Modelli di deep learning per la previsione dell'ipotensione intraoperatoria utilizzando parametri non invasivi
Previsione dell'ipotensione intraoperatoria mediante dispositivi di monitoraggio non invasivi: sviluppo di un modello di deep learning
Panoramica dello studio
Stato
Stato
Condizioni
Condizioni
Descrizione dettagliata
Tipo di studio
Tipo di studio
Iscrizione (Effettivo)
Iscrizione
Contatti e Sedi
Contatto studio
Contatto studio
- Nome: Heejoon Jeong, MD
- Numero di telefono: 821087282414
- Email: heejoonjeong@skku.edu
Luoghi di studio
-
-
-
Seoul, Corea, Repubblica di, 06351
- Samsung Medical Center
-
-
Criteri di partecipazione
Criteri di ammissibilità
Criteri di ammissibilità
Età idonea allo studio
- Bambino
- Adulto
- Adulto più anziano
Accetta volontari sani
Metodo di campionamento
Popolazione di studio
Descrizione
Criterio di inclusione:
- I pazienti inclusi nel database aperto, VtialDB.
- I pazienti che si sono sottoposti ad anestesia generale inalata per chirurgia non cardiaca.
- I pazienti che dispongono di dati di monitoraggio non invasivi tra cui pressione sanguigna, elettrocardiografia, pulsossimetria, indice bispettrale, capnografia e concentrazione minima alveolare dell'agente di inalazione.
Criteri di esclusione:
- Il paziente con dati mancanti.
Piano di studio
Come è strutturato lo studio?
Dettagli di progettazione
Numero di gruppi/coorti
Coorti e interventi
Gruppo / CoorteGruppo / Coorte |
|---|
|
Gruppo
Nel database open source (VitalDB, https://vitaldb.net), i pazienti sottoposti ad anestesia generale con monitoraggio non invasivo tra cui pressione arteriosa, elettrocardiografia, pulsossimetria, indice bispettrale, capnografia e concentrazione minima alveolare dell'agente inalatorio.
|
Cosa sta misurando lo studio?
Misure di risultato primarie
Misure di risultato primarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
Capacità di previsione del modello di deep learning sull'evento di ipotensione intraoperatoria
Lasso di tempo: attraverso il completamento dello studio, una media di 3 ore
|
Area sotto la curva della curva delle caratteristiche operative del ricevitore (AUROC) per il modello di deep learning per prevedere l'ipotensione intraoperatoria.
|
attraverso il completamento dello studio, una media di 3 ore
|
Collaboratori e investigatori
Sponsor
Sponsor
Investigatori
Investigatori
- Investigatore principale: Hyun Joo Ahn, MD, PhD, Samsung Medical Center
Pubblicazioni e link utili
Pubblicazioni generali
- Lee HC, Jung CW. Vital Recorder-a free research tool for automatic recording of high-resolution time-synchronised physiological data from multiple anaesthesia devices. Sci Rep. 2018 Jan 24;8(1):1527. doi: 10.1038/s41598-018-20062-4.
- Lee S, Lee HC, Chu YS, Song SW, Ahn GJ, Lee H, Yang S, Koh SB. Deep learning models for the prediction of intraoperative hypotension. Br J Anaesth. 2021 Apr;126(4):808-817. doi: 10.1016/j.bja.2020.12.035. Epub 2021 Feb 6.
Studiare le date dei record
Studia le date principali
Inizio studio (Effettivo)
Inizio studio
Completamento primario (Effettivo)
Completamento primario
Completamento dello studio (Effettivo)
Completamento dello studio
Date di iscrizione allo studio
Primo inviato
Primo inviato
Primo inviato che soddisfa i criteri di controllo qualità
Primo inviato che soddisfa i criteri di controllo qualità
Primo Inserito (Effettivo)
Primo Inserito
Aggiornamenti dei record di studio
Ultimo aggiornamento pubblicato (Effettivo)
Ultimo aggiornamento pubblicato
Ultimo aggiornamento inviato che soddisfa i criteri QC
Ultimo aggiornamento inviato che soddisfa i criteri QC
Ultimo verificato
Ultimo verificato
Maggiori informazioni
Termini relativi a questo studio
Termini MeSH pertinenti aggiuntivi
Altri numeri di identificazione dello studio
Altri numeri di identificazione dello studio
- SMC 2022-09-096
Piano per i dati dei singoli partecipanti (IPD)
Hai intenzione di condividere i dati dei singoli partecipanti (IPD)?
Informazioni su farmaci e dispositivi, documenti di studio
Studia un prodotto farmaceutico regolamentato dalla FDA degli Stati Uniti
Studia un dispositivo regolamentato dalla FDA degli Stati Uniti
prodotto fabbricato ed esportato dagli Stati Uniti
Queste informazioni sono state recuperate direttamente dal sito web clinicaltrials.gov senza alcuna modifica. In caso di richieste di modifica, rimozione o aggiornamento dei dettagli dello studio, contattare register@clinicaltrials.gov. Non appena verrà implementata una modifica su clinicaltrials.gov, questa verrà aggiornata automaticamente anche sul nostro sito web .