Evaluación de las indicaciones de la unidad de cuidados intensivos (UCI): predicciones humanas frente a ChatGPT-4o (ICU)
Evaluación de la precisión de las indicaciones de ingreso a la unidad de cuidados intensivos (UCI) en pacientes del departamento de emergencias: una comparación entre las decisiones clínicas y la predicción ChatGPT-4o
Descripción general del estudio
Estado
Descripción detallada
Este estudio tiene un diseño retrospectivo. Los datos médicos de los pacientes ingresados en urgencias y consultados en la clínica de anestesiología y reanimación por indicaciones de UCI se recopilarán de forma retrospectiva. Se registrará información demográfica, signos vitales, resultados de laboratorio, hallazgos de imágenes y decisiones clínicas de los pacientes. Estos datos se recopilarán sistemáticamente para cada paciente mediante un formulario de informe de caso individual.
Criterios de inclusión para el estudio:
Pacientes de 18 años o más que fueron consultados a la clínica de anestesiología y reanimación por indicaciones de UCI desde el servicio de urgencias.
Criterios de exclusión para el estudio:
Pacientes que consultaron a la clínica de anestesiología y reanimación por indicaciones de UCI desde servicios de internación.
Pacientes que consultaron a la consulta de anestesiología y reanimación desde el servicio de urgencias por motivos distintos a las indicaciones de UCI.
Pacientes que consultaron a la consulta de anestesiología y reanimación por indicaciones de UCI desde el servicio de urgencias pero con datos registrados insuficientes (pacientes con pérdida de datos).
Entrenamiento de modelos y análisis de predicción:
ChatGPT-4 se entrenará de acuerdo con las pautas de "Yoğun Bakım Hasta Kabul Kriterleri (Rehberleri)" de Çiftçi B, Erdoğan C y Demiraran Y (5). Los datos recopilados de los pacientes se presentarán al modelo ChatGPT-4 para obtener predicciones sobre si los pacientes requieren ingreso en la UCI. Las predicciones realizadas por ChatGPT se compararán con decisiones clínicas y se analizará la tasa de precisión, la tasa de falsos positivos y la tasa de falsos negativos.
Métodos de análisis estadístico que se utilizarán en el estudio:
Tasa de precisión: se calculará la tasa a la que ChatGPT predice correctamente las indicaciones de la UCI.
Tasa de falsos positivos: se evaluará la tasa a la que ChatGPT predice la necesidad de UCI para pacientes que no requieren ingreso en UCI.
Tasa de falsos negativos: se analizará la tasa a la que ChatGPT predice que no hay necesidad de UCI para los pacientes que requieren ingreso en la UCI.
Estadísticas Kappa: se medirá la concordancia entre las predicciones de ChatGPT y las decisiones clínicas.
ROC Curve y AUC: El rendimiento de ChatGPT se evaluará utilizando la curva ROC y AUC.
El formulario de informe de caso utilizado para cada paciente garantiza la recopilación de datos de información clínica detallada y sistemática, con el objetivo de comparar de manera significativa la alineación de las predicciones de ChatGPT con las decisiones clínicas.
Tipo de estudio
Inscripción (Actual)
Contactos y Ubicaciones
Ubicaciones de estudio
-
-
-
Bursa, Turquía (Türkiye)
- Bursa Yuksek Ihtisas Training and Research Hospital
-
-
Criterios de participación
Criterio de elegibilidad
Edades elegibles para estudiar
- Adulto
- Adulto Mayor
Acepta Voluntarios Saludables
Método de muestreo
Población de estudio
Descripción
Criterios de inclusión:
- Se incluirán en el estudio pacientes mayores de 18 años que acudan a la clínica de anestesiología y reanimación por indicaciones de UCI desde el servicio de urgencias.
Criterios de exclusión:
- Pacientes que consultaron a la clínica de anestesiología y reanimación por indicaciones de UCI desde servicios de internación.
- Pacientes que consultaron a la consulta de anestesiología y reanimación desde el servicio de urgencias por motivos distintos a las indicaciones de UCI.
- Pacientes consultados a la clínica de anestesiología y reanimación por indicaciones de UCI desde el servicio de urgencias pero con datos registrados insuficientes (pacientes con pérdida de datos)
Plan de estudios
¿Cómo está diseñado el estudio?
Detalles de diseño
¿Qué mide el estudio?
Medidas de resultado primarias
Medida de resultado |
Periodo de tiempo |
|---|---|
|
Tasa de precisión de ChatGPT-4 en la predicción de indicaciones en la UCI
Periodo de tiempo: 3 meses
|
3 meses
|
|
Tasa de falsos positivos
Periodo de tiempo: 3 meses
|
3 meses
|
|
Tasa de falsos negativos
Periodo de tiempo: 3 meses
|
3 meses
|
Medidas de resultado secundarias
Medida de resultado |
Periodo de tiempo |
|---|---|
|
Estadística kappa
Periodo de tiempo: 3 meses
|
3 meses
|
Colaboradores e Investigadores
Patrocinador
Investigadores
- Investigador principal: İlkay Ceylan, ceylanilkay@yahoo.com
Fechas de registro del estudio
Fechas importantes del estudio
Inicio del estudio (Actual)
Finalización primaria (Actual)
Finalización del estudio (Actual)
Fechas de registro del estudio
Enviado por primera vez
Primero enviado que cumplió con los criterios de control de calidad
Publicado por primera vez (Actual)
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
Términos MeSH relevantes adicionales
Otros números de identificación del estudio
- BYIEAH-INKA
Plan de datos de participantes individuales (IPD)
¿Planea compartir datos de participantes individuales (IPD)?
Información sobre medicamentos y dispositivos, documentos del estudio
Estudia un producto farmacéutico regulado por la FDA de EE. UU.
Estudia un producto de dispositivo regulado por la FDA de EE. UU.
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. .