Valutazione della prevedibilità dell'intubazione difficile con sistemi supportati dall'intelligenza artificiale utilizzando misurazioni antropometriche ed ecografiche utilizzate nella valutazione preoperatoria delle vie aeree
Panoramica dello studio
Stato
Intervento / Trattamento
- Altro: Distanza tiromentale
- Altro: Circonferenza del collo
- Altro: Distanza di apertura della bocca
- Altro: Distanza da mascella all'osso ioideo con collo in posizione neutra
- Altro: Distanza da mascella all'osso ioideo con collo in estensione
- Altro: Distanza tra pelle e trachea
- Altro: Distanza tra pelle ed epiglottide
- Altro: Distanza tra pelle e commissione anteriore della corda vocale:
- Altro: Distanza tra pelle e osso ioideo
- Altro: Spessore della lingua massima
Descrizione dettagliata
L'intubazione difficile, particolarmente imprevedibile intubazione difficile, è uno scenario impegnativo per ogni anestesista. I pazienti che sono inizialmente valutati come adatti per la gestione delle vie aeree di routine possono essere difficili da intubare dal 5% al 22% dei casi. Una valutazione e una gestione accurate delle vie aeree difficili sono cruciali, poiché il fallimento nella gestione delle vie aeree può portare a gravi morbilità e mortalità.
La valutazione delle vie aeree aiuta a identificare le vie aeree difficili prevedibili, ma non esclude i pazienti con normali valutazioni cliniche che possono ancora sperimentare un'intubazione difficile imprevedibile. L'obiettivo principale dell'esame delle vie aeree è rilevare patologie delle vie aeree superiori o anomalie anatomiche. Diverse caratteristiche fisiche sono associate a vie aeree difficili e intubazione fallita, tra cui la mobilità del collo limitata, il russare, una breve distanza sternomentale e una maggiore circonferenza del collo.
Gli strumenti di valutazione delle vie aeree comuni, come la classificazione dei Mallampati e il test del morso delle labbra superiori, richiedono la cooperazione dei pazienti, che limita la loro applicabilità in pazienti sedati, traumi o non rispondenti. La classificazione Cormack-Lehane, utilizzata durante la laringoscopia diretta, è invasiva e non consente una preparazione pre-procedurale. In questo contesto, le valutazioni ecografiche e le misurazioni antropometriche non invasive, letto, rapide e accessibili hanno ottenuto importanza nel prevedere vie aeree difficili.
Con i progressi tecnologici, i sistemi di supporto alle decisioni e le applicazioni assistite dall'intelligenza artificiale (AI) sono sempre più utilizzate per prevenire risultati avversi. La gestione delle vie aeree di successo è particolarmente critica nei pazienti ad alto rischio, dove è essenziale un rapido processo decisionale. Le misurazioni ecografiche non invasive facilmente accessibili, al letto, non invasive, integrate con programmi di apprendimento basati sull'intelligenza artificiale, hanno il potenziale per prevedere in anticipo intubazione difficile. Ciò consente la preparazione precoce, gli interventi tempestivi e la riduzione dei rischi potenzialmente letali.
In questo studio, i researkers miravano a prevedere intubazione difficile prima dell'utilizzo di misurazioni antropometriche e ultrasutiche non invasive, combinate con programmi di supporto decisionale assistito dall'IA, senza richiedere procedure invasive.
La nostra ipotesi è che la valutazione preoperatoria delle vie aeree attraverso misurazioni antropometriche e ultrasonografiche, supportate da programmi di supporto alle decisioni basate sull'intelligenza artificiale, possa prevedere accuratamente intubazione difficile e facilitare la preparazione precoce
Tipo di studio
Iscrizione (Effettivo)
Contatti e Sedi
Luoghi di studio
-
-
-
Duzce, Tacchino
- Duzce University
-
-
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 di età superiore ai 18 anni
- Pazienti che subiranno anestesia generale
Criteri di esclusione:
- Donne incinte
- Quelli con deformità facciali congenite e/o acquisite
- Pazienti che hanno precedentemente subito una chirurgia delle vie aeree del collo superiore
- Pazienti con tumori della testa e del collo
- Pazienti che subiranno tiroidectomia
Piano di studio
Come è strutturato lo studio?
Dettagli di progettazione
Coorti e interventi
Gruppo / Coorte |
Intervento / Trattamento |
|---|---|
|
Pazienti di età compresa tra 18 e 20 anni che riceveranno l'anestesia generale
Pazienti ASA I-III di età superiore ai 18 anni che soddisfano i criteri di inclusione per sottoporsi all'anestesia generale
|
Distanza tra il mento e la cartilagine tiroidea con un metro a nastro quando il paziente è in posizione neutra
Misurazione della circonferenza del collo con un metro a nastro quando il paziente è in posizione neutra
Distanza tra i denti superiori e inferiori nel punto in cui l'apertura della bocca è massima quando il paziente è in posizione neutra.
Distanza da Menttum all'osso ioideo con collo in posizione neutra mediante ultrasonografia
Misurazione ecografica della distanza da mentum all'osso ioideo con collo in estensione
Misurazione ecografica della distanza tra pelle e trachea
Distanza tra pelle ed epiglottide misurata mediante ecografia
Distanza tra la pelle e la commissione anteriore della corda vocale misurata mediante ecografia
Distanza tra pelle e osso ioideo misurato mediante ecografia
Misurazione dello spessore massimo della lingua mediante ecografia
|
Cosa sta misurando lo studio?
Misure di risultato primarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
Supportare l'algoritmo della macchina vettoriale percentuale di precisione in intubazioni difficili previste
Lasso di tempo: L'assunzione di misurazioni ecografiche e antropometriche di ciascun paziente ha richiesto circa 20 minuti. Le stime dell'apprendimento automatico per ciascun paziente sono di circa 1 minuto.
|
The dataset, labeled based on expert assessment of difficult intubation, was classified using eight widely accepted machine learning algorithms: logistic regression (LR) [6], support vector machine (SVM) [7], random forest (RF) [8], K-nearest neighbors (KNN) [9], Gaussian naive Bayes (GNB) [10], CatBoost [11], XGBoost [12], and decision albero (dt) [13].
Dai 30 parametri originali, le 15 caratteristiche più influenti sono state selezionate in base ai metodi di estrazione delle caratteristiche e alla rilevanza della letteratura.
I passaggi di preelaborazione includevano la gestione di valori mancanti, con record incompleti esclusi.
Il set di dati è stato diviso in set di allenamento (80%) e test (20%).
I modelli sono stati addestrati sul set di addestramento, con accordatura iperparametrica eseguita tramite 5 volte convalida incrociata per evitare l'adattamento eccessivo.
Le prestazioni del modello finale sono state valutate sul set di test indipendenti.
|
L'assunzione di misurazioni ecografiche e antropometriche di ciascun paziente ha richiesto circa 20 minuti. Le stime dell'apprendimento automatico per ciascun paziente sono di circa 1 minuto.
|
Collaboratori e investigatori
Sponsor
Investigatori
- Investigatore principale: Gizem DEMIR SENOGLU, Duzce University
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
Altri numeri di identificazione dello studio
- 2022/65
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 .