Kliinisiin tietoihin perustuva tekoälymalli lonkkamurtuman jälkeisen kuolleisuuden ennustamiseen
Kliinisiin tietoihin perustuvan tekoälymallin kehittäminen lonkkamurtuman leikkauksen jälkeisten 30 päivän ja 1 vuoden kuolleisuusasteiden ennustamiseksi: retrospektiivinen kohorttitutkimus
Lonkaluunmurtumat ovat merkittävä sairastuvuuden ja kuolleisuuden syy, erityisesti ikääntyneillä potilailla. Tarkka postoperatiivisen kuolleisuuden ennustaminen on ratkaisevan tärkeää riskien luokittelussa ja kliinisessä päätöksenteossa. Perinteisillä pisteytysjärjestelmillä, kuten Nottingham Hip Fracture Score -järjestelmällä, on rajoituksia monimutkaisten, epälineaaristen suhteiden havaitsemisessa kliinisten muuttujien välillä.
Tämä retrospektiivinen kohorttitutkimus pyrkii kehittämään ja validoimaan tekoälyyn perustuvan mallin, jolla voidaan ennustaa lonkkamurtumaleikkauksen saaneiden potilaiden 30 päivän kuolleisuutta. Kliinisiä ja laboratoriotietoja noin 1000 potilaasta, jotka leikattiin 1.1.2022 ja 1.12.2025 välisenä aikana, poimitaan sähköisistä potilastietojärjestelmistä. Muuttujat sisältävät demografiset ominaisuudet, sairaudet, laboratorioparametrit, leikkauksen aikaista tietoa ja leikkauksen jälkeisiä komplikaatioita.
Tekoälymallin suorituskykyä arvioidaan ja verrataan perinteisiin riskipisteytysjärjestelmiin. Tutkimus pyrkii selvittämään, voivatko tekoälyyn perustuvat lähestymistavat tarjota parannettua ennustetarkkuutta lonkkamurtumapotilaiden leikkauksen jälkeiseen kuolleisuuteen.
Tutkimuksen yleiskatsaus
Tila
Opintotyyppi
Ilmoittautuminen (Todellinen)
Yhteystiedot ja paikat
Opiskelupaikat
-
-
-
Ankara, Turkki (Türkiye), 06200
- Dr. Abdurrahman Yurtaslan Ankara Oncology Training and Research Hospital
-
-
Osallistumiskriteerit
Kelpoisuusvaatimukset
Opintokelpoiset iät
- Aikuinen
- Vanhempi Aikuinen
Hyväksyy terveitä vapaaehtoisia
Näytteenottomenetelmä
Tutkimusväestö
Tämä tutkimuspopulaatio koostuu aikuispotilaista, jotka kävivät läpi leikkaushoidon lonkan murtuman vuoksi kolmannen tason syöpäkoulutus- ja tutkimussairaalassa 1. tammikuuta 2022 ja 1. joulukuuta 2025 välisenä aikana. Kohortti on johdettu takautuvasti sähköisistä terveystietojärjestelmistä ja sisältää noin 1000 potilasta.
Populaatio sisältää yksilöitä, joilla on vaihtelevia demografisia ominaisuuksia, komorbiditeetteja ja perioperatiivisia riskiprofiileja. Kliiniset tiedot kattavat demografiset tiedot, perustason toiminnallisen ja kognitiivisen tilan, komorbiditeetit, laboratoriomittaukset, leikkauksen aikaiset muuttujat ja leikkauksen jälkeiset komplikaatiot.
Potilaat, joilla on maligniteetti, ja ne, jotka käyvät läpi uusintaleikkauksen, jätetään pois. Tutkimuspopulaatio edustaa todellisen elämän kliinistä kohorttia, jota käytetään keinotekoisen älyn perustuvan mallin kehittämiseen ja validointiin ennustamaan 30 päivän leikkauksen jälkeistä kuolleisuutta lonkan murtuman leikkauksen jälkeen.
Kuvaus
Ottamiskriteerit:
Potilaat, jotka kävivät läpi leikkaushoidon lonkkamurtuman vuoksi 1.1.2022 ja 1.12.2025 välisenä aikana Ikä ≥18 vuotta Täydellisten demografisten, kliinisten ja laboratoriotietojen saatavuus sähköisessä terveydenhuoltotietojärjestelmässä Dokumentoitu 30 päivän seuranta tai kuolleisuustila
Poissulkemiskriteerit:
Potilaat, joilla on syöpäsairaus Potilaat, jotka käyvät läpi lonkkaleikkauksen uusintaleikkausta Potilaat, joilta puuttuu tai joilla on puutteellisia analyysiin vaadittavia keskeisiä kliinisiä tai laboratoriotietoja Potilaat, joilla ei ole saatavilla tai joilta puuttuu dokumentoitu 30 päivän kuolleisuustila
Opintosuunnitelma
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
30 päivän postoperatiivinen kuolleisuus
Aikaikkuna: 30 päivää leikkauksen jälkeen ja 1 vuosi myöhemmin
|
Kaikkien kuolemansyiden aiheuttama kuolleisuus 30 päivän kuluessa lonkkamurtuman leikkauksesta, määritetty sairaalarekistereistä ja sähköisistä terveystiedoista.
|
30 päivää leikkauksen jälkeen ja 1 vuosi myöhemmin
|
Yhteistyökumppanit ja tutkijat
Julkaisuja ja hyödyllisiä linkkejä
Yleiset julkaisut
- Ju M, Lee S, Marvich HM, Lin S. Accessing Alkoxy Radicals via Frustrated Radical Pairs: Diverse Oxidative Functionalizations of Tertiary Alcohols. J Am Chem Soc. 2024 Jul 24;146(29):19696-19703. doi: 10.1021/jacs.4c07125. Epub 2024 Jul 16.
- Wanchaijiraboon P, Sainamthip P, Teeyapun N, Luangdilok S, Poovorawan Y, Wanlapakorn N, Tanasanvimon S, Sriuranpong V, Susiriwatananont T, Zungsontiporn N, Pakvisal N. Safety Following COVID-19 Booster Vaccine with BNT162b2 Compared to mRNA-1273 in Solid Cancer Patients Previously Vaccinated with ChAdOx1 or CoronaVac. Vaccines (Basel). 2023 Feb 3;11(2):356. doi: 10.3390/vaccines11020356.
- Gonzalez Martinez J, Chen JJ, Aung T, Constantine T, Gonzalez-Martinez JA. Comparative Feasibility and Complication Analyses of Extraoperative (Bedside) Removal of Stereo-Electroencephalography Electrodes. Stereotact Funct Neurosurg. 2025;103(5):302-311. doi: 10.1159/000545984. Epub 2025 Apr 23.
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
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- 2025-12/209
Yksittäisten osallistujien tietojen suunnitelma (IPD)
Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?
IPD-suunnitelman kuvaus
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 .