Detección de disincronía paciente-ventilador con un algoritmo de aprendizaje automático
10 de julio de 2024 actualizado por: University of Sao Paulo General Hospital
Detección y clasificación automatizadas de disincronía paciente-ventilador con un algoritmo de aprendizaje automático
Este es un estudio de diagnóstico que tiene como objetivo comparar la precisión para detectar y clasificar disincronías paciente-ventilador mediante un algoritmo de aprendizaje automático, en comparación con el estándar de oro definido como disincronías diagnosticadas y clasificadas por ventilador mecánico y formas de onda de presión esofágica analizadas por expertos.
La pregunta principal de este estudio es:
• ¿Las disincronías paciente-ventilador detectan y clasifican con precisión mediante un algoritmo de inteligencia artificial en comparación con los expertos que analizan la presión esofágica y las formas de onda del ventilador mecánico?
Descripción general del estudio
Estado
Reclutamiento
Condiciones
Intervención / Tratamiento
Descripción detallada
Este es un estudio observacional de diagnóstico, cuyo objetivo es evaluar la detección y clasificación automatizadas de la disincronía paciente-ventilador mediante un algoritmo de aprendizaje automático. La precisión del algoritmo de aprendizaje automático se comparará con el estándar de oro, definido como disincronías detectadas y clasificadas por expertos en ventilación mecánica.
Los expertos analizarán las formas de onda de presión, flujo, volumen y presión esofágica de las vías respiratorias para detectar y clasificar disincronías.
Tipo de estudio
De observación
Inscripción (Estimado)
80
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: Glauco M Plens, MD
- Número de teléfono: +5511982213020
- Correo electrónico: glaucomplens@gmail.com
Ubicaciones de estudio
-
-
SP
-
Sao Paulo, SP, Brasil, 05403900
- Reclutamiento
- Heart Institute, University of São Paulo
-
Contacto:
- Glauco M Plens, MD
- Número de teléfono: +5511982213020
- Correo electrónico: glaucomplens@gmail.com
-
-
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
- Adulto
- Adulto Mayor
Acepta Voluntarios Saludables
N/A
Método de muestreo
Muestra no probabilística
Población de estudio
Son elegibles sujetos adultos bajo ventilación mecánica, con modo asistido o controlado por asistencia, que sean monitoreados con un balón de presión esofágico por indicación clínica.
Descripción
Criterios de inclusión:
- Sujetos bajo ventilación mecánica asistida o asistida controlada y monitoreados con balón de presión esofágico.
Criterio de exclusión:
- Rechazo de la familia del paciente o del médico tratante.
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 |
|---|---|
|
Detección por inteligencia artificial y clasificación de disincronías paciente-ventilador
Este es un estudio de un solo brazo, ya que todos los sujetos incluidos estarán expuestos a ambos métodos de diagnóstico (inteligencia artificial y expertos).
El método de diagnóstico propuesto es un algoritmo de aprendizaje automático integrado en el ventilador mecánico FlexiMag Max 700 (Magnamed, Brasil), que registrará continuamente datos de la ventilación mecánica de los sujetos incluidos durante un período de hasta 72 horas.
El estándar de oro implica el registro de la forma de onda de presión esofágica y el análisis fuera de línea por parte de expertos.
|
Algoritmo de aprendizaje automático para detectar y clasificar disincronías paciente-ventilador, que está integrado en el ventilador mecánico (Fleximag Max, Magnamed, Brasil).
|
¿Qué mide el estudio?
Medidas de resultado primarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Precisión Diagnóstica del algoritmo de Inteligencia Artificial
Periodo de tiempo: 3 días
|
Sensibilidad, especificidad, valor predictivo positivo, valor predictivo negativo del algoritmo de inteligencia artificial para detectar y clasificar disincronías paciente-ventilador.
Estos índices de precisión se estimarán para cada tipo de disincronía: esfuerzo ineficaz, autodisparo, doble disparo, disparo inverso, disparo inverso con doble ciclo.
|
3 días
|
Medidas de resultado secundarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Detección de luces colgantes
Periodo de tiempo: 3 días
|
Porcentaje de ciclos con pendelluft detectados con el algoritmo de inteligencia artificial respecto al porcentaje de ciclos con pendelluft detectados con la presión esofágica
|
3 días
|
Colaboradores e Investigadores
Aquí es donde encontrará personas y organizaciones involucradas en este estudio.
Patrocinador
Colaboradores
Investigadores
- Director de estudio: Eduardo LV Costa, MD, PhD, University of Sao Paulo
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
- Amato MB, Barbas CS, Medeiros DM, Magaldi RB, Schettino GP, Lorenzi-Filho G, Kairalla RA, Deheinzelin D, Munoz C, Oliveira R, Takagaki TY, Carvalho CR. Effect of a protective-ventilation strategy on mortality in the acute respiratory distress syndrome. N Engl J Med. 1998 Feb 5;338(6):347-54. doi: 10.1056/NEJM199802053380602.
- Blanch L, Villagra A, Sales B, Montanya J, Lucangelo U, Lujan M, Garcia-Esquirol O, Chacon E, Estruga A, Oliva JC, Hernandez-Abadia A, Albaiceta GM, Fernandez-Mondejar E, Fernandez R, Lopez-Aguilar J, Villar J, Murias G, Kacmarek RM. Asynchronies during mechanical ventilation are associated with mortality. Intensive Care Med. 2015 Apr;41(4):633-41. doi: 10.1007/s00134-015-3692-6. Epub 2015 Feb 19.
- Acute Respiratory Distress Syndrome Network; Brower RG, Matthay MA, Morris A, Schoenfeld D, Thompson BT, Wheeler A. Ventilation with lower tidal volumes as compared with traditional tidal volumes for acute lung injury and the acute respiratory distress syndrome. N Engl J Med. 2000 May 4;342(18):1301-8. doi: 10.1056/NEJM200005043421801.
- LeCun Y, Bengio Y, Hinton G. Deep learning. Nature. 2015 May 28;521(7553):436-44. doi: 10.1038/nature14539.
- Sousa MLEA, Magrans R, Hayashi FK, Blanch L, Kacmarek RM, Ferreira JC. Clusters of Double Triggering Impact Clinical Outcomes: Insights From the EPIdemiology of Patient-Ventilator aSYNChrony (EPISYNC) Cohort Study. Crit Care Med. 2021 Sep 1;49(9):1460-1469. doi: 10.1097/CCM.0000000000005029.
- Sousa MLA, Magrans R, Hayashi FK, Blanch L, Kacmarek RM, Ferreira JC. Predictors of asynchronies during assisted ventilation and its impact on clinical outcomes: The EPISYNC cohort study. J Crit Care. 2020 Jun;57:30-35. doi: 10.1016/j.jcrc.2020.01.023. Epub 2020 Jan 21.
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)
25 de mayo de 2024
Finalización primaria (Estimado)
24 de mayo de 2025
Finalización del estudio (Estimado)
24 de diciembre de 2025
Fechas de registro del estudio
Enviado por primera vez
24 de mayo de 2024
Primero enviado que cumplió con los criterios de control de calidad
10 de julio de 2024
Publicado por primera vez (Actual)
17 de julio de 2024
Actualizaciones de registros de estudio
Última actualización publicada (Actual)
17 de julio de 2024
Última actualización enviada que cumplió con los criterios de control de calidad
10 de julio de 2024
Última verificación
1 de mayo de 2024
Más información
Términos relacionados con este estudio
Palabras clave
Términos MeSH relevantes adicionales
Otros números de identificación del estudio
- CAAE 78855824.7.0000.0068
Plan de datos de participantes individuales (IPD)
¿Planea compartir datos de participantes individuales (IPD)?
NO
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. .