Ezt az oldalt automatikusan lefordították, és a fordítás pontossága nem garantált. Kérjük, olvassa el a angol verzió forrásszöveghez.

A hagyományos kockázati pontszámok és egy mesterséges intelligencián alapuló multimodális modell összehasonlítása a szív- és érrendszeri események megjóslására gasztrointesztinális műtét után (GI-MACE-AI)

2026. április 16. frissítette: Nguyen Toan Thang, Bach Mai Hospital

Néhány kockázati pontszám értéke a szív- és érrendszeri események előrejelzésében gyomor-bél műtétek után

Ennek a megfigyelési tanulmánynak a célja egy mesterséges intelligencia (MI) alapú multimodális modell kifejlesztése és értékelése a nagy kardiovaszkuláris események előrejelzésére 30 napon belül a gasztrointesztinális műtét után felnőtteknél a Bach Mai Kórházban. A tanulmány összehasonlítja ennek az MI-alapú modellnek a prediktív teljesítményét a gyakran használt hagyományos kockázati pontszámokkal.

A fő kérdések, amelyekre választ szeretne találni:

Egy MI-alapú multimodális modell képes-e előre jelezni a nagy kardiovaszkuláris eseményeket 30 napon belül a gasztrointesztinális műtét után? Az MI-alapú modell jobb prediktív teljesítményt mutat, mint a Felülvizsgált Szívrizikó Index (RCRI), az Amerikai Sebészek Főiskolája Nemzeti Sebészeti Minőségjavító Program Myocardiális Infarktus vagy Szívmegállás kalkulátora (ACS NSQIP MICA) és az ACS NSQIP Sebészeti Kockázat Kalkulátor (ACS NSQIP SRC)? A kutatók összehasonlítják az MI-alapú multimodális modellt a hagyományos kockázati pontszámokkal a prediktív teljesítmény méréseivel, beleértve a diszkriminációt, a kalibrációt, a nettó reklasszifikációs javulást és az integrált diszkriminációs javulást.

A résztvevők gasztrointesztinális műtéten áteső felnőttek lesznek. A kutatók áttekintik a 2025-ben kezelt betegek orvosi nyilvántartási adatait, és ugyanilyen típusú klinikai adatokat gyűjtenek prospektíven 2026-ban is. Az előre jelezni kívánt klinikai eredmény a nagy kardiovaszkuláris események előfordulása 30 napon belül a műtét után. A tanulmány nem változtatja meg a rutin klinikai ellátást.

A tanulmány áttekintése

Részletes leírás

A fő szív- és érrendszeri események a gasztrointesztinális műtétek után továbbra is fontos okai a korai posztoperatív szövődményeknek és a rossz kimenetelnek. A hagyományos perioperatív szívkockázati pontszámok, beleértve a Felülvizsgált Szívkockázati Indexet (RCRI), az Amerikai Sebészek Főiskolájának Nemzeti Sebészeti Minőségjavító Programjának Myokardiális Infarktus vagy Szívmegállás számológépét (ACS NSQIP MICA), és az ACS NSQIP Sebészeti Kockázat Számológépét (ACS NSQIP SRC), széles körben használatosak a klinikai gyakorlatban. Azonban teljesítményük korlátozott lehet bizonyos sebészeti populációkban, és nem feltétlenül veszik teljes mértékben figyelembe a klinikai, laboratóriumi, fiziológiai és eljárási változók közötti komplex interakciókat.

Ez a megfigyeléses tanulmány célja egy mesterséges intelligencia (AI) alapú multimodális modell fejlesztése és értékelése a gasztrointesztinális műtét utáni 30 napon belüli fő szív- és érrendszeri események előrejelzésére, valamint előrejelző teljesítményének összehasonlítása a hagyományos kockázati pontszámokkal. A tanulmányt a Bach Mai Kórházban fogják végezni, és felnőtt betegeket fog magában foglalni, akik gasztrointesztinális műtéten esnek át. A tanulmány vegyes retrospektív-prospektív kialakítású, retrospektív adatgyűjtéssel a 2025-ben kezelt betegekből és prospektív adatgyűjtéssel 2026-ban.

A predikció célkitűzése a műtét utáni 30 napon belüli fő szív- és érrendszeri események előfordulása. Ezek az események magukban foglalják a szív- és érrendszeri halált, nem halálos szívizominfarktust, szívmegállást spontán keringés visszatérésével, új agyvérzést és klinikailag jelentős, kezelést igénylő szívritmuszavarokat. A modellfejlesztéshez és összehasonlításhoz használt adatok között szerepelhetnek demográfiai jellemzők, anamnézis, szív- és érrendszeri komorbiditások, sebészeti jellemzők, aneszteziológiai információk, preoperatív laboreredmények, elektrokardiográfiás leletek, ha rendelkezésre állnak biomarkerek, valamint funkcionális vagy kockázatértékelési változók.

A tanulmány elsődleges kimenetele az AI-alapú multimodális modell diszkriminációs teljesítménye a hagyományos kockázati pontszámokhoz képest, amelyet a fogadó működési jelleggörbe alatti terület mér a gasztrointesztinális műtét utáni 30 napos fő szív- és érrendszeri események előrejelzésére. Másodlagos kimenetelek között szerepel az AI-alapú multimodális modell kalibrációs teljesítménye, nettó reosztályozási javulása és integrált diszkriminációs javulása a hagyományos kockázati pontszámokhoz képest, beleértve az RCRI-t, az ACS NSQIP MICA-t és az ACS NSQIP SRC-t.

A tanulmány megfigyeléses jellegű, és nem fogja megváltoztatni a rutin perioperatív kezelést. Az adatokat meglévő orvosi nyilvántartásokból és prospektív klinikai gyűjtésből nyerik ki, titkosság érdekében kódolják, és elemezik a kockázati rétegezés és modellösszehasonlítás támogatására a gasztrointesztinális műtéten áteső betegeknél.

Tanulmány típusa

Megfigyelő

Beiratkozás (Becsült)

5000

Kapcsolatok és helyek

Ez a rész a vizsgálatot végzők elérhetőségeit, valamint a vizsgálat lefolytatásának helyére vonatkozó információkat tartalmazza.

Tanulmányi helyek

Részvételi kritériumok

A kutatók olyan embereket keresnek, akik megfelelnek egy bizonyos leírásnak, az úgynevezett jogosultsági kritériumoknak. Néhány példa ezekre a kritériumokra a személy általános egészségi állapota vagy a korábbi kezelések.

Jogosultsági kritériumok

Tanulmányozható életkorok

  • Gyermek
  • Felnőtt
  • Idősebb felnőtt

Egészséges önkénteseket fogad

Nem

Mintavételi módszer

Nem valószínűségi minta

Tanulmányi populáció

Felnőtt betegek, akik 2025. január és 2026. december között bélműtéten estek át a Bach Mai Kórházban. A tanulmányba beletartoznak a 2025-ből retrospektíven, valamint a 2026-ból prospektíven azonosított betegek, akik rendelkeznek elegendő perioperatív klinikai adattal a műtét utáni 30 napos súlyos szív- és érrendszeri események elemzéséhez.

Leírás

Bevonási kritériumok:

  • 18 év vagy annál idősebb felnőttek.
  • Gasztrointesztinális műtéten áteső betegek a Bach Mai Kórházban 2025 januárja és 2026 decembere között.
  • Elérhető preoperatív, intraoperatív és posztoperatív adatok az elemzéshez.

Kizárási kritériumok:

  • Halálozás a műtét után 24 órán belül egyértelműen nem kardiovaszkuláris ok miatt.
  • Az elemzéshez szükséges hiányos adatok.

Tanulási terv

Ez a rész a vizsgálati terv részleteit tartalmazza, beleértve a vizsgálat megtervezését és a vizsgálat mérését.

Hogyan készül a tanulmány?

Tervezési részletek

Kohorszok és beavatkozások

Csoport / Kohorsz
Összesített Vizsgálati Kohorsz
A Bach Mai Kórházban gastrointestinalis sebészeti beavatkozást követő felnőttek, akik ebbe a megfigyelési tanulmányba kerültek be, és akiket a műtét utáni 30 napon belül jelentős szív- és érrendszeri események tekintetében követnek. A tanulmány 2025-ös retrospektív adatokat és 2026-os prospektív adatokat tartalmaz.

Mit mér a tanulmány?

Elsődleges eredményintézkedések

Eredménymérő
Intézkedés leírása
Időkeret
A mesterséges intelligencián alapuló multimodális modell fogadó működési jellemző görbe alatti területe a 30 napos nagyfokú szív- és érrendszeri események előrejelzésére gasztrointesztinális műtét után
Időkeret: A műtét előtti időszaktól a műtét utáni 30. napig.
Az AI-alapú multimodális modell diszkriminációs teljesítménye a 30 napos fő szív- és érrendszeri események előrejelzésére gyomor-bél műtét után.
A műtét előtti időszaktól a műtét utáni 30. napig.

Másodlagos eredményintézkedések

Eredménymérő
Intézkedés leírása
Időkeret
A mesterséges intelligencián alapuló multimodális modell Brier-pontszáma a 30 napon belüli súlyos szív- és érrendszeri események előrejelzésére gastrointestinalis sebészet után
Időkeret: A műtét előtti időszaktól a műtét utáni 30 napig
Az AI-alapú multimodális modell teljes előrejelzési pontossága a Brier-pontszám szerint. Az alacsonyabb értékek jobb modellteljesítményt jeleznek.
A műtét előtti időszaktól a műtét utáni 30 napig
A mesterséges intelligencián alapuló multimodális modell újraosztályozási javulása a hagyományos kockázati pontszámokhoz képest a 30 napos nagy kardiovaszkuláris események előrejelzésében gastrointestinalis sebészet után
Időkeret: A műtét előtti időszaktól a műtét utáni 30 napig gyűjtött perioperatív adatok felhasználásával
A mesterséges intelligencia alapú multimodális modell nettó reklasszifikációs javulása a hagyományos kockázati pontszámokkal összehasonlítva a fő szív- és érrendszeri események előrejelzésében 30 napon belül a gastrointestinalis műtét után.
A műtét előtti időszaktól a műtét utáni 30 napig gyűjtött perioperatív adatok felhasználásával
Az AI-alapú multimodális modell integrált diszkriminációs fejlesztése a hagyományos kockázati pontszámokhoz képest a 30 napos fő szív- és érrendszeri események előrejelzésében gyomor-bél műtétek után
Időkeret: A preoperatív időszaktól a műtét utáni 30. napig gyűjtött perioperatív adatok felhasználása
Az AI-alapú multimodális modell integrált diszkriminációs fejlődése a hagyományos kockázati pontszámokhoz képest a fő szív- és érrendszeri események előrejelzésére a gastrointestinalis műtét utáni 30 napon belül.
A preoperatív időszaktól a műtét utáni 30. napig gyűjtött perioperatív adatok felhasználása
A Revideált Szívkárosodási Kockázati Index területe a fogadó működési jellemzői görbe alatt a 30 napos fő szív- és érrendszeri események előrejelzésére gyomor-bél műtétek után
Időkeret: A műtét előtti időszaktól a műtét utáni 30 napig
A revideált kardiális kockázati index diszkriminációs teljesítménye.
A műtét előtti időszaktól a műtét utáni 30 napig
A fogadó üzemeltetési jellemzőgörbe alatti terület az ACS NSQIP Sebészeti Kockázatkalkulátorban a 30 napos fő szív- és érrendszeri események előrejelzésére a gastrointestinalis sebészet után
Időkeret: A műtét előtti időszaktól a műtét utáni 30 napig
Az ACS NSQIP Műtéti Kockázati Kalkulátor diszkriminációs teljesítménye.
A műtét előtti időszaktól a műtét utáni 30 napig
A mesterséges intelligencián alapuló multimodális modell kalibrációs meredeksége a 30 napos fő szív- és érrendszeri események előrejelzésére a gastrointestinalis műtét után
Időkeret: A műtét előtti időszaktól a műtét utáni 30 napig
Az előrejelzett és megfigyelt kockázat közötti egyezés, amelyet a kalibrációs meredekség értékel. Az 1-hez közelebbi érték jobb kalibrációt jelez.
A műtét előtti időszaktól a műtét utáni 30 napig

Együttműködők és nyomozók

Itt találhatja meg a tanulmányban érintett személyeket és szervezeteket.

Publikációk és hasznos linkek

A vizsgálattal kapcsolatos információk beviteléért felelős személy önkéntesen bocsátja rendelkezésre ezeket a kiadványokat. Ezek bármiről szólhatnak, ami a tanulmányhoz kapcsolódik.

Általános kiadványok

Tanulmányi rekorddátumok

Ezek a dátumok nyomon követik a ClinicalTrials.gov webhelyre benyújtott vizsgálati rekordok és összefoglaló eredmények benyújtásának folyamatát. A vizsgálati feljegyzéseket és a jelentett eredményeket a Nemzeti Orvostudományi Könyvtár (NLM) felülvizsgálja, hogy megbizonyosodjon arról, hogy megfelelnek-e az adott minőség-ellenőrzési szabványoknak, mielőtt közzéteszik őket a nyilvános weboldalon.

Tanulmány főbb dátumok

Tanulmány kezdete (Tényleges)

2026. január 1.

Elsődleges befejezés (Becsült)

2026. június 30.

A tanulmány befejezése (Becsült)

2026. július 31.

Tanulmányi regisztráció dátumai

Először benyújtva

2026. április 10.

Először nyújtották be, amely megfelel a minőségbiztosítási kritériumoknak

2026. április 16.

Első közzététel (Tényleges)

2026. április 20.

Tanulmányi rekordok frissítései

Utolsó frissítés közzétéve (Tényleges)

2026. április 20.

Az utolsó frissítés elküldve, amely megfelel a minőségbiztosítási kritériumoknak

2026. április 16.

Utolsó ellenőrzés

2026. április 1.

Több információ

A tanulmányhoz kapcsolódó kifejezések

Terv az egyéni résztvevői adatokhoz (IPD)

Tervezi megosztani az egyéni résztvevői adatokat (IPD)?

NEM

IPD terv leírása

Az egyéni résztvevői adatokat nem osztjuk meg, mivel a tanulmány kórházi klinikai adatokat használ, amelyek potenciálisan azonosítható információkat tartalmaznak, és nincs jóváhagyott formális külső adatmegosztási terv.

Gyógyszer- és eszközinformációk, tanulmányi dokumentumok

Egy amerikai FDA által szabályozott gyógyszerkészítményt tanulmányoz

Nem

Egy amerikai FDA által szabályozott eszközterméket tanulmányoz

Nem

Ezt az információt közvetlenül a clinicaltrials.gov webhelyről szereztük be, változtatás nélkül. Ha bármilyen kérése van vizsgálati adatainak módosítására, eltávolítására vagy frissítésére, kérjük, írjon a következő címre: register@clinicaltrials.gov. Amint a változás bevezetésre kerül a clinicaltrials.gov oldalon, ez a webhelyünkön is automatikusan frissül. .

Iratkozz fel