Modelli di deep learning per la previsione dell'ipotensione intraoperatoria utilizzando parametri non invasivi
25 marzo 2025 aggiornato da: Hyun Joo Ahn, Samsung Medical Center
Previsione dell'ipotensione intraoperatoria mediante dispositivi di monitoraggio non invasivi: sviluppo di un modello di deep learning
I ricercatori miravano a studiare il modello di deep learning per prevedere l'ipotensione intraoperatoria utilizzando parametri di monitoraggio non invasivi.
Panoramica dello studio
Stato
Completato
Condizioni
Descrizione dettagliata
L'ipotensione intraoperatoria è associata a varie complicanze postoperatorie come il danno renale acuto.
Pertanto, la previsione precisa e il trattamento tempestivo dell'ipotensione intraoperatoria sono importanti.
Tuttavia, è difficile prevedere con precisione l'ipotensione intraoperatoria sulla base dell'esperienza e dell'intuizione degli anestesisti.
Recentemente, algoritmi di deep learning che utilizzano il monitoraggio invasivo della pressione arteriosa hanno mostrato la buona capacità predittiva dell'ipotensione intraoperatoria.
Può aiutare le decisioni del clinico.
Tuttavia, la maggior parte dei pazienti sottoposti a chirurgia generale viene monitorata con parametri non invasivi.
Pertanto, i ricercatori studiano il modello di previsione per l'ipotensione intraoperatoria utilizzando il monitoraggio non invasivo.
Tipo di studio
Osservativo
Iscrizione (Effettivo)
5175
Contatti e Sedi
Questa sezione fornisce i recapiti di coloro che conducono lo studio e informazioni su dove viene condotto lo studio.
Luoghi di studio
-
-
-
Seoul, Corea, Repubblica di, 06351
- Samsung Medical Center
-
-
Criteri di partecipazione
I ricercatori cercano persone che corrispondano a una certa descrizione, chiamata criteri di ammissibilità. Alcuni esempi di questi criteri sono le condizioni generali di salute di una persona o trattamenti precedenti.
Criteri di ammissibilità
Età idonea allo studio
- Bambino
- Adulto
- Adulto più anziano
Accetta volontari sani
No
Metodo di campionamento
Campione di probabilità
Popolazione di studio
La popolazione dello studio comprendeva pazienti sottoposti ad anestesia generale per via inalatoria per chirurgia non cardiaca tra giugno 2016 e agosto 2017 presso il Seoul National University Hospital, Seoul, Corea del Sud.
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
Questa sezione fornisce i dettagli del piano di studio, compreso il modo in cui lo studio è progettato e ciò che lo studio sta misurando.
Come è strutturato lo studio?
Dettagli di progettazione
Coorti e interventi
Gruppo / 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
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
Qui è dove troverai le persone e le organizzazioni coinvolte in questo studio.
Sponsor
Investigatori
- Investigatore principale: Hyun Joo Ahn, MD, PhD, Samsung Medical Center
Pubblicazioni e link utili
La persona responsabile dell'inserimento delle informazioni sullo studio fornisce volontariamente queste pubblicazioni. Questi possono riguardare qualsiasi cosa relativa allo studio.
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
Queste date tengono traccia dell'avanzamento della registrazione dello studio e dell'invio dei risultati di sintesi a ClinicalTrials.gov. I record degli studi e i risultati riportati vengono esaminati dalla National Library of Medicine (NLM) per assicurarsi che soddisfino specifici standard di controllo della qualità prima di essere pubblicati sul sito Web pubblico.
Studia le date principali
Inizio studio (Effettivo)
1 aprile 2023
Completamento primario (Effettivo)
1 maggio 2024
Completamento dello studio (Effettivo)
1 maggio 2024
Date di iscrizione allo studio
Primo inviato
13 febbraio 2023
Primo inviato che soddisfa i criteri di controllo qualità
7 marzo 2023
Primo Inserito (Effettivo)
9 marzo 2023
Aggiornamenti dei record di studio
Ultimo aggiornamento pubblicato (Effettivo)
30 marzo 2025
Ultimo aggiornamento inviato che soddisfa i criteri QC
25 marzo 2025
Ultimo verificato
1 maggio 2024
Maggiori informazioni
Termini relativi a questo studio
Termini MeSH pertinenti aggiuntivi
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)?
INDECISO
Informazioni su farmaci e dispositivi, documenti di studio
Studia un prodotto farmaceutico regolamentato dalla FDA degli Stati Uniti
No
Studia un dispositivo regolamentato dalla FDA degli Stati Uniti
No
prodotto fabbricato ed esportato dagli Stati Uniti
No
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 .