- ICH GCP
- Registre américain des essais cliniques
- Essai clinique NCT04527094
Modèle d'apprentissage automatique pour prédire l'insuffisance respiratoire postopératoire
29 août 2022 mis à jour par: Hyun-Kyu Yoon, Seoul National University Hospital
Développement et évaluation prospective d'un modèle d'apprentissage automatique pour prédire l'insuffisance respiratoire postopératoire
L'objectif principal de cette étude est de développer un modèle d'apprentissage automatique qui prédit l'insuffisance respiratoire postopératoire dans les 7 jours postopératoires en utilisant des dossiers de santé électroniques préopératoires et peropératoires réels, locaux, et non des codes administratifs.
Aperçu de l'étude
Statut
Complété
Les conditions
Description détaillée
Les complications pulmonaires postopératoires sont connues pour augmenter la durée d'hospitalisation et le coût des soins de santé.
L'une des formes les plus graves de ces complications est l'insuffisance respiratoire postopératoire, qui est également associée à la morbidité et à la mortalité.
De nombreux modèles de stratification des risques ont été développés pour identifier les patients à risque accru d'insuffisance respiratoire postopératoire.
Cependant, ces modèles ont été construits en utilisant une analyse de régression logistique traditionnelle.
Une analyse de régression logistique présentait les inconvénients de supposer que la relation entre les variables dépendantes et indépendantes était linéaire.
Les avancées récentes de l'intelligence artificielle permettent de gérer et d'analyser le Big Data.
Un modèle de prédiction utilisant une technique d'apprentissage automatique et des données à grande échelle peut améliorer la précision des performances de prédiction par rapport à celles des modèles précédents utilisant des statistiques traditionnelles.
De plus, une technique d'apprentissage automatique peut être un outil auxiliaire utile dans la prise de décisions cliniques ou la prédiction en temps réel si elle est intégrée au système de santé.
Cependant, à notre connaissance, il n'y a pas eu d'étude portant sur les facteurs prédictifs de l'insuffisance respiratoire postopératoire en utilisant une approche d'apprentissage automatique.
Par conséquent, l'objectif principal de cette étude est de développer un modèle d'apprentissage automatique qui prédit l'insuffisance respiratoire postopératoire dans les 7 jours postopératoires en utilisant des dossiers de santé électroniques préopératoires et peropératoires locaux réels, et non des codes administratifs, et d'évaluer ses performances de manière prospective.
Type d'étude
Observationnel
Inscription (Réel)
22250
Contacts et emplacements
Cette section fournit les coordonnées de ceux qui mènent l'étude et des informations sur le lieu où cette étude est menée.
Lieux d'étude
-
-
-
Seoul, Corée, République de
- Hyun-Kyu Yoon
-
-
Critères de participation
Les chercheurs recherchent des personnes qui correspondent à une certaine description, appelée critères d'éligibilité. Certains exemples de ces critères sont l'état de santé général d'une personne ou des traitements antérieurs.
Critère d'éligibilité
Âges éligibles pour étudier
18 ans et plus (ADULTE, OLDER_ADULT)
Accepte les volontaires sains
Non
Sexes éligibles pour l'étude
Tout
Méthode d'échantillonnage
Échantillon non probabiliste
Population étudiée
Patients adultes subissant une anesthésie générale pour une chirurgie non cardiaque
La description
Critère d'intégration:
- Patients adultes subissant une anesthésie générale pour une chirurgie non cardiaque
Critère d'exclusion:
- Moins de 18 ans
- Durée de la chirurgie < 1 h
- Chirurgie cardiaque
- Chirurgie effectuée uniquement sous anesthésie régionale ou locale, bloc nerveux périphérique ou soins d'anesthésie surveillés
- Transplantation d'organe
- Patient avec intubation trachéale préopératoire
- Patients ayant eu une trachéotomie avant la chirurgie
- Patients devant subir une trachéotomie
- Chirurgie réalisée en dehors du bloc opératoire
- Durée d'hospitalisation < 24 h
Si les patients ont subi plusieurs interventions chirurgicales au cours du même séjour à l'hôpital, nous avons inclus les premiers cas chirurgicaux dans l'ensemble de données.
Plan d'étude
Cette section fournit des détails sur le plan d'étude, y compris la façon dont l'étude est conçue et ce que l'étude mesure.
Comment l'étude est-elle conçue ?
Détails de conception
Cohortes et interventions
Groupe / Cohorte |
Intervention / Traitement |
---|---|
AI_PRF
Patients adultes sous anesthésie générale
|
La performance d'un modèle d'apprentissage automatique pour prédire l'insuffisance respiratoire postopératoire après anesthésie générale au jour 7 postopératoire a été testée de manière prospective.
|
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
---|---|---|
l'incidence de l'insuffisance respiratoire postopératoire après anesthésie générale
Délai: au jour postopératoire 7
|
Insuffisance respiratoire postopératoire définie comme une ventilation mécanique > 48 h ou toute réintubation après la chirurgie
|
au jour postopératoire 7
|
Collaborateurs et enquêteurs
C'est ici que vous trouverez les personnes et les organisations impliquées dans cette étude.
Parrainer
Dates d'enregistrement des études
Ces dates suivent la progression des dossiers d'étude et des soumissions de résultats sommaires à ClinicalTrials.gov. Les dossiers d'étude et les résultats rapportés sont examinés par la Bibliothèque nationale de médecine (NLM) pour s'assurer qu'ils répondent à des normes de contrôle de qualité spécifiques avant d'être publiés sur le site Web public.
Dates principales de l'étude
Début de l'étude (RÉEL)
26 mai 2021
Achèvement primaire (RÉEL)
25 mai 2022
Achèvement de l'étude (RÉEL)
25 juin 2022
Dates d'inscription aux études
Première soumission
21 août 2020
Première soumission répondant aux critères de contrôle qualité
21 août 2020
Première publication (RÉEL)
26 août 2020
Mises à jour des dossiers d'étude
Dernière mise à jour publiée (RÉEL)
1 septembre 2022
Dernière mise à jour soumise répondant aux critères de contrôle qualité
29 août 2022
Dernière vérification
1 août 2022
Plus d'information
Termes liés à cette étude
Mots clés
Termes MeSH pertinents supplémentaires
Autres numéros d'identification d'étude
- AI_PRF
Informations sur les médicaments et les dispositifs, documents d'étude
Étudie un produit pharmaceutique réglementé par la FDA américaine
Non
Étudie un produit d'appareil réglementé par la FDA américaine
Non
Ces informations ont été extraites directement du site Web clinicaltrials.gov sans aucune modification. Si vous avez des demandes de modification, de suppression ou de mise à jour des détails de votre étude, veuillez contacter register@clinicaltrials.gov. Dès qu'un changement est mis en œuvre sur clinicaltrials.gov, il sera également mis à jour automatiquement sur notre site Web .