Valutazione dell'efficacia dei modelli di intelligenza artificiale nella previsione delle esigenze di ricovero in unità di terapia intensiva
Panoramica dello studio
Stato
Condizioni
Intervento / Trattamento
Descrizione dettagliata
Le unità di terapia intensiva (ICU) sono componenti critici dei sistemi sanitari, poiché forniscono cure salvavita a pazienti affetti da patologie gravi e potenzialmente letali. Una previsione tempestiva e accurata delle esigenze di ricovero in terapia intensiva è essenziale per migliorare i risultati dei pazienti e ottimizzare l’allocazione delle risorse ospedaliere. I ricoveri ritardati in terapia intensiva sono stati costantemente associati a tassi di morbilità e mortalità più elevati. Con l’avvento dell’intelligenza artificiale (AI) nel settore sanitario, esiste l’opportunità di migliorare il processo decisionale clinico sfruttando i modelli di intelligenza artificiale per prevedere con precisione le esigenze delle unità di terapia intensiva. I modelli di intelligenza artificiale, come ChatGPT e Gemini, possono elaborare grandi quantità di dati complessi per identificare modelli che potrebbero non essere immediatamente evidenti ai medici umani, migliorando potenzialmente la velocità e l’accuratezza delle decisioni di ammissione in terapia intensiva.
Questo è uno studio retrospettivo osservazionale. I dati sono stati raccolti retrospettivamente dalle cartelle cliniche elettroniche (EHR) di un ospedale.
I dati sono stati estratti dalle cartelle cliniche elettroniche e includevano:
Dati demografici: età, sesso e caratteristiche di base del paziente. Parametri clinici: informazioni sui farmaci, dettagli della consultazione, risultati dell'ECG, risultati dell'imaging, condizioni di comorbidità (ad es. diabete mellito, ipertensione, insufficienza cardiaca, BPCO, eventi cerebrovascolari) e valori di laboratorio (ad es. emoglobina, ematocrito, conta piastrinica, PT, INR , procalcitonina, ALT, AST, bilirubina, sodio, potassio, cloruro, glucosio, creatinina, urea, albumina, test di funzionalità tiroidea).
Dati di previsione: previsioni del modello AI e decisioni effettive di ammissione in terapia intensiva.
Tipo di studio
Iscrizione (Effettivo)
Contatti e Sedi
Luoghi di studio
-
-
-
Istanbul, Tacchino, 34303
- Health Science University İstanbul Kanuni Sultan Süleyman Education and Training Hospital
-
-
Criteri di partecipazione
Criteri di ammissibilità
Età idonea allo studio
- Adulto
- Adulto più anziano
Accetta volontari sani
Metodo di campionamento
Popolazione di studio
Descrizione
Criterio di inclusione:
- Pazienti di età superiore ai 18 anni
- Pazienti consultati per l'anestesia in merito alle esigenze di terapia intensiva
- Pazienti con dati sufficienti nel sistema di cartella clinica elettronica dell'ospedale
Criteri di esclusione:
- Pazienti con dati insufficienti nelle cartelle cliniche dell'ospedale
Piano di studio
Come è strutturato lo studio?
Dettagli di progettazione
Coorti e interventi
Gruppo / Coorte |
Intervento / Trattamento |
|---|---|
|
Decisione degli anestesisti
Unità di Terapia Intensiva La necessità di follow-up viene decisa dagli anestesisti.
|
0: Non è necessario il follow-up in terapia intensiva 1: Necessità di follow-up in terapia intensiva |
|
Decisione sull'intelligenza artificiale
La necessità di follow-up dell'Unità di Terapia Intensiva è decisa dall'Intelligenza Artificiale
|
0: Non è necessario il follow-up in terapia intensiva 1: Necessità di follow-up in terapia intensiva |
Cosa sta misurando lo studio?
Misure di risultato primarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
Necessità di un reparto di terapia intensiva
Lasso di tempo: 1 giorno
|
La misura del risultato principale di questo studio è l’accuratezza delle previsioni fatte dai modelli di intelligenza artificiale (AI), ChatGPT e Gemini, riguardo alla necessità di ricoveri in terapia intensiva.
Ciò sarà valutato confrontando le previsioni del modello AI con le effettive decisioni cliniche prese riguardo ai ricoveri in terapia intensiva.
|
1 giorno
|
Collaboratori e investigatori
Investigatori
- Investigatore principale: Engin ihsan Turan, Specialist, Health Science University İstanbul Kanuni Sultan Süleyman Education and Training Hospital
Studiare le date dei record
Studia le date principali
Inizio studio (Effettivo)
Completamento primario (Effettivo)
Completamento dello studio (Effettivo)
Date di iscrizione allo studio
Primo inviato
Primo inviato che soddisfa i criteri di controllo qualità
Primo Inserito (Effettivo)
Aggiornamenti dei record di studio
Ultimo aggiornamento pubblicato (Effettivo)
Ultimo aggiornamento inviato che soddisfa i criteri QC
Ultimo verificato
Maggiori informazioni
Termini relativi a questo studio
Parole chiave
Altri numeri di identificazione dello studio
- ICU-retro
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 .