External Validation of AI-Aided Weaning Software Using Multicenter Retrospective Data
Using Multicenter Retrospective Data to Validate the Performance of AI-Aided Weaning Software
Panoramica dello studio
Stato
Stato
Condizioni
Condizioni
Descrizione dettagliata
Critical care generates a large amount of digitized clinical data that may benefit from artificial intelligence-assisted decision support. The AI-Aided Weaning Software was previously developed using ICU data from Taichung Veterans General Hospital collected between 2015 and 2019.
This retrospective multicenter validation study will evaluate the external performance of the established model using independent datasets from four hospitals in Taiwan, including Taichung Veterans General Hospital, Mackay Memorial Hospital, Kaohsiung Medical University Chung-Ho Memorial Hospital, and Tungs' Taichung MetroHarbor Hospital.
The study population includes adult ICU patients with respiratory failure who received mechanical ventilation for at least 72 hours between January 2020 and December 2024. De-identified routine clinical records will be collected according to a predefined case report form and analyzed centrally.
The primary objective is to assess the external validity of the AI-Aided Weaning Software across different hospitals. Model performance will be evaluated using sensitivity, specificity, accuracy, AUROC, and F1 score.
Tipo di studio
Tipo di studio
Iscrizione (Effettivo)
Iscrizione
Contatti e Sedi
Luoghi di studio
-
-
-
Taichung, Taiwan
- Taichung Veterans General Hospital
-
-
Criteri di partecipazione
Criteri di ammissibilità
Criteri di ammissibilità
Età idonea allo studio
- Adulto
- Adulto più anziano
Accetta volontari sani
Metodo di campionamento
Popolazione di studio
Descrizione
Inclusion Criteria:
- Adult patients aged 20 years or older.
- Admitted to the intensive care unit (ICU) at one of the participating hospitals between January 1, 2020 and December 31, 2024.
- Received invasive mechanical ventilation for at least 72 hours.
- Availability of de-identified clinical data required for model validation.
Exclusion Criteria:
- Patients who did not receive invasive mechanical ventilation.
- Duration of mechanical ventilation less than 72 hours.
- Missing key clinical variables required for model validation.
Piano di studio
Come è strutturato lo studio?
Dettagli di progettazione
Numero di gruppi/coorti
Coorti e interventi
Gruppo / CoorteGruppo / Coorte |
|---|
|
Mechanically Ventilated ICU Patients
Adult intensive care unit patients aged 20 years or older who received invasive mechanical ventilation for at least 72 hours between January 2020 and December 2024 at four participating hospitals.
Retrospective de-identified clinical data were used to validate the performance of AI-Aided Weaning Software.
|
Cosa sta misurando lo studio?
Misure di risultato primarie
Misure di risultato primarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
Model Performance (AUROC)
Lasso di tempo: Using data collected during ICU admission
|
Area under the receiver operating characteristic curve (AUROC) for predicting successful extubation.
AUROC ranges from 0.5 to 1.0, with higher values indicating better discriminative performance of the prediction model.
|
Using data collected during ICU admission
|
Misure di risultato secondarie
Misure di risultato secondarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
Sensitivity
Lasso di tempo: ICU admission
|
SensitivitySensitivity of the prediction model for successful extubation.
Sensitivity ranges from 0 to 1 (or 0% to 100%), with higher values indicating better identification of patients who achieve successful extubation.
|
ICU admission
|
|
Specificity
Lasso di tempo: ICU admission
|
Specificity of the prediction model for successful extubation.
Specificity ranges from 0 to 1 (or 0% to 100%), with higher values indicating better identification of patients who do not achieve successful extubation.
|
ICU admission
|
|
Accuracy
Lasso di tempo: ICU admission
|
Accuracy of the prediction model for successful extubation.
Accuracy ranges from 0 to 1 (or 0% to 100%), with higher values indicating better overall prediction performance.
|
ICU admission
|
|
F1 Score
Lasso di tempo: ICU admission
|
F1 score of the prediction model for successful extubation.
F1 score ranges from 0 to 1, with higher values indicating better balance between precision and recall.
|
ICU admission
|
Collaboratori e investigatori
Sponsor
Sponsor
Collaboratori
Collaboratori
Pubblicazioni e link utili
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
Parole chiave
Termini MeSH pertinenti aggiuntivi
Altri numeri di identificazione dello studio
Altri numeri di identificazione dello studio
- TCVGH-AI-WEAN-2026
- TCVGH-AI-Weaning-2026 (Altro identificatore: Taichung Veterans General Hospital)
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
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 .