- ICH GCP
- Registro degli studi clinici negli Stati Uniti
- Sperimentazione clinica NCT06617403
Caratteristiche preoperatorie per la previsione dell'insufficienza delle vie aeree sovraglottiche utilizzando l'apprendimento automatico (ERICA) (ERICA)
Le caratteristiche preoperatorie possono predire il fallimento della via aerea sovraglottica verso il tubo tracheale? Un algoritmo di apprendimento automatico (ERICA)
I dispositivi sovraglottici per le vie aeree (SGA) sono una tecnica sicura e consolidata per la gestione delle vie aeree. Al giorno d’oggi, fino al 60% delle anestesie generali eseguite nei paesi europei utilizzano SGA. Nello 0,2-4,7% L'SGA fallisce e richiede la conversione in tubi tracheali.
Lo studio ERICA utilizzerà metodi di intelligenza artificiale per sviluppare un modello in grado di prevedere il rischio di una conversione SGA non pianificata sulla base delle caratteristiche preoperatorie disponibili durante la visita di premedicazione.
Panoramica dello studio
Stato
Condizioni
Intervento / Trattamento
Descrizione dettagliata
Un cambiamento della procedura intraoperatoria non porta solo a ritardi ma anche a ritardi, ma comporta anche misure stressanti per il paziente, come l'approfondimento dell'anestesia e la nuova manipolazione delle vie aeree.
Pertanto, l'obiettivo di ERICA è quello di sviluppare un algoritmo di apprendimento automatico basato sulle informazioni preoperatorie 1) in grado di prevedere con precisione il rischio di una conversione SGA non pianificata e 2) identificare le caratteristiche che portano alla conversione da SGA a tubo tracheale.
I. Sviluppo del modello
• Il set di dati finale sarà suddiviso in un gruppo di formazione, test e convalida. Verranno creati cinque modelli per prevedere la conversione intraoperatoria da SGA a tubo tracheale, inclusi modelli lineari generalizzati (GLM), deep learning, foresta casuale distribuita (DRF), xgboost e macchina di potenziamento del gradiente (GBM). Successivamente, verrà costruito un modello di insieme impilato attraverso la combinazione dei cinque modelli. Infine verrà scelto il miglior modello di intelligenza artificiale.
II. Identificare le caratteristiche che portano alla conversione e alla categorizzazione delle vie aeree.
- I cambiamenti intraoperatori della posizione del paziente possono alterare il rischio di conversione, pertanto dovrebbero essere prese in considerazione operazioni con cambiamenti di posizione
- Identificare le caratteristiche dipendenti dal paziente e dalla procedura che portano alla conversione da SGA a tubo tracheale e la loro importanza.
Tipo di studio
Iscrizione (Effettivo)
Contatti e Sedi
Luoghi di studio
-
-
Baden-Wurttemberg
-
Ulm, Baden-Wurttemberg, Germania, 89073
- University Hospital Ulm
-
-
Bavaria
-
Munich, Bavaria, Germania, 81675
- Technical University Munich
-
-
Criteri di partecipazione
Criteri di ammissibilità
Età idonea allo studio
- Adulto
- Adulto più anziano
Accetta volontari sani
Metodo di campionamento
Popolazione di studio
Descrizione
Criteri di inclusione:
- Pazienti adulti (≥18 anni) sottoposti ad anestesia generale per interventi di chirurgia non cardiaca con un dispositivo per le vie aeree sovraglottico
Criteri di esclusione:
- Nessuno
Piano di studio
Come è strutturato lo studio?
Dettagli di progettazione
Cosa sta misurando lo studio?
Misure di risultato primarie
Misura del risultato |
Lasso di tempo |
|---|---|
|
Rischio di conversione SGA non pianificata
Lasso di tempo: intraoperatorio
|
intraoperatorio
|
Collaboratori e investigatori
Sponsor
Collaboratori
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
Termini MeSH pertinenti aggiuntivi
Altri numeri di identificazione dello studio
- ERICA
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 .