Artificial Intelligence and Postoperative Acute Kidney Injury
8 janvier 2021 mis à jour par: Hyung-Chul Lee, Seoul National University Hospital
Development and Prospective Validation of an Artificial Intelligence Model to Predict Postoperative Acute Kidney Injury
The main objective of this study is to develop and validate an artificial intelligence model that predicts postoperative acute kidney injury.
Aperçu de l'étude
Statut
Inconnue
Les conditions
Intervention / Traitement
Description détaillée
Postoperative acute kidney injury is known to increase the length of hospital stay and healthcare cost.
A lot of risk prediction models have been developed for identifying patients at increased risk of postoperative acute kidney injury.
Recent advances in artificial intelligence make it possible to manage and analyze big data.
Prediction model using an artificial intelligence and large-scale data can improve the accuracy of prediction performance.
Furthermore, the use of an artificial intelligence may be a useful adjuvant tool in making clinical decisions or real-time prediction if it is integrated into the electrical medical record systems.
However, before implementing an artificial intelligence model into the clinical setting, prospective evaluation of an artificial intelligence model's real performance is essential.
However, to our knowledge, there was no artificial intelligence model for prediction of postoperative acute kidney injury, which was prospectively evaluated.
Therefore, we aimed to develop an artificial intelligence model which predicts postoperative acute kidney injury and evaluate the model's performance prospectively.
Type d'étude
Observationnel
Inscription (Anticipé)
2000
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
- Hyung-Chul Lee
-
-
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, Adulte plus âgé)
Accepte les volontaires sains
N/A
Sexes éligibles pour l'étude
Tout
Méthode d'échantillonnage
Échantillon non probabiliste
Population étudiée
Adults patients undergoing non-cardiac surgery
La description
Inclusion Criteria:
- Adults patients undergoing non-cardiac surgery
Exclusion Criteria:
- Age under 18 years
- Surgery duration < 1 hour
- Transplantation surgery
- Nephrectomy
- Cardiac surgery
- Patients who had severe kidney dysfunction preoperatively as follows:
- Serum creatinine ≥ 4 mg/dl
- Estimated glomerular filtration rate <15 ml/min/1.73m2
- History of renal replacement therapy
- Patients who had no results of preoperative or postoperative serum creatinine
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_AKI
Adults patients undergoing non-cardiac surgery
|
The performance of an artificial intelligence model to predict postoperative acute kidney injury will be tested prospectively.
|
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
the incidence of postoperative acute kidney injury
Délai: during the postoperative seven days
|
postoperative acute kidney injury (diagnosed by KDIGO criteria using peak serum creatinine level) included all acute kidney injury events regardless of acute kidney injury severity
|
during the postoperative seven days
|
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 (Anticipé)
1 mars 2021
Achèvement primaire (Anticipé)
31 mai 2021
Achèvement de l'étude (Anticipé)
1 février 2022
Dates d'inscription aux études
Première soumission
8 janvier 2021
Première soumission répondant aux critères de contrôle qualité
8 janvier 2021
Première publication (Réel)
12 janvier 2021
Mises à jour des dossiers d'étude
Dernière mise à jour publiée (Réel)
12 janvier 2021
Dernière mise à jour soumise répondant aux critères de contrôle qualité
8 janvier 2021
Dernière vérification
1 janvier 2021
Plus d'information
Termes liés à cette étude
Termes MeSH pertinents supplémentaires
Autres numéros d'identification d'étude
- 2012-069-1180
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 .