros de monitorización no invasivos.
Descripción general del estudio
Estado
Reclutamiento
Condiciones
Descripción detallada
La hipotensión intraoperatoria se asocia con diversas complicaciones posoperatorias, como la lesión renal aguda.
Por lo tanto, la predicción precisa y el tratamiento inmediato de la hipotensión intraoperatoria son importantes.
Sin embargo, es difícil predecir con precisión la hipotensión intraoperatoria en base a la experiencia e intuición de los anestesiólogos.
Recientemente, los algoritmos de aprendizaje profundo que utilizan la monitorización invasiva de la presión arterial demostraron la buena capacidad predictiva de la hipotensión intraoperatoria.
Puede ayudar a las decisiones del médico.
Sin embargo, la mayoría de los pacientes que se someten a cirugía general son monitoreados por parámetros no invasivos.
Por lo tanto, los investigadores investigan el modelo de predicción de la hipotensión intraoperatoria mediante la monitorización no invasiva.
Tipo de estudio
De observación
Inscripción (Estimado)
5064
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.
Estudio Contacto
- Nombre: Heejoon Jeong, MD
- Número de teléfono: 821087282414
- Correo electrónico: heejoonjeong@skku.edu
Ubicaciones de estudio
-
-
-
Seoul, Corea, república de, 06351
- Reclutamiento
- Samsung Medical Center
-
Contacto:
- Heejoon Jeong, MD
-
-
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
- Niño
- Adulto
- Adulto Mayor
Acepta Voluntarios Saludables
No
Método de muestreo
Muestra de probabilidad
Población de estudio
La población del estudio incluyó pacientes que se sometieron a anestesia general inhalada para cirugía no cardíaca entre junio de 2016 y agosto de 2017 en el Hospital de la Universidad Nacional de Seúl, Seúl, Corea del Sur.
Descripción
Criterios de inclusión:
- Los pacientes que están incluidos en la base de datos abierta, VtialDB.
- Los pacientes sometidos a anestesia general inhalatoria para cirugía no cardiaca.
- Los pacientes que tienen datos de monitoreo no invasivo que incluyen presión arterial, electrocardiografía, oximetría de pulso, índice biespectral, capnografía y concentración alveolar mínima de agente inhalado.
Criterio de exclusión:
- El paciente con datos faltantes.
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 |
---|
Grupo
En la base de datos de fuente abierta (VitalDB, https://vitaldb.net), los pacientes que se sometieron a anestesia general con monitoreo no invasivo que incluye presión arterial, electrocardiografía, oximetría de pulso, índice biespectral, capnografía y concentración alveolar mínima de agente inhalatorio.
|
¿Qué mide el estudio?
Medidas de resultado primarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
---|---|---|
Capacidad de predicción del modelo de aprendizaje profundo sobre eventos de hipotensión intraoperatoria
Periodo de tiempo: hasta la finalización del estudio, un promedio de 3 horas
|
Área bajo la curva de la curva característica operativa del receptor (AUROC) para el modelo de aprendizaje profundo para predecir la hipotensión intraoperatoria.
|
hasta la finalización del estudio, un promedio de 3 horas
|
Colaboradores e Investigadores
Aquí es donde encontrará personas y organizaciones involucradas en este estudio.
Patrocinador
Investigadores
- Investigador principal: Hyun Joo Ahn, MD, PhD, Samsung Medical Center
Publicaciones y enlaces útiles
La persona responsable de ingresar información sobre el estudio proporciona voluntariamente estas publicaciones. Estos pueden ser sobre cualquier cosa relacionada con el estudio.
Publicaciones Generales
- Lee HC, Jung CW. Vital Recorder-a free research tool for automatic recording of high-resolution time-synchronised physiological data from multiple anaesthesia devices. Sci Rep. 2018 Jan 24;8(1):1527. doi: 10.1038/s41598-018-20062-4.
- Lee S, Lee HC, Chu YS, Song SW, Ahn GJ, Lee H, Yang S, Koh SB. Deep learning models for the prediction of intraoperative hypotension. Br J Anaesth. 2021 Apr;126(4):808-817. doi: 10.1016/j.bja.2020.12.035. Epub 2021 Feb 6.
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)
1 de abril de 2023
Finalización primaria (Estimado)
31 de agosto de 2023
Finalización del estudio (Estimado)
30 de septiembre de 2023
Fechas de registro del estudio
Enviado por primera vez
13 de febrero de 2023
Primero enviado que cumplió con los criterios de control de calidad
7 de marzo de 2023
Publicado por primera vez (Actual)
9 de marzo de 2023
Actualizaciones de registros de estudio
Última actualización publicada (Actual)
25 de julio de 2023
Última actualización enviada que cumplió con los criterios de control de calidad
23 de julio de 2023
Última verificación
1 de julio de 2023
Más información
Términos relacionados con este estudio
Términos MeSH relevantes adicionales
Otros números de identificación del estudio
- SMC 2022-09-096
Plan de datos de participantes individuales (IPD)
¿Planea compartir datos de participantes individuales (IPD)?
INDECISO
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. .
Ensayos clínicos sobre Anestesia general
-
Öğr. Gör. Ali GÜZELHasan Kalyoncu UniversityReclutamientoCirugía abdominal | Anestesia general | Cirugía GeneralPavo
-
University Medical Center GroningenInsel Gruppe AG, University Hospital BernTerminadoAnestesia GeneralPaíses Bajos, Suiza
-
Indonesia UniversityTerminadoPrecisión de la predicción para el tamaño único de TM de la máscara Langeal en pacientes pediátricosAnestesia generalIndonesia
-
Yonsei UniversityTerminado
-
Radboud University Medical CenterZonMw: The Netherlands Organisation for Health Research and Development; Dutch... y otros colaboradoresTerminadoFuncionamiento general | Incremental Cost-effectiveness RatioPaíses Bajos
-
Sorbonne UniversityReclutamientoPráctica generalFrancia
-
Hallym University Medical CenterDesconocidoAnestesia generalCorea, república de
-
Centre Hospitalier Universitaire de Saint EtienneTerminado
-
Chang Gung Memorial HospitalAún no reclutando
-
Medasense Biometrics LtdTerminadoAnestesia GeneralIsrael