Leikkausta edeltävät ominaisuudet supraglottisen hengitystiehäiriön ennustamiseksi koneoppimisen (ERICA) avulla (ERICA)
Voivatko leikkausta edeltävät ominaisuudet ennustaa supraglottisen hengitystien epäonnistumisen henkitorviputkeen? Koneoppimisalgoritmi (ERICA)
Supraglottiset hengitystielaitteet (SGA) ovat turvallinen ja vakiintunut tekniikka hengitysteiden hallintaan. Nykyään jopa 60 % Euroopan maissa tehdyistä yleisanestesiahoidoista käyttää SGA:ta. 0,2-4,7 prosentissa SGA epäonnistuu ja vaatii muuntamisen henkitorviputkiksi.
ERICA-tutkimuksessa kehitetään tekoälymenetelmien avulla malli, joka voi ennustaa suunnittelemattoman SGA-konversion riskin perustuen esilääkityskäynnin aikana saatavilla oleviin leikkausta edeltäviin ominaisuuksiin.
Tutkimuksen yleiskatsaus
Tila
Interventio / Hoito
Yksityiskohtainen kuvaus
Leikkauksensisäinen toimenpiteen muutos ei johda vain aikaviiveisiin, vaan myös viivästyksiin, mutta sisältää myös potilasta stressaavia toimenpiteitä, kuten anestesian syventämistä ja hengitysteiden uudelleen manipulointia.
Siksi ERICA:n tavoitteena on kehittää koneoppimisalgoritmi, joka perustuu leikkausta edeltävään tietoon, 1) joka pystyy ennustamaan tarkasti suunnittelemattoman SGA-konversion riskin ja 2) tunnistaa ominaisuudet, jotka johtavat muuntamiseen SGA:sta henkitorveen.
I. Mallin kehittäminen
• Lopullinen tietojoukko jaetaan koulutus-, testaus- ja validointikohorttiin. Viisi mallia luodaan ennustamaan intraoperatiivista muuntamista SGA:sta henkitorveen, mukaan lukien yleiset lineaariset mallit (GLM), syväoppiminen, hajautettu satunnainen metsä (DRF), xgboost ja gradienttitehostuskone (GBM). Sitten rakennetaan pinottu kokonaisuusmalli yhdistämällä viisi mallia. Lopuksi valitaan paras tekoälymalli.
II. Tunnista ominaisuudet, jotka johtavat hengitysteiden muuntamiseen ja luokitteluun.
- Potilaan asennon sisäiset muutokset voivat muuttaa muuntumisriskiä, joten leikkauksia, joissa on asentomuutoksia, tulee harkita
- Tunnista potilaasta ja toimenpiteestä riippuvat ominaisuudet, jotka johtavat siirtymiseen SGA:sta henkitorviputkeen, ja niiden merkitys.
Opintotyyppi
Ilmoittautuminen (Todellinen)
Yhteystiedot ja paikat
Opiskelupaikat
-
-
Baden-Wurttemberg
-
Ulm, Baden-Wurttemberg, Saksa, 89073
- University Hospital Ulm
-
-
Bavaria
-
Munich, Bavaria, Saksa, 81675
- Technical University Munich
-
-
Osallistumiskriteerit
Kelpoisuusvaatimukset
Opintokelpoiset iät
- Aikuinen
- Vanhempi Aikuinen
Hyväksyy terveitä vapaaehtoisia
Näytteenottomenetelmä
Tutkimusväestö
Kuvaus
Sisällön kriteerit:
- Aikuiset potilaat (≥ 18-vuotiaat), jotka saavat yleisanestesian ei-sydänleikkaukseen supraglottisella hengitystielaitteella
Poissulkemiskriteerit:
- Ei mitään
Opintosuunnitelma
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Aikaikkuna |
|---|---|
|
Suunnittelemattoman SGA-muunnoksen riski
Aikaikkuna: intraoperatiivinen
|
intraoperatiivinen
|
Yhteistyökumppanit ja tutkijat
Sponsori
Yhteistyökumppanit
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 (Todellinen)
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Viimeksi vahvistettu
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Avainsanat
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- ERICA
Lääke- ja laitetiedot, tutkimusasiakirjat
Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta
Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta
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 .