Évaluation de l'efficacité des modèles d'intelligence artificielle pour prédire les besoins d'admission en unité de soins intensifs
Aperçu de l'étude
Statut
Les conditions
Intervention / Traitement
Description détaillée
Les unités de soins intensifs (USI) sont des éléments essentiels des systèmes de santé, car elles fournissent des soins vitaux aux patients souffrant de maladies graves ou potentiellement mortelles. Une prévision rapide et précise des besoins d’admission en soins intensifs est essentielle pour améliorer les résultats pour les patients et optimiser l’allocation des ressources hospitalières. Les admissions retardées aux soins intensifs ont été systématiquement associées à des taux de morbidité et de mortalité plus élevés. Avec l’avènement de l’intelligence artificielle (IA) dans les soins de santé, il existe une opportunité d’améliorer la prise de décision clinique en tirant parti des modèles d’IA pour prédire avec précision les besoins en soins intensifs. Les modèles d'IA, tels que ChatGPT et Gemini, peuvent traiter de grandes quantités de données complexes pour identifier des modèles qui pourraient ne pas être immédiatement évidents pour les cliniciens humains, améliorant ainsi potentiellement la rapidité et la précision des décisions d'admission aux soins intensifs.
Il s’agit d’une étude observationnelle rétrospective. Les données ont été collectées rétrospectivement à partir des dossiers de santé électroniques (DSE) d’un hôpital.
Les données ont été extraites des DSE et comprenaient :
Données démographiques : âge, sexe et caractéristiques de base du patient. Paramètres cliniques : informations sur les médicaments, détails de la consultation, résultats de l'ECG, résultats d'imagerie, conditions comorbides (par exemple, diabète sucré, hypertension, insuffisance cardiaque, BPCO, événements vasculaires cérébraux) et valeurs de laboratoire (par exemple, hémoglobine, hématocrite, numération plaquettaire, PT, INR). , procalcitonine, ALT, AST, bilirubine, sodium, potassium, chlorure, glucose, créatinine, urée, albumine, tests de la fonction thyroïdienne).
Données de prédiction : prédictions du modèle d’IA et décisions réelles d’admission aux soins intensifs.
Type d'étude
Inscription (Réel)
Contacts et emplacements
Lieux d'étude
-
-
-
Istanbul, Turquie, 34303
- Health Science University İstanbul Kanuni Sultan Süleyman Education and Training Hospital
-
-
Critères de participation
Critère d'éligibilité
Âges éligibles pour étudier
- Adulte
- Adulte plus âgé
Accepte les volontaires sains
Méthode d'échantillonnage
Population étudiée
La description
Critère d'intégration:
- Patients de plus de 18 ans
- Patients consultés pour une anesthésie concernant des besoins en soins intensifs
- Patients disposant de suffisamment de données dans le système de dossier de santé électronique de l'hôpital
Critère d'exclusion:
- Patients avec des données insuffisantes dans les dossiers hospitaliers
Plan d'étude
Comment l'étude est-elle conçue ?
Détails de conception
Cohortes et interventions
Groupe / Cohorte |
Intervention / Traitement |
|---|---|
|
Décision des anesthésiologistes
Unité de soins intensifs Le besoin de suivi est décidé par les anesthésiologistes.
|
0 : Pas besoin de suivi en unité de soins intensifs 1 : Besoin d'un suivi en unité de soins intensifs |
|
Décision d'intelligence artificielle
Le besoin de suivi dans l’unité de soins intensifs est décidé par l’intelligence artificielle
|
0 : Pas besoin de suivi en unité de soins intensifs 1 : Besoin d'un suivi en unité de soins intensifs |
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Besoin d’une unité de soins intensifs
Délai: Un jour
|
Le principal critère de jugement de cette étude est l'exactitude des prédictions faites par les modèles d'intelligence artificielle (IA), ChatGPT et Gemini, concernant la nécessité d'admissions en soins intensifs.
Ceci sera évalué en comparant les prédictions du modèle d'IA aux décisions cliniques réelles prises concernant les admissions aux soins intensifs.
|
Un jour
|
Collaborateurs et enquêteurs
Les enquêteurs
- Chercheur principal: Engin ihsan Turan, Specialist, Health Science University İstanbul Kanuni Sultan Süleyman Education and Training Hospital
Dates d'enregistrement des études
Dates principales de l'étude
Début de l'étude (Réel)
Achèvement primaire (Réel)
Achèvement de l'étude (Réel)
Dates d'inscription aux études
Première soumission
Première soumission répondant aux critères de contrôle qualité
Première publication (Réel)
Mises à jour des dossiers d'étude
Dernière mise à jour publiée (Réel)
Dernière mise à jour soumise répondant aux critères de contrôle qualité
Dernière vérification
Plus d'information
Termes liés à cette étude
Mots clés
Autres numéros d'identification d'étude
- ICU-retro
Plan pour les données individuelles des participants (IPD)
Prévoyez-vous de partager les données individuelles des participants (DPI) ?
Informations sur les médicaments et les dispositifs, documents d'étude
Étudie un produit pharmaceutique réglementé par la FDA américaine
Étudie un produit d'appareil réglementé par la FDA américaine
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 .