Evaluación de la previsibilidad de la intubación difícil con sistemas de inteligencia artificial que utilizan mediciones antropométricas y ultrasonográficas utilizadas en la evaluación preoperatoria de las vías respiratorias
Descripción general del estudio
Estado
Intervención / Tratamiento
- Otro: Distancia tiromental
- Otro: Circunferencia del cuello
- Otro: Distancia de apertura de la boca
- Otro: Distancia de la mandíbula al hueso hioides con cuello en posición neutral
- Otro: Distancia de la mandíbula al hueso hioides con el cuello en extensión
- Otro: Distancia entre la piel y la tráquea
- Otro: Distancia entre la piel y la epiglotis
- Otro: Distancia entre la piel y la comisura anterior de la cuerda vocal:
- Otro: Distancia entre la piel y el hueso hioides
- Otro: Espesor de la lengua máximo
Descripción detallada
La intubación difícil, particularmente impredecible, la intubación difícil, es un escenario desafiante para cada anestesiólogo. Los pacientes que inicialmente se evalúan como adecuados para el manejo de las vías respiratorias de rutina pueden presentarse como difíciles de intubar en del 5% al 22% de los casos. La evaluación precisa y la gestión de las vías respiratorias difíciles son cruciales, ya que la falla en el manejo de las vías respiratorias puede conducir a serias morbilidad y mortalidad.
La evaluación de las vías respiratorias ayuda a identificar las vías respiratorias difíciles predecibles, pero no excluye a los pacientes con evaluaciones clínicas normales que aún pueden experimentar una intubación impredecible difícil. El objetivo principal del examen de la vía aérea es detectar patologías de las vías respiratorias superiores o anomalías anatómicas. Varias características físicas están asociadas con vías respiratorias difíciles e intubación fallida, incluida la movilidad limitada del cuello, el ronquido, una distancia esternomental corta y una mayor circunferencia del cuello.
Las herramientas de evaluación de las vías respiratorias comunes, como la clasificación de Mallampati y la prueba de mordida del labio superior, requieren la cooperación del paciente, lo que limita su aplicabilidad en pacientes sedados, traumáticos o no respondidos. La clasificación Cormack-Lehane, utilizada durante la laringoscopia directa, es invasiva y no permite la preparación previa al proceso. En este contexto, las evaluaciones ultrasonográficas no invasivas, de cabecera, rápidas y accesibles y las mediciones antropométricas han ganado importancia en la predicción de vías respiratorias difíciles.
Con avances tecnológicos, los sistemas de soporte de decisiones y las aplicaciones asistidas por inteligencia artificial (IA) se utilizan cada vez más para evitar resultados adversos. El manejo exitoso de las vías respiratorias es particularmente crítica en pacientes de alto riesgo, donde la toma de decisiones rápida es esencial. Las mediciones ultrasonográficas no invasivas fácilmente accesibles, al lado de la cama, no invasivas, integradas con programas de aprendizaje basados en IA, tienen el potencial de predecir una intubación difícil de antemano. Esto permite la preparación temprana, las intervenciones oportunas y la reducción de los riesgos potencialmente mortales.
En este estudio, los conservadores tenían como objetivo predecir una intubación difícil preoperatoriamente utilizando mediciones antropométricas y ultrasonográficas de las vías respiratorias ultrasonográficas, combinadas con programas de soporte de decisión asistidos por AI-AI, sin requerir ningún procedimiento invasivo.
Nuestra hipótesis es que la evaluación preoperatoria de las vías respiratorias a través de las mediciones antropométricas y ultrasonográficas, respaldada por programas de apoyo a la decisión basados en AI, puede predecir con precisión la intubación difícil y facilitar la preparación temprana.
Tipo de estudio
Inscripción (Actual)
Contactos y Ubicaciones
Ubicaciones de estudio
-
-
-
Duzce, Pavo
- Düzce University
-
-
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:
- Pacientes mayores de 18 años
- Pacientes que se someterán a anestesia general
Criterios de exclusión:
- Mujeres embarazadas
- Aquellos con deformidades faciales congénitas y/o adquiridas
- Pacientes que anteriormente se sometieron a una cirugía de vías respiratorias en la parte superior del cuello
- Pacientes con tumores de cabeza y cuello
- Pacientes que se someterán a tiroidectomía
Plan de estudios
¿Cómo está diseñado el estudio?
Detalles de diseño
Cohortes e Intervenciones
Grupo / Cohorte |
Intervención / Tratamiento |
|---|---|
|
Pacientes de entre 18 y 20 años que recibirán anestesia general
ASA I-III Pacientes mayores de 18 años que cumplen con los criterios de inclusión para sufrir anestesia general
|
Distancia entre la barbilla y el cartílago de la tiroides con una cinta métrica cuando el paciente está en una posición neutral
Medición de la circunferencia del cuello con una cinta métrica cuando el paciente está en una posición neutral
Distancia entre los dientes superiores e inferiores en el punto donde la abertura de la boca es máxima cuando el paciente está en una posición neutral.
Distancia de mentum a hueso hioides con cuello en posición neutral por ultrasonografía
Medición de ultrasonido de distancia de mentum a hueso hioides con cuello en extensión
Medición de ultrasonido de la distancia entre la piel y la tráquea
Distancia entre la piel y la epiglotis medida por ultrasonografía
Distancia entre la piel y la comisura anterior de la cuerda vocal medida por ultrasonografía
Distancia entre la piel y el hueso hioides medidos por ultrasonografía
Medición del espesor de la lengua máxima por ultrasonografía
|
¿Qué mide el estudio?
Medidas de resultado primarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Soporte del algoritmo de la máquina de soporte Porcentaje de precisión en intubaciones difíciles predichas
Periodo de tiempo: Tomar mediciones ultrasonográficas y antropométricas de cada paciente tomaron aproximadamente 20 minutos. Las estimaciones de aprendizaje automático para cada paciente son aproximadamente 1 min.
|
El conjunto de datos, etiquetado basado en la evaluación de expertos de la intubación difícil, se clasificó utilizando ocho algoritmos de aprendizaje automático ampliamente aceptados: regresión logística (LR) [6], Máquina de vectores de soporte (SVM) [7], Bosque aleatorio (RF) [8], K-Nearest Neighbours (KNN) [9], Gaussian Naive Bayes (GNB) [10], Catboot [11], XGoBors [12] [12], XGOT Árbol (DT) [13].
A partir de los 30 parámetros originales, las 15 características más influyentes se seleccionaron en función de los métodos de extracción de características y la relevancia de la literatura.
Los pasos de preprocesamiento incluyeron el manejo de valores faltantes, con registros incompletos excluidos.
El conjunto de datos se dividió en entrenamiento (80%) y conjuntos de prueba (20%).
Los modelos fueron entrenados en el conjunto de entrenamiento, con un ajuste de hiperparámetro realizado a través de una validación transversal de 5 veces para evitar el sobreajuste.
El rendimiento final del modelo se evaluó en el conjunto de pruebas independientes.
|
Tomar mediciones ultrasonográficas y antropométricas de cada paciente tomaron aproximadamente 20 minutos. Las estimaciones de aprendizaje automático para cada paciente son aproximadamente 1 min.
|
Colaboradores e Investigadores
Patrocinador
Investigadores
- Investigador principal: Gizem DEMIR SENOGLU, Düzce University
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
Otros números de identificación del estudio
- 2022/65
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.
producto fabricado y exportado desde los 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. .