La Predicibilità della Necessità di Consultazione Cardiologica nei Pazienti Programmata per Chirurgia Non Cardiaca Utilizzando Modelli di Intelligenza Artificiale nella Valutazione Anestesiologica Preoperatoria
L'Efficacia dell'Utilizzo dell'Intelligenza Artificiale (Chat GPT) nella Valutazione Cardiaca Durante l'Esame Anestesiologico dei Casi Preoperatori
Titolo del Riassunto Strutturato
Prevedibilità della Necessità di Consulto Cardiologico in Pazienti Sottoposti a Chirurgia Non Cardiaca Utilizzando Modelli di Intelligenza Artificiale
Background
La valutazione preoperatoria del rischio cardiaco è essenziale per minimizzare la morbilità e la mortalità perioperatoria nei pazienti sottoposti a chirurgia non cardiaca. Le consultazioni cardiologiche sono spesso richieste per valutare l'idoneità chirurgica e ridurre i rischi di complicazioni. Tuttavia, consultazioni non necessarie possono contribuire a un utilizzo inefficiente delle risorse sanitarie e a ritardi procedurali.
I recenti progressi nell'intelligenza artificiale, in particolare i modelli linguistici di grandi dimensioni, hanno dimostrato potenziale nei sistemi di supporto alle decisioni cliniche. Le linee guida della Società Europea di Cardiologia (ESC) 2024 forniscono un quadro strutturato per valutare il rischio cardiaco perioperatorio. Questo studio mira a indagare se i modelli basati sull'IA possano aiutare a prevedere la necessità di consulto cardiologico e a esaminare l'effetto dei formati di input con prompt rispetto a quelli senza prompt sulle raccomandazioni dell'IA.
Disegno dello Studio
Studio prospettico, osservazionale, comparativo.
Approvazione Etica
Lo studio è stato approvato dal Comitato Etico dell'Ospedale della Città di Bursa e sarà condotto in conformità con la Dichiarazione di Helsinki.
Dimensione del Campione
La dimensione del campione è stata calcolata utilizzando il software G*Power in base all'effetto atteso e ai requisiti di potenza statistica.
Partecipanti
Criteri di Inclusione:
Adulti di età pari o superiore a 18 anni
Stato fisico ASA I-IV
Programmati per chirurgia non cardiaca
Valutati da anestesisti residenti con meno di due anni di esperienza clinica
Criteri di Esclusione:
Pazienti pediatrici
Pazienti che rifiutano la partecipazione
Dati clinici incompleti
Raccolta Dati
I seguenti dati del paziente saranno registrati:
Dati demografici (età, sesso, BMI)
Anamnesi (comorbidità, uso di farmaci, allergie, uso di sostanze)
Capacità funzionale (punteggio MET)
Risultati ECG
Risultati della radiografia del torace
Caratteristiche della procedura chirurgica pianificata
Valutazione del Modello di IA
Saranno testati più modelli linguistici di IA utilizzando scenari paziente standardizzati. Ogni scenario sarà presentato in due formati:
Formato con prompt:
"Sei un anestesista con 10 anni di esperienza. Secondo le linee guida ESC 2024, valuta se questo paziente richiede un consulto cardiologico."
Formato senza prompt:
"Valuta se questo paziente richiede un consulto cardiologico."
Le raccomandazioni dell'IA non influenzeranno il processo decisionale clinico.
Misure di Esito
Le analisi primarie e secondarie includeranno:
Concordanza tra le raccomandazioni dell'IA e le valutazioni degli anestesisti esperti
Leggibilità delle risposte generate dall'IA
Valutazione della qualità delle risposte
Confronti delle prestazioni di classificazione tra i modelli
Analisi Statistica
Le analisi statistiche saranno eseguite utilizzando test comparativi e di concordanza appropriati. I punteggi di leggibilità e qualità saranno analizzati utilizzando metodi non parametrici dove applicabile. L'analisi ROC sarà utilizzata per valutare la capacità di classificazione. Sarà applicato un livello di significatività di p < 0.05.
Obiettivo dello Studio
L'obiettivo di questo studio è esplorare la fattibilità dei sistemi di supporto alle decisioni assistiti dall'IA nella previsione dei requisiti di consulto cardiologico e valutare se l'ingegneria del prompt influisce sulle prestazioni dell'IA.
Panoramica dello studio
Stato
Condizioni
Descrizione dettagliata
Titolo del riassunto strutturato
Prevedibilità della necessità di consulto cardiologico in pazienti sottoposti a chirurgia non cardiaca utilizzando modelli di intelligenza artificiale
Contesto
La valutazione preoperatoria del rischio cardiaco è essenziale per ridurre al minimo la morbilità e la mortalità perioperatoria nei pazienti sottoposti a chirurgia non cardiaca. I consulti cardiologici sono spesso richiesti per valutare l'idoneità chirurgica e ridurre i rischi di complicanze. Tuttavia, consulti non necessari possono contribuire a un utilizzo inefficiente delle risorse sanitarie e a ritardi procedurali.
I recenti progressi nell'intelligenza artificiale, in particolare nei modelli linguistici di grandi dimensioni, hanno dimostrato potenziale nei sistemi di supporto alle decisioni cliniche. Le linee guida della Società Europea di Cardiologia (ESC) 2024 forniscono un quadro strutturato per valutare il rischio cardiaco perioperatorio. Questo studio mira a indagare se i modelli basati sull'IA possano aiutare a prevedere la necessità di consulto cardiologico e a esaminare l'effetto dei formati di input con prompt rispetto a quelli senza prompt sulle raccomandazioni dell'IA.
Disegno dello studio
Studio prospettico, osservazionale, comparativo.
Approvazione etica
Lo studio è stato approvato dal Comitato Etico dell'Ospedale Città di Bursa e sarà condotto in conformità con la Dichiarazione di Helsinki.
Dimensione del campione
La dimensione del campione è stata calcolata utilizzando il software G*Power in base all'effetto atteso e ai requisiti di potenza statistica.
Partecipanti
Criteri di inclusione:
Adulti di età pari o superiore a 18 anni
Stato fisico ASA I-IV
Programmati per chirurgia non cardiaca
Valutati da anestesisti residenti con meno di due anni di esperienza clinica
Criteri di esclusione:
Pazienti pediatrici
Pazienti che rifiutano la partecipazione
Dati clinici incompleti
Raccolta dati
Verranno registrati i seguenti dati del paziente:
Dati demografici (età, sesso, BMI)
Anamnesi (comorbidità, uso di farmaci, allergie, uso di sostanze)
Capacità funzionale (punteggio MET)
Risultati dell'ECG
Risultati della radiografia del torace
Caratteristiche della procedura chirurgica pianificata
Valutazione del modello di IA
Saranno testati diversi modelli linguistici di IA utilizzando scenari standardizzati del paziente. Ogni scenario sarà presentato in due formati:
Formato con prompt:
"Sei un anestesista con 10 anni di esperienza. Secondo le linee guida ESC 2024, valuta se questo paziente richiede un consulto cardiologico."
Formato senza prompt:
"Valuta se questo paziente richiede un consulto cardiologico."
Le raccomandazioni dell'IA non influenzeranno il processo decisionale clinico.
Misurazioni degli esiti
Le analisi primarie e secondarie includeranno:
Concordanza tra le raccomandazioni dell'IA e le valutazioni degli anestesisti esperti
Leggibilità delle risposte generate dall'IA
Valutazione della qualità delle risposte
Confronti delle prestazioni di classificazione tra i modelli
Analisi statistica
Le analisi statistiche saranno eseguite utilizzando appropriati test comparativi e di concordanza. I punteggi di leggibilità e qualità saranno analizzati utilizzando metodi non parametrici ove applicabile. L'analisi ROC sarà utilizzata per valutare la capacità di classificazione. Verrà applicato un livello di significatività di p < 0,05.
Obiettivo dello studio
L'obiettivo di questo studio è esplorare la fattibilità dei sistemi di supporto alle decisioni assistiti dall'IA nel prevedere i requisiti di consulto cardiologico e valutare se l'ingegneria dei prompt influisce sulle prestazioni dell'IA.
Tipo di studio
Iscrizione (Stimato)
Contatti e Sedi
Luoghi di studio
-
-
Bursa
-
Bursa, Bursa, Turchia (Türkiye), 16001
- Bursa Şehir Hastanesi
-
-
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:
Adulti di età pari o superiore a 18 anni
Classificazione dello stato fisico ASA I-IV
Programmati per intervento chirurgico non cardiaco
Pazienti valutati preoperatoriamente da specializzandi in anestesia con meno di due anni di esperienza clinica
Disponibilità di dati clinici completi inclusi anamnesi, risultati ECG e radiografia toracica
Capacità di fornire consenso informato
Criteri di esclusione:
Pazienti di età inferiore a 18 anni
Pazienti sottoposti a intervento chirurgico cardiaco
Pazienti con dati clinici incompleti
Pazienti che hanno rifiutato la partecipazione
Casi di chirurgia d'urgenza
Pazienti incapaci di sottoporsi a valutazione preoperatoria standard
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 |
|---|---|---|
|
Accordo tra le Raccomandazioni del Modello di Intelligenza Artificiale e la Decisione dell'Anestesista Esperto riguardo alla Necessità di Consultazione Cardiologica
Lasso di tempo: Alla valutazione preoperatoria basale (Giorno 1)
|
Il livello di accordo tra le raccomandazioni del modello di intelligenza artificiale e le valutazioni degli anestesisti esperti riguardo alla necessità di consultazione cardiologica sarà valutato utilizzando il coefficiente Kappa di Cohen in base alle linee guida ESC 2024.
|
Alla valutazione preoperatoria basale (Giorno 1)
|
Altre misure di risultato
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
Leggibilità delle risposte generate dall'IA
Lasso di tempo: Immediatamente dopo la valutazione della risposta generata dall'IA (Giorno 1)
|
La leggibilità delle risposte generate dall'IA sarà valutata utilizzando l'Indice di Leggibilità Ateşman per determinare la chiarezza e la comprensibilità delle raccomandazioni di consultazione.
|
Immediatamente dopo la valutazione della risposta generata dall'IA (Giorno 1)
|
Collaboratori e investigatori
Sponsor
Investigatori
- Investigatore principale: eralp çevikkalp, Bursa Şehir Hastanesi
Pubblicazioni e link utili
Pubblicazioni generali
- 1.M. Graeßner et al., "Enabling personalized perioperative risk prediction by using a machinelearning model based on preoperative data," Scientific Reports, vol. 13, no. 1, May 2023, doi: 10.1038/s41598-023-33981-8. 2.B. Choi et al., "Prediction Model for 30-Day Mortality after Non-Cardiac Surgery Using MachineLearning Techniques Based on Preoperative Evaluation of Electronic Medical Records," Journal of Clinical Medicine, vol. 11, no. 21, p. 6487, Nov. 2022, doi: 10.3390/jcm11216487. 3.M. Vine et al., "Innovative approaches to preoperative care including feasibility, efficacy, and ethical implications: a narrative review," AME Surgical Journal, vol. 4. AME Publishing Company, p. 1, Feb. 01, 2024. doi: 10.21037/asj-23-41. 4.P. Chung, C. T. Fong, A. M. Walters, N. Aghaeepour, M. Yetişgen, and V. N. O'Reilly-Shah, "Large Language Model Capabilities in Perioperative Risk Prediction and Prognostication," JAMA Surgery, vol. 159, no. 8, American Medical Association, p. 928, Jun. 05, 2024. doi: 10.1001/jamasurg.2024.1621 5.T. Yurttas, R. Hidvegi, and M. Filipovic, "Biomarker-Based Preoperative Risk Stratification for Patients Undergoing Non-Cardiac Surgery," Journal of Clinical Medicine, vol. 9, no. 2, p. 351, Jan. 2020, doi: 10.3390/jcm9020351 6.J. Stones and D. Yates, "Clinical risk assessment tools in anaesthesia," BJA Education, vol. 19, no. 2. Elsevier BV, p. 47, Dec. 15, 2018. doi: 10.1016/j.bjae.2018.09.009. 7. Engineering as an Important Emerging Skill for Medical Professionals: Tutorial. J Med Internet Res. 2023 Oct 4;25:e50638. doi: 10.2196/50638. PMID: 37792434; PMCID: PMC10585440. 8. ATEŞMAN, Ender. (1997). Türkçe'de okunabilirliğin Ölçülmesi. A.Ü. Tömer Dil Dergisi, sayı:58,s.171174. 9. Coskun B, Ocakoglu G, Yetemen M, Kaygisiz O. Can ChatGPT, an Artificial Intelligence Language Model, Provide Accurate and High-quality Patient Information on Prostate Cancer? Urology. 2023 Oct;180:35-58. doi: 10.1016/j.urology.2023.05.040. Epub 2023 Jul 4. PMID: 37406
Studiare le date dei record
Studia le date principali
Inizio studio (Effettivo)
Completamento primario (Effettivo)
Completamento dello studio (Stimato)
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
- Bursa Şehir Hastanesi
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 .