Tämä sivu käännettiin automaattisesti, eikä käännösten tarkkuutta voida taata. Katso englanninkielinen versio lähdetekstiä varten.

Endotrakeaalisen putken syvyyden ennustaminen käyttämällä syviä konvoluutiohermoverkkoja

keskiviikko 6. lokakuuta 2021 päivittänyt: Po Jui Chen, Chang Gung Memorial Hospital

Endotrakeaaliputken kiinnityksen oikean syvyyden ennustaminen ennen intubaatiota käyttämällä syviä konvoluutiohermoverkkoja ja rintakehän röntgenkuvia

Endotrakeaaliputken (ETT) virheellinen asento voi johtaa suureen katastrofiin. On kehitettävä kätevä tapa ennustaa ETT-kiinnityksen oikea syvyys. Syvien konvoluutiohermoverkkojen (DCNN) on todistettu toimivan hyvin rintakehän röntgenkuvausanalyysissä. Tutkijat olettavat, että DCNN:t voivat myös arvioida intubaatiota edeltäviä rintakehän röntgenkuvia ennustaakseen sopivan ETT-syvyyden, eikä asiaan liittyviä tutkimuksia löydy. Kirjoittajat arvioivat DCNN:iden kykyä analysoida ennen intubaatiota rintakehän röntgenkuvia sekä potilaiden tietoja ennustaakseen ETT-kiinnityksen oikean syvyyden ennen intubaatiota.

Tutkimuksen yleiskatsaus

Yksityiskohtainen kuvaus

Tämä oli retrospektiivinen, IRB-hyväksytty tutkimus, jossa käytettiin rintakehän röntgenkuvia, jotka oli saatu Picture Archive and Communication System -järjestelmästä (PACS) Chang Gung Memorial Hospitalissa, Linkoun haarassa, Taiwanissa.

Tätä tutkimusta varten saatiin yhteensä 595 tunnistamattomasta potilaan rintakehän röntgenkuvaa. Tämän tutkimuksen mukaanottokriteerit ovat 18-vuotiaat tai sitä vanhemmat potilaat, joille on tehty orotrakeaaliintubaatio marraskuun 2019 ja lokakuun 2020 välisenä aikana ja jotka olivat ottaneet rintakehän röntgenkuvat ennen intubaatiota ja välittömästi sen jälkeen (<24 tuntia). Samasta potilaasta otettiin sekä ennen intubaatiota että intuboinnin jälkeiset rintakehän röntgenkuvat. Myös kliiniset tiedot, mukaan lukien ikä, sukupuoli, ruumiinpituus, paino, ETT:n kiinnittymisen syvyys, tallennettiin. Sama anestesiologi mittasi manuaalisesti ETT:n kärjen ja karinan välisen etäisyyden intuboinnin jälkeisistä kalvoista ja dokumentoi. Jokaisen potilaan huulten ja karinan välinen pituus voidaan laskea lisäämällä ETT-kiinnityssyvyys ja ETT-kärki karinan etäisyyteen.

Mallin rakentamista varten kerätään ennen intubaatiota otetut rintakehän röntgenkuvat (n = 595) sekä kliiniset tiedot, kuten ikä, sukupuoli, ruumiinpituus, ruumiinpaino ja mitattu pituus huulista niveleen. Tässä tutkimuksessa niistä 476/595 (80 %) käytettiin koulutukseen ja 119/595 (20 %) validointiin, jotka valittiin satunnaisesti tekoälymallin mukaan. Harjoitteluprosessissa kuvat ja niihin liittyvät kliiniset tiedot sekä mitattu huulten ja karinan pituus syötetään tekoälymalliin ja niitä käytetään sovittamaan tekoälymalliin. Sitten validointiprosessissa tutkijat arvioivat mallin tarkkuuden ja tehokkuuden ennustaa huulten ja nivelen pituuden kuvilla ja kliinisillä tiedoilla näistä odottamattomista tapauksista.

Opintotyyppi

Havainnollistava

Ilmoittautuminen (Todellinen)

595

Yhteystiedot ja paikat

Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.

Opiskelupaikat

    • Guishan Township
      • Taoyuan, Guishan Township, Taiwan, 333
        • Chang Gung Memorial Hospital, Linkou Branch

Osallistumiskriteerit

Tutkijat etsivät ihmisiä, jotka sopivat tiettyyn kuvaukseen, jota kutsutaan kelpoisuuskriteereiksi. Joitakin esimerkkejä näistä kriteereistä ovat henkilön yleinen terveydentila tai aiemmat hoidot.

Kelpoisuusvaatimukset

Opintokelpoiset iät

18 vuotta ja vanhemmat (Aikuinen, Vanhempi Aikuinen)

Hyväksyy terveitä vapaaehtoisia

Ei

Sukupuolet, jotka voivat opiskella

Kaikki

Näytteenottomenetelmä

Todennäköisyysnäyte

Tutkimusväestö

18-vuotiaat tai sitä vanhemmat potilaat, joille tehtiin orotrakeaalinen intubaatio Chang Gung Memorial Hospitalissa, Linkoun haarassa, Taiwanissa.

Kuvaus

Sisällyttämiskriteerit:

  • 18 vuotta tai vanhempi
  • orotrakeaali intuboitu marraskuun 2019 ja lokakuun 2020 välisenä aikana
  • oli ottanut rintakehän röntgenkuvat ennen intubaatiota ja 24 tunnin sisällä sen jälkeen

Poissulkemiskriteerit:

  • Rintakehän röntgenkuvien laatu on huono, joten potilaiden karinaa ei voida tunnistaa
  • Potilas, jolla on keuhkoputkien lisäyksiä, jotka löytyvät intuboinnin jälkeisistä kalvoista
  • Nenän intubaatio

Opintosuunnitelma

Tässä osiossa on tietoja tutkimussuunnitelmasta, mukaan lukien kuinka tutkimus on suunniteltu ja mitä tutkimuksella mitataan.

Miten tutkimus on suunniteltu?

Suunnittelun yksityiskohdat

Kohortit ja interventiot

Ryhmä/Kohortti
Interventio / Hoito
Koulutus
Kuvia ja niihin liittyvää kliinistä dataa sekä mitattua pituutta harjoitusryhmän huulista carinaan syötetään ja niitä käytetään sovittamaan syväkonvoluutiohermoverkkomalliin.
käyttämällä syväkonvoluutiohermoverkkoja analysoimaan ennen intubaatiota rintakehän röntgenkuvia sekä potilaiden tietoja ETT-kiinnityksen oikean syvyyden ennustamiseksi
Validointi
Arvioimme mallin tarkkuutta ja tehokkuutta ennustaa huulten ja niskan pituus kuvien ja kliinisten tietojen avulla näistä odottamattomista tapauksista validointiryhmässä.
käyttämällä syväkonvoluutiohermoverkkoja analysoimaan ennen intubaatiota rintakehän röntgenkuvia sekä potilaiden tietoja ETT-kiinnityksen oikean syvyyden ennustamiseksi

Mitä tutkimuksessa mitataan?

Ensisijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Tekoälymallin ennustama pituus huulista carinaan
Aikaikkuna: 1 minuutti DCNN-analyysin jälkeen
Tekoälyn ennustetun pituuden keskimääräistä absoluuttista virhettä verrattuna mitattuun pituuteen käytetään tekoälyn suorituskyvyn arvioinnissa
1 minuutti DCNN-analyysin jälkeen

Toissijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Endotrakeaaliputken asentovirheiden määrä AI-mallisuosituksen mukaan
Aikaikkuna: 1 minuutti DCNN-analyysin jälkeen
Endotrakeaaliputken asentovirhettä käytetään parantamaan tekoälysuosituksen turvallisuutta.
1 minuutti DCNN-analyysin jälkeen

Yhteistyökumppanit ja tutkijat

Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.

Julkaisuja ja hyödyllisiä linkkejä

Tutkimusta koskevien tietojen syöttämisestä vastaava henkilö toimittaa nämä julkaisut vapaaehtoisesti. Nämä voivat koskea mitä tahansa tutkimukseen liittyvää.

Yleiset julkaisut

Opintojen ennätyspäivät

Nämä päivämäärät seuraavat ClinicalTrials.gov-sivustolle lähetettyjen tutkimustietueiden ja yhteenvetojen edistymistä. National Library of Medicine (NLM) tarkistaa tutkimustiedot ja raportoidut tulokset varmistaakseen, että ne täyttävät tietyt laadunvalvontastandardit, ennen kuin ne julkaistaan ​​julkisella verkkosivustolla.

Opi tärkeimmät päivämäärät

Opiskelun aloitus (Todellinen)

Perjantai 1. marraskuuta 2019

Ensisijainen valmistuminen (Todellinen)

Lauantai 31. lokakuuta 2020

Opintojen valmistuminen (Todellinen)

Lauantai 31. lokakuuta 2020

Opintoihin ilmoittautumispäivät

Ensimmäinen lähetetty

Perjantai 24. syyskuuta 2021

Ensimmäinen toimitettu, joka täytti QC-kriteerit

Keskiviikko 6. lokakuuta 2021

Ensimmäinen Lähetetty (Todellinen)

Keskiviikko 20. lokakuuta 2021

Tutkimustietojen päivitykset

Viimeisin päivitys julkaistu (Todellinen)

Keskiviikko 20. lokakuuta 2021

Viimeisin lähetetty päivitys, joka täytti QC-kriteerit

Keskiviikko 6. lokakuuta 2021

Viimeksi vahvistettu

Perjantai 1. lokakuuta 2021

Lisää tietoa

Tähän tutkimukseen liittyvät termit

Muut tutkimustunnusnumerot

  • 202002007B0

Lääke- ja laitetiedot, tutkimusasiakirjat

Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta

Ei

Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta

Ei

Nämä tiedot haettiin suoraan verkkosivustolta clinicaltrials.gov ilman muutoksia. Jos sinulla on pyyntöjä muuttaa, poistaa tai päivittää tutkimustietojasi, ota yhteyttä register@clinicaltrials.gov. Heti kun muutos on otettu käyttöön osoitteessa clinicaltrials.gov, se päivitetään automaattisesti myös verkkosivustollemme .

Tilaa