- ICH GCP
- Yhdysvaltain kliinisten tutkimusten rekisteri
- Kliininen tutkimus NCT05185479
Anestesian haittatapahtumien analyysi tekoälyn avulla (ADVENTURE)
Anestesian haitallisten tapahtumien analyysi tekoälyllä
Terveystietokantojen kiinnostus anestesiaa kohtaan ei ole enää osoitettavissa. Tämän tutkimuksen tavoitteena oli kehittää luonnollisen kielen prosessointimenetelmä perioperatiivisen jakson aikana havaittujen haittatapahtumien luokittelun luomiseksi ja niiden analysoinnin helpottamiseksi:
Tutkimuksen päätavoitteena oli tunnistaa, mitä "naiivi" valvomaton malli löytäisi haittavaikutusten (AE) kuvausten perusteella. Toinen tavoitteemme oli tunnistaa ilmeisesti toisiinsa liittymättömät tapahtumat, joiden yhdistelmä voisi edistää AE:n esiintymistä
Tutkimuksen yleiskatsaus
Tila
Ehdot
Opintotyyppi
Ilmoittautuminen (Todellinen)
Yhteystiedot ja paikat
Opiskelupaikat
-
-
-
Strasbourg, Ranska, 67091
- Service d'Anesthésie et Réanimation chirurgicale - CHU de Strasbourg - France
-
-
Osallistumiskriteerit
Kelpoisuusvaatimukset
Opintokelpoiset iät
Hyväksyy terveitä vapaaehtoisia
Näytteenottomenetelmä
Tutkimusväestö
Kuvaus
Sisällyttämiskriteerit:
- Alaikäiset ja aikuiset, joilla on ollut hoitoon liittyvä allerginen reaktio
- anestesialääkärin ilmoittama haittatapahtuma 1. tammikuuta 2009 ja 30. kesäkuuta 2020 välisenä aikana
Poissulkemiskriteerit:
- Potilas, joka ei täytä sisällyttämiskriteerejä
Opintosuunnitelma
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
- Havaintomallit: Vain tapaus
- Aikanäkymät: Takautuva
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
---|---|---|
Luonnollisen kielen käsittelytavan kehittäminen perioperatiivisen ajanjakson aikana havaittujen haittatapahtumien luokittelun luomiseksi ja niiden analysoinnin helpottamiseksi.
Aikaikkuna: Tiedostot, jotka on analysoitu takautuvasti 01.1.2009–30.6.2020, tutkitaan]
|
Tämän tutkimuksen tavoitteena oli kehittää luonnollisen kielen prosessointimenetelmä perioperatiivisen jakson aikana havaittujen haittatapahtumien luokittelun luomiseksi ja niiden analysoinnin helpottamiseksi: Tutkimuksen päätavoitteena oli tunnistaa, mitä "naiivi" valvomaton malli löytäisi haittavaikutusten (AE) kuvausten perusteella. Toinen tavoitteemme oli tunnistaa ilmeisesti toisiinsa liittymättömät tapahtumat, joiden yhdistelmä voisi edistää AE:n esiintymistä |
Tiedostot, jotka on analysoitu takautuvasti 01.1.2009–30.6.2020, tutkitaan]
|
Yhteistyökumppanit ja tutkijat
Tutkijat
- Päätutkija: Paul-Michel MERTES, MD, PhD, Service d'Anesthésie et Réanimation chirurgicale - CHU de Strasbourg - France
Opintojen ennätyspäivät
Opi tärkeimmät päivämäärät
Opiskelun aloitus (Todellinen)
Ensisijainen valmistuminen (Todellinen)
Opintojen valmistuminen (Todellinen)
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Ensimmäinen Lähetetty (Todellinen)
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Arvioitu)
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Viimeksi vahvistettu
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- 8505
Lääke- ja laitetiedot, tutkimusasiakirjat
Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta
Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta
Yhdysvalloissa valmistettu ja sieltä viety tuote
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 .