Confronto tra Intelligenza Artificiale e Anestesista nella Valutazione del Rischio Preoperatorio (AI-PREOP)
Prestazioni Cliniche di un Sistema di Intelligenza Artificiale Basato su Machine Learning Rispetto alla Valutazione dell'Anestesista nella Valutazione Preoperatoria del Paziente
La valutazione preoperatoria è essenziale per identificare i rischi correlati al paziente prima di un intervento chirurgico elettivo e per pianificare una gestione sicura dell'anestesia. Tradizionalmente, questa valutazione viene eseguita dagli anestesisti sulla base della storia clinica, dell'esame fisico, delle comorbidità e dei risultati di laboratorio.
Questo studio osservazionale mira a confrontare le prestazioni cliniche di un sistema di intelligenza artificiale basato sull'apprendimento automatico con la valutazione degli anestesisti durante la valutazione preoperatoria del paziente. Il sistema di intelligenza artificiale analizza autonomamente i dati del paziente e genera valutazioni del rischio, che vengono poi confrontate con le valutazioni eseguite dagli anestesisti.
L'obiettivo principale dello studio è valutare il livello di accordo tra il sistema di intelligenza artificiale e gli anestesisti nella valutazione del rischio preoperatorio. Gli obiettivi secondari includono la valutazione dell'accuratezza e della coerenza del sistema di intelligenza artificiale e l'esplorazione del suo potenziale ruolo come strumento di supporto alle decisioni nella pratica clinica preoperatoria.
I risultati di questo studio potrebbero contribuire a comprendere i potenziali benefici e limiti del processo decisionale assistito dall'intelligenza artificiale nella valutazione preoperatoria.
Panoramica dello studio
Stato
Condizioni
Descrizione dettagliata
La valutazione preoperatoria è un componente critico delle cure perioperatorie, mirata a identificare i rischi specifici del paziente, ottimizzare la sicurezza del paziente e guidare la pianificazione anestesiologica prima degli interventi chirurgici elettivi. Questo processo si basa tradizionalmente sul giudizio clinico degli anestesisti, che integrano anamnesi, risultati dell'esame fisico, condizioni comorbid e dati di laboratorio rilevanti per valutare il rischio perioperatorio.
I recenti progressi nell'intelligenza artificiale e nel machine learning hanno consentito lo sviluppo di sistemi di supporto alle decisioni cliniche in grado di analizzare dati clinici complessi e generare valutazioni predittive del rischio. Nonostante il crescente interesse per queste tecnologie, le loro prestazioni cliniche e affidabilità in contesti preoperatori reali rimangono insufficientemente valutate.
Questo studio osservazionale è progettato per confrontare le valutazioni del rischio preoperatorio generate da un sistema di intelligenza artificiale basato su machine learning con le valutazioni di routine guidate dagli anestesisti. I pazienti adulti programmati per intervento chirurgico elettivo saranno sottoposti alla valutazione preoperatoria standard eseguita dagli anestesisti come parte delle cure cliniche abituali. Indipendentemente, i dati anonimi dei pazienti saranno elaborati dal sistema di intelligenza artificiale per produrre valutazioni del rischio preoperatorio. L'output dell'intelligenza artificiale non sarà disponibile per i clinici e non influenzerà la gestione del paziente.
L'esito primario dello studio è il livello di accordo tra il sistema di intelligenza artificiale e gli anestesisti nella stratificazione del rischio preoperatorio. Gli esiti secondari includono la coerenza, la concordanza e le prestazioni complessive delle valutazioni generate dall'intelligenza artificiale rispetto alle valutazioni dei clinici.
Questo studio non prevede interventi e non altera le cure standard del paziente. Tutte le decisioni di gestione anestesiologica e perioperatoria rimarranno interamente sotto la responsabilità dell'anestesista curante. Confrontando sistematicamente le valutazioni basate sull'intelligenza artificiale con quelle dei clinici, questo studio mira a chiarire il potenziale ruolo, i punti di forza e i limiti dell'intelligenza artificiale come strumento di supporto nella valutazione preoperatoria di routine
Tipo di studio
Iscrizione (Effettivo)
Contatti e Sedi
Luoghi di studio
-
-
Trabzon
-
Trabzon, Trabzon, Turchia (Türkiye)
- Trabzon Faculty of Medicine, Kanuni Training and Research Hospital,
-
-
Criteri di partecipazione
Criteri di ammissibilità
Età idonea allo studio
- Adulto
- Adulto più anziano
Accetta volontari sani
Metodo di campionamento
Popolazione di studio
Le valutazioni del rischio preoperatorio effettuate dagli anestesisti sono state confrontate con valutazioni del rischio basate sull'intelligenza artificiale utilizzando gli stessi dati clinici.
Descrizione
Criteri di inclusione:
- - Pazienti adulti di età pari o superiore a 18 anni
- Pazienti programmati per intervento chirurgico elettivo in anestesia
- Pazienti che hanno effettuato la valutazione preoperatoria di routine
- Disponibilità dei dati clinici preoperatori completi necessari sia per la valutazione dell'anestesista che per quella basata sull'intelligenza artificiale
Criteri di esclusione:
- - Pazienti di età inferiore a 18 anni
- Casi di chirurgia d'urgenza
- Pazienti con dati clinici preoperatori incompleti o mancanti
- Pazienti che hanno rifiutato la partecipazione o i cui dati non potevano essere valutati
Piano di studio
Come è strutturato lo studio?
Dettagli di progettazione
Cosa sta misurando lo studio?
Misure di risultato primarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
Tasso di concordanza tra le valutazioni preoperatorie del rischio basate sull'intelligenza artificiale e quelle dell'anestesista
Lasso di tempo: Al momento della valutazione preoperatoria
|
Questo esito misura il livello di concordanza tra un sistema di valutazione preoperatoria basato sull'intelligenza artificiale e la valutazione dell'anestesista, inclusa la classificazione dello stato fisico dell'American Society of Anesthesiologists (ASA) e la stratificazione complessiva del rischio perioperatorio.
La concordanza sarà valutata utilizzando misure statistiche appropriate.
|
Al momento della valutazione preoperatoria
|
Collaboratori e investigatori
Sponsor
Investigatori
- Investigatore principale: Gülgün E Aksoy, MD, Trabzon Faculty of Medicine, Kanuni Training and Research Hospital, Turkey
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
- PREOP-AI-2025
Piano per i dati dei singoli partecipanti (IPD)
Hai intenzione di condividere i dati dei singoli partecipanti (IPD)?
Descrizione del piano 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 .