Comparaison des scores de risque traditionnels et d'un modèle multimodal basé sur l'IA pour prédire les événements cardiovasculaires après une chirurgie gastro-intestinale (GI-MACE-AI)
Valeur de certains scores de risque dans la prédiction des événements cardiovasculaires après une chirurgie gastro-intestinale
L'objectif de cette étude observationnelle est de développer et d'évaluer un modèle multimodal basé sur l'intelligence artificielle (IA) pour prédire les événements cardiovasculaires majeurs dans les 30 jours suivant une chirurgie gastro-intestinale chez les adultes à l'hôpital Bach Mai. L'étude comparera également la performance prédictive de ce modèle basé sur l'IA avec les scores de risque traditionnels couramment utilisés.
Les principales questions auxquelles elle vise à répondre sont :
Un modèle multimodal basé sur l'IA peut-il prédire les événements cardiovasculaires majeurs dans les 30 jours suivant une chirurgie gastro-intestinale ? Le modèle basé sur l'IA montre-t-il une meilleure performance prédictive que l'Indice de Risque Cardiaque Révisé (RCRI), le calculateur d'Infarctus du Myocarde ou d'Arrêt Cardiaque du Programme National d'Amélioration de la Qualité Chirurgicale de l'American College of Surgeons (ACS NSQIP MICA) et le Calculateur de Risque Chirurgical ACS NSQIP (ACS NSQIP SRC) ? Les chercheurs compareront le modèle multimodal basé sur l'IA avec les scores de risque traditionnels en utilisant des mesures de performance prédictive, notamment la discrimination, la calibration, l'amélioration de la reclassification nette et l'amélioration de la discrimination intégrée.
Les participants seront des adultes subissant une chirurgie gastro-intestinale. Les chercheurs examineront les données des dossiers médicaux des patients traités en 2025 et collecteront également prospectivement les mêmes types de données cliniques en 2026. Le résultat clinique prédit est la survenue d'événements cardiovasculaires majeurs dans les 30 jours suivant la chirurgie. L'étude ne modifiera pas la prise en charge clinique de routine.
Aperçu de l'étude
Statut
Description détaillée
Les événements cardiovasculaires majeurs après une chirurgie gastro-intestinale restent une cause importante de complications postopératoires précoces et de mauvais résultats. Les scores traditionnels de risque cardiaque périopératoire, y compris l'Indice de Risque Cardiaque Révisé (RCRI), le calculateur d'Infarctus du Myocarde ou d'Arrêt Cardiaque du Programme National d'Amélioration de la Qualité Chirurgicale du Collège Américain des Chirurgiens (ACS NSQIP MICA), et le Calculateur de Risque Chirurgical ACS NSQIP (ACS NSQIP SRC), sont largement utilisés dans la pratique clinique. Cependant, leur performance peut être limitée dans des populations chirurgicales spécifiques et peut ne pas capturer pleinement les interactions complexes entre les variables cliniques, de laboratoire, physiologiques et procédurales.
Cette étude observationnelle vise à développer et évaluer un modèle multimodal basé sur l'intelligence artificielle (IA) pour prédire les événements cardiovasculaires majeurs dans les 30 jours suivant une chirurgie gastro-intestinale et à comparer ses performances prédictives avec les scores de risque traditionnels. L'étude sera menée à l'Hôpital Bach Mai et inclura des patients adultes subissant une chirurgie gastro-intestinale. L'étude utilise un design mixte rétrospectif-prospectif, avec une collecte de données rétrospective des patients traités en 2025 et une collecte de données prospective en 2026.
Le résultat clinique cible pour la prédiction est la survenue d'événements cardiovasculaires majeurs dans les 30 jours suivant la chirurgie. Ces événements incluent la mort cardiovasculaire, l'infarctus du myocarde non fatal, l'arrêt cardiaque avec retour à une circulation spontanée, un nouvel accident vasculaire cérébral, et les arythmies cliniquement significatives nécessitant un traitement. Les données utilisées pour le développement et la comparaison du modèle peuvent inclure les caractéristiques démographiques, les antécédents médicaux, les comorbidités cardiovasculaires, les caractéristiques chirurgicales, les informations anesthésiques, les résultats de laboratoire préopératoires, les découvertes électrocardiographiques, les biomarqueurs lorsqu'ils sont disponibles, et les variables d'évaluation fonctionnelle ou de risque.
Le résultat principal de l'étude est la performance de discrimination du modèle multimodal basé sur l'IA comparée aux scores de risque traditionnels, mesurée par l'aire sous la courbe caractéristique de fonctionnement du récepteur pour prédire les événements cardiovasculaires majeurs à 30 jours après une chirurgie gastro-intestinale. Les résultats secondaires incluent la performance de calibration, l'amélioration de la reclassification nette, et l'amélioration de la discrimination intégrée du modèle multimodal basé sur l'IA comparé aux scores de risque traditionnels, incluant RCRI, ACS NSQIP MICA, et ACS NSQIP SRC.
L'étude est observationnelle et ne modifiera pas la gestion périopératoire de routine. Les données seront obtenues à partir des dossiers médicaux existants et de la collecte clinique prospective, codées pour la confidentialité, et analysées pour soutenir la stratification du risque et la comparaison des modèles chez les patients subissant une chirurgie gastro-intestinale.
Type d'étude
Inscription (Estimé)
Contacts et emplacements
Lieux d'étude
-
-
-
Hà Nội, Viêt Nam
- Recrutement
- Bach Mai hospital
-
Contact:
- Nguyen Toan Thang, Thang
- Numéro de téléphone: PhD, MD
- E-mail: nguyentoanthang@hmu.edu.vn
-
-
Critères de participation
Critère d'éligibilité
Âges éligibles pour étudier
- Enfant
- Adulte
- Adulte plus âgé
Accepte les volontaires sains
Méthode d'échantillonnage
Population étudiée
L'étude inclut les patients identifiés rétrospectivement à partir de 2025 et prospectivement à partir de 2026, qui disposent de données cliniques périopératoires suffisantes pour l'analyse des événements cardiovasculaires majeurs dans les 30 jours suivant la chirurgie.
La description
Critères d'inclusion :
- Adultes âgés de 18 ans ou plus.
- Subissant une chirurgie gastro-intestinale à l'Hôpital Bach Mai entre janvier 2025 et décembre 2026.
- Données préopératoires, peropératoires et postopératoires disponibles suffisantes pour l'analyse.
Critères d'exclusion :
- Décès dans les 24 heures suivant la chirurgie en raison d'une cause clairement non cardiovasculaire.
- Données incomplètes nécessaires à l'analyse.
Plan d'étude
Comment l'étude est-elle conçue ?
Détails de conception
Cohortes et interventions
Groupe / Cohorte |
|---|
|
Cohorte d'étude globale
Adultes subissant une chirurgie gastro-intestinale à l'hôpital Bach Mai qui sont inclus dans cette étude observationnelle et suivis pour des événements cardiovasculaires majeurs dans les 30 jours suivant la chirurgie.
L'étude inclut des données rétrospectives de 2025 et des données prospectives de 2026.
|
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Aire sous la courbe ROC du modèle multimodal basé sur l'IA pour prédire les événements cardiovasculaires indésirables majeurs à 30 jours après une chirurgie gastro-intestinale
Délai: De la période préopératoire jusqu'à 30 jours après la chirurgie.
|
Performance discriminatoire du modèle multimodal basé sur l'IA pour prédire les événements cardiovasculaires majeurs à 30 jours après une chirurgie gastro-intestinale.
|
De la période préopératoire jusqu'à 30 jours après la chirurgie.
|
Mesures de résultats secondaires
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Score de Brier du modèle multimodal basé sur l'IA pour prédire les événements cardiovasculaires majeurs à 30 jours après une chirurgie gastro-intestinale
Délai: De la période préopératoire à 30 jours après l'opération
|
Précision de prédiction globale du modèle multimodal basé sur l'IA telle qu'évaluée par le score de Brier.
Des valeurs plus faibles indiquent de meilleures performances du modèle.
|
De la période préopératoire à 30 jours après l'opération
|
|
Amélioration de la reclassification nette du modèle multimodal basé sur l'IA par rapport aux scores de risque traditionnels pour prédire les événements cardiovasculaires majeurs à 30 jours après une chirurgie gastro-intestinale
Délai: Utilisation des données périopératoires collectées de la période préopératoire jusqu'à 30 jours après la chirurgie
|
Amélioration de la reclassification nette du modèle multimodal basé sur l'IA par rapport aux scores de risque traditionnels pour la prédiction des événements cardiovasculaires majeurs dans les 30 jours suivant une chirurgie gastro-intestinale.
|
Utilisation des données périopératoires collectées de la période préopératoire jusqu'à 30 jours après la chirurgie
|
|
Amélioration de la discrimination intégrée du modèle multimodal basé sur l'IA par rapport aux scores de risque traditionnels pour prédire les événements cardiovasculaires majeurs à 30 jours après une chirurgie gastro-intestinale
Délai: En utilisant les données périopératoires collectées depuis la période préopératoire jusqu'à 30 jours après la chirurgie
|
Amélioration de la discrimination intégrée du modèle multimodal basé sur l'IA par rapport aux scores de risque traditionnels pour la prédiction des événements cardiovasculaires majeurs dans les 30 jours suivant une chirurgie gastro-intestinale.
|
En utilisant les données périopératoires collectées depuis la période préopératoire jusqu'à 30 jours après la chirurgie
|
|
Aire sous la courbe de la caractéristique de fonctionnement du récepteur de l'Indice de Risque Cardiaque Révisé pour prédire les événements cardiovasculaires majeurs à 30 jours après une chirurgie gastro-intestinale
Délai: De la période préopératoire jusqu'à 30 jours après l'opération
|
Performance discriminative de l'indice de risque cardiaque révisé.
|
De la période préopératoire jusqu'à 30 jours après l'opération
|
|
Surface sous la courbe de performance du récepteur (ROC) de l'ACS NSQIP Surgical Risk Calculator pour prédire les événements cardiovasculaires majeurs à 30 jours après une chirurgie gastro-intestinale
Délai: De la période préopératoire jusqu'à 30 jours après l'opération
|
Performances discriminatoires du calculateur de risque chirurgical ACS NSQIP.
|
De la période préopératoire jusqu'à 30 jours après l'opération
|
|
Pente de calibration du modèle multimodal basé sur l'IA pour la prédiction des événements cardiovasculaires majeurs à 30 jours après une chirurgie gastro-intestinale
Délai: De la période préopératoire à 30 jours après l'opération
|
Concordance entre le risque prédit et le risque observé, évaluée par la pente de calibration.
Une valeur plus proche de 1 indique une meilleure calibration. |
De la période préopératoire à 30 jours après l'opération
|
Collaborateurs et enquêteurs
Parrainer
Publications et liens utiles
Publications générales
- Writing Committee for the VISION Study Investigators; Devereaux PJ, Biccard BM, Sigamani A, Xavier D, Chan MTV, Srinathan SK, Walsh M, Abraham V, Pearse R, Wang CY, Sessler DI, Kurz A, Szczeklik W, Berwanger O, Villar JC, Malaga G, Garg AX, Chow CK, Ackland G, Patel A, Borges FK, Belley-Cote EP, Duceppe E, Spence J, Tandon V, Williams C, Sapsford RJ, Polanczyk CA, Tiboni M, Alonso-Coello P, Faruqui A, Heels-Ansdell D, Lamy A, Whitlock R, LeManach Y, Roshanov PS, McGillion M, Kavsak P, McQueen MJ, Thabane L, Rodseth RN, Buse GAL, Bhandari M, Garutti I, Jacka MJ, Schunemann HJ, Cortes OL, Coriat P, Dvirnik N, Botto F, Pettit S, Jaffe AS, Guyatt GH. Association of Postoperative High-Sensitivity Troponin Levels With Myocardial Injury and 30-Day Mortality Among Patients Undergoing Noncardiac Surgery. JAMA. 2017 Apr 25;317(16):1642-1651. doi: 10.1001/jama.2017.4360.
- Gautam N, Mueller J, Alqaisi O, Gandhi T, Malkawi A, Tarun T, Alturkmani HJ, Zulqarnain MA, Pontone G, Al'Aref SJ. Machine Learning in Cardiovascular Risk Prediction and Precision Preventive Approaches. Curr Atheroscler Rep. 2023 Dec;25(12):1069-1081. doi: 10.1007/s11883-023-01174-3. Epub 2023 Nov 27.
- Liu T, Krentz A, Lu L, Curcin V. Machine learning based prediction models for cardiovascular disease risk using electronic health records data: systematic review and meta-analysis. Eur Heart J Digit Health. 2024 Oct 27;6(1):7-22. doi: 10.1093/ehjdh/ztae080. eCollection 2025 Jan.
- Cheng CH, Lee BJ, Nfor ON, Hsiao CH, Huang YC, Liaw YP. Using machine learning-based algorithms to construct cardiovascular risk prediction models for Taiwanese adults based on traditional and novel risk factors. BMC Med Inform Decis Mak. 2024 Jul 22;24(1):199. doi: 10.1186/s12911-024-02603-2.
- Li C, Liu X, Shen P, Sun Y, Zhou T, Chen W, Chen Q, Lin H, Tang X, Gao P. Improving cardiovascular risk prediction through machine learning modelling of irregularly repeated electronic health records. Eur Heart J Digit Health. 2023 Oct 17;5(1):30-40. doi: 10.1093/ehjdh/ztad058. eCollection 2024 Jan.
- Kothari P, Vanneman MW, Choi C, Diehl R, Fielding-Singh V. Highlights from the American College of Cardiology and American Heart Association 2024 Guideline for Perioperative Cardiovascular Management for Noncardiac Surgery. J Cardiothorac Vasc Anesth. 2025 Sep;39(9):2408-2420. doi: 10.1053/j.jvca.2025.05.014. Epub 2025 May 14.
- Vascular Events In Noncardiac Surgery Patients Cohort Evaluation (VISION) Study Investigators; Devereaux PJ, Chan MT, Alonso-Coello P, Walsh M, Berwanger O, Villar JC, Wang CY, Garutti RI, Jacka MJ, Sigamani A, Srinathan S, Biccard BM, Chow CK, Abraham V, Tiboni M, Pettit S, Szczeklik W, Lurati Buse G, Botto F, Guyatt G, Heels-Ansdell D, Sessler DI, Thorlund K, Garg AX, Mrkobrada M, Thomas S, Rodseth RN, Pearse RM, Thabane L, McQueen MJ, VanHelder T, Bhandari M, Bosch J, Kurz A, Polanczyk C, Malaga G, Nagele P, Le Manach Y, Leuwer M, Yusuf S. Association between postoperative troponin levels and 30-day mortality among patients undergoing noncardiac surgery. JAMA. 2012 Jun 6;307(21):2295-304. doi: 10.1001/jama.2012.5502.
- Writing Committee Members; Thompson A, Fleischmann KE, Smilowitz NR, de Las Fuentes L, Mukherjee D, Aggarwal NR, Ahmad FS, Allen RB, Altin SE, Auerbach A, Berger JS, Chow B, Dakik HA, Eisenstein EL, Gerhard-Herman M, Ghadimi K, Kachulis B, Leclerc J, Lee CS, Macaulay TE, Mates G, Merli GJ, Parwani P, Poole JE, Rich MW, Ruetzler K, Stain SC, Sweitzer B, Talbot AW, Vallabhajosyula S, Whittle J, Williams KA Sr. 2024 AHA/ACC/ACS/ASNC/HRS/SCA/SCCT/SCMR/SVM Guideline for Perioperative Cardiovascular Management for Noncardiac Surgery: A Report of the American College of Cardiology/American Heart Association Joint Committee on Clinical Practice Guidelines. J Am Coll Cardiol. 2024 Nov 5;84(19):1869-1969. doi: 10.1016/j.jacc.2024.06.013. Epub 2024 Sep 24.
- Bilimoria KY, Liu Y, Paruch JL, Zhou L, Kmiecik TE, Ko CY, Cohen ME. Development and evaluation of the universal ACS NSQIP surgical risk calculator: a decision aid and informed consent tool for patients and surgeons. J Am Coll Surg. 2013 Nov;217(5):833-42.e1-3. doi: 10.1016/j.jamcollsurg.2013.07.385. Epub 2013 Sep 18.
- Gupta PK, Gupta H, Sundaram A, Kaushik M, Fang X, Miller WJ, Esterbrooks DJ, Hunter CB, Pipinos II, Johanning JM, Lynch TG, Forse RA, Mohiuddin SM, Mooss AN. Development and validation of a risk calculator for prediction of cardiac risk after surgery. Circulation. 2011 Jul 26;124(4):381-7. doi: 10.1161/CIRCULATIONAHA.110.015701. Epub 2011 Jul 5.
- Lee TH, Marcantonio ER, Mangione CM, Thomas EJ, Polanczyk CA, Cook EF, Sugarbaker DJ, Donaldson MC, Poss R, Ho KK, Ludwig LE, Pedan A, Goldman L. Derivation and prospective validation of a simple index for prediction of cardiac risk of major noncardiac surgery. Circulation. 1999 Sep 7;100(10):1043-9. doi: 10.1161/01.cir.100.10.1043.
Dates d'enregistrement des études
Dates principales de l'étude
Début de l'étude (Réel)
Achèvement primaire (Estimé)
Achèvement de l'étude (Estimé)
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
Termes MeSH pertinents supplémentaires
Autres numéros d'identification d'étude
- BM_2025_238
Plan pour les données individuelles des participants (IPD)
Prévoyez-vous de partager les données individuelles des participants (DPI) ?
Description du régime IPD
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 .