Évaluation de la prévisibilité de l'intubation difficile avec des systèmes soutenus par l'intelligence artificielle utilisant des mesures anthropométriques et ultrasonographiques utilisées dans l'évaluation préopératoire des voies respiratoires
Aperçu de l'étude
Statut
Les conditions
Intervention / Traitement
- Autre: Distance thyromée
- Autre: Circonférence du cou
- Autre: Distance d'ouverture de la bouche
- Autre: Distance de la mâchoire à l'os hyoïde avec le cou en position neutre
- Autre: Distance de la mâchoire à l'os hyoïde avec le cou en extension
- Autre: Distance entre la peau et la trachée
- Autre: Distance entre la peau et l'épiglotte
- Autre: Distance entre la peau et la commissure antérieure du cordon vocal:
- Autre: Distance entre la peau et les os hyoïdes
- Autre: Épaisseur de langue maximale
Description détaillée
L'intubation difficile, en particulier l'intubation difficile imprévisible, est un scénario difficile pour chaque anesthésiste. Les patients qui sont initialement évalués comme adaptés à la gestion des voies respiratoires de routine peuvent être présentés comme difficiles à intuder dans 5% à 22% des cas. Une évaluation précise et la gestion des voies respiratoires difficiles sont cruciales, car l'échec de la gestion des voies respiratoires peut conduire à une morbidité et une mortalité sérieuses.
L'évaluation des voies respiratoires aide à identifier les voies respiratoires difficiles prévisibles, mais elle n'exclut pas les patients présentant des évaluations cliniques normales qui peuvent encore subir une intubation difficile imprévisible. L'objectif principal de l'examen des voies respiratoires est de détecter les pathologies des voies respiratoires supérieures ou les anomalies anatomiques. Plusieurs caractéristiques physiques sont associées à des voies respiratoires difficiles et à une intubation échouée, notamment une mobilité limitée du cou, un ronflement, une courte distance sternommentale et une circonférence au cou accrue.
Les outils d'évaluation des voies respiratoires courants, tels que la classification des Mallampati et le test de piqûre de lèvres supérieure, nécessitent une coopération du patient, ce qui limite leur applicabilité chez les patients sous sédation, traumatisme ou non réactif. La classification Cormack-Lehane, utilisée pendant la laryngoscopie directe, est invasive et ne permet pas la préparation pré-procédurale. Dans ce contexte, des évaluations échographiques non invasives, de chevet, rapide et accessibles et des mesures anthropométriques ont gagné en importance dans la prévision des voies respiratoires difficiles.
Avec les progrès technologiques, les systèmes de support de décision et les applications assistées par l'intelligence artificielle (IA) sont de plus en plus utilisées pour éviter les résultats indésirables. Une gestion réussie des voies respiratoires est particulièrement essentielle chez les patients à haut risque, où la prise de décision rapide est essentielle. Les mesures échographiques facilement accessibles, de chevet et non invasives, intégrées aux programmes d'apprentissage basées sur l'IA, ont le potentiel de prédire à l'avance une intubation difficile. Cela permet une préparation précoce, des interventions opportunes et la réduction des risques potentiellement mortels.
Dans cette étude, les rechercheurs visaient à prédire l'intubation difficile en préopératoire en utilisant des mesures anthropométriques et ultrasonographiques non invasives, combinées à des programmes de prise de décision assistés par l'IA, sans nécessiter de procédures invasives.
Notre hypothèse est que l'évaluation préopératoire des voies respiratoires par le biais de mesures anthropométriques et échographiques, soutenues par des programmes de prise de décision basés sur l'IA, peut prédire avec précision l'intubation difficile et faciliter la préparation précoce
Type d'étude
Inscription (Réel)
Contacts et emplacements
Lieux d'étude
-
-
-
Duzce, Turquie
- Düzce University
-
-
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
Critères d'inclusion:
- Patients de plus de 18 ans
- Les patients qui subiront une anesthésie générale
Critères d'exclusion:
- Femmes enceintes
- Ceux qui ont des déformations faciales congénitales et / ou acquises
- Les patients qui ont déjà subi une chirurgie des voies respiratoires du cou supérieur
- Patients atteints de tumeurs de la tête et du cou
- Les patients qui subiront une thyroïdectomie
Plan d'étude
Comment l'étude est-elle conçue ?
Détails de conception
Cohortes et interventions
Groupe / Cohorte |
Intervention / Traitement |
|---|---|
|
Patients âgés de 18 à 20 ans qui recevront une anesthésie générale
Les patients ASA I-III de plus de 18 ans répondent aux critères d'inclusion pour subir une anesthésie générale
|
Distance entre le menton et le cartilage thyroïdien avec un ruban à mesurer lorsque le patient est en position neutre
Mesure de la circonférence du cou avec un ruban à mesurer lorsque le patient est en position neutre
Distance entre les dents supérieures et inférieures au point où l'ouverture de la bouche est maximale lorsque le patient est en position neutre.
Distance du mentum à l'os hyoïde avec le cou en position neutre par échographie
Mesure à ultrasons de la distance du mentum à l'os hyoïde avec le cou en extension
Mesure à ultrasons de la distance entre la peau et la trachée
Distance entre la peau et l'épiglotte mesurée par échographie
Distance entre la peau et la commissure antérieure du cordon vocal mesuré par échographie
Distance entre la peau et l'os hyoïde mesurés par échographie
Mesure de l'épaisseur maximale de la langue par échographie
|
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Algorithme de la machine vectorielle de support pourcentage de précision dans les intubations difficiles prédites
Délai: Prendre des mesures échographiques et anthropométriques de chaque patient a pris environ 20 minutes. Les estimations d'apprentissage automatique pour chaque patient sont d'environ 1 min.
|
L'ensemble de données, étiqueté sur la base d'une évaluation experte de l'intubation difficile, a été classé à l'aide de huit algorithmes d'apprentissage automatique largement acceptés: régression logistique (LR) [6], support Vector Machine (SVM) [7], Random Forest (RF) [8], K-Dearest Neighbors (KNN) [9], Gaussian Bayes (GNB) [10], Catboost [11], Xgboost [12] (Dt) [13].
À partir des 30 paramètres d'origine, les 15 caractéristiques les plus influentes ont été sélectionnées en fonction des méthodes d'extraction des caractéristiques et de la pertinence de la littérature.
Les étapes de prétraitement comprenaient la gestion des valeurs manquantes, avec des enregistrements incomplets exclus.
L'ensemble de données a été divisé en ensembles de formation (80%) et de test (20%).
Les modèles ont été formés sur l'ensemble d'entraînement, avec un réglage hyperparamètre effectué via une validation croisée de 5 fois pour éviter un sur-ajustement.
Les performances du modèle final ont été évaluées sur l'ensemble de tests indépendants.
|
Prendre des mesures échographiques et anthropométriques de chaque patient a pris environ 20 minutes. Les estimations d'apprentissage automatique pour chaque patient sont d'environ 1 min.
|
Collaborateurs et enquêteurs
Parrainer
Les enquêteurs
- Chercheur principal: Gizem DEMIR SENOGLU, Düzce University
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
Autres numéros d'identification d'étude
- 2022/65
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
produit fabriqué et exporté des États-Unis.
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 .