操作ブロックのインテリジェント モデル (BLOC-OP)
2022年5月16日 更新者：Elena Giovanna Bignami、University of Parma
運営ブロックの新しい組織モデル (BLOC-OP)
周術期医療は非常にデリケートなプロセスを特徴としています。実際、それはさまざまな専門家 (外科医、麻酔科医、集中治療医、看護師など) によって管理される一連の高度に専門化された臨床措置で構成されており、彼らは協力してこの過程のすべての段階 (術前、術中、術中) で最高の品質を保証します。そして術後）。
一方で、外科サービスを提供するには膨大なリソースが必要であることを強調する必要があります。
特定の分析に基づいた組織の最適化は、この分野のリソースのより慎重な管理につながり、手術室の早期閉鎖や予期せぬ延長による無駄を回避できる可能性があります。
近年、大量の情報を分析するニーズに正確に対応するために、人工知能技術、特に機械学習の使用がますます一般的になりつつあります。統計モデルを使用して、自動的に新しい知識を推測します。
このようなテクノロジーは、臨床分野と、とりわけ組織分野の両方で優れた分析スキルを備えているようです。
この問題に関する文献で明らかになっているデータは、この点に関してはまだ最初のものではありますが、この仮説を裏付けるようです。
調査の概要
状態
募集
条件
研究の種類
観察的
入学 (予想される)
142
連絡先と場所
このセクションには、調査を実施する担当者の連絡先の詳細と、この調査が実施されている場所に関する情報が記載されています。
研究連絡先
- 名前：Elena Bignami
- 電話番号：390521703567
- メール：elenagiovanna.bignami@unipr.it
研究場所
-
-
-
Parma、イタリア、43125
- 募集
- Azienda Ospedaliera-Universitaria di Parma
-
-
参加基準
研究者は、適格基準と呼ばれる特定の説明に適合する人を探します。これらの基準のいくつかの例は、人の一般的な健康状態または以前の治療です。
適格基準
就学可能な年齢
18年歳以上 (アダルト、OLDER_ADULT)
健康ボランティアの受け入れ
いいえ
受講資格のある性別
全て
サンプリング方法
非確率サンプル
調査対象母集団
腹部、胸部、泌尿器科、血管、整形外科、婦人科および形成外科を受けるすべての患者
説明
包含基準:
インフォームドコンセントフォームに署名した手術を受けるすべての患者が含まれます。
除外基準:
問題の研究に対する患者の拒否。
研究計画
このセクションでは、研究がどのように設計され、研究が何を測定しているかなど、研究計画の詳細を提供します。
研究はどのように設計されていますか？
デザインの詳細
コホートと介入
グループ/コホート |
|---|
|
外科患者
|
この研究は何を測定していますか？
主要な結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
手術時間の予測
時間枠：1年
|
手術室滞在時間の予測
|
1年
|
二次結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
成果の評価
時間枠：1年
|
ICUへの入院
|
1年
|
|
成果の評価
時間枠：1年
|
手術キャンセル率
|
1年
|
協力者と研究者
ここでは、この調査に関係する人々や組織を見つけることができます。
スポンサー
出版物と役立つリンク
研究に関する情報を入力する責任者は、自発的にこれらの出版物を提供します。これらは、研究に関連するあらゆるものに関するものである可能性があります。
一般刊行物
- Evans RS, Burke JP, Classen DC, Gardner RM, Menlove RL, Goodrich KM, Stevens LE, Pestotnik SL. Computerized identification of patients at high risk for hospital-acquired infection. Am J Infect Control. 1992 Feb;20(1):4-10. doi: 10.1016/s0196-6553(05)80117-8.
- Redfern RO, Langlotz CP, Abbuhl SB, Polansky M, Horii SC, Kundel HL. The effect of PACS on the time required for technologists to produce radiographic images in the emergency department radiology suite. J Digit Imaging. 2002 Sep;15(3):153-60. doi: 10.1007/s10278-002-0024-5. Epub 2002 Nov 6. Erratum In: J Digit Imaging. 2002 Sep;15(3):191.
- Lee TT, Liu CY, Kuo YH, Mills ME, Fong JG, Hung C. Application of data mining to the identification of critical factors in patient falls using a web-based reporting system. Int J Med Inform. 2011 Feb;80(2):141-50. doi: 10.1016/j.ijmedinf.2010.10.009. Epub 2010 Nov 5.
- Martins M. Use of comorbidity measures to predict the risk of death in Brazilian in-patients. Rev Saude Publica. 2010 Jun;44(3):448-56. doi: 10.1590/s0034-89102010005000003. Epub 2010 Apr 30.
- Izad Shenas SA, Raahemi B, Hossein Tekieh M, Kuziemsky C. Identifying high-cost patients using data mining techniques and a small set of non-trivial attributes. Comput Biol Med. 2014 Oct;53:9-18. doi: 10.1016/j.compbiomed.2014.07.005. Epub 2014 Jul 22.
研究記録日
これらの日付は、ClinicalTrials.gov への研究記録と要約結果の提出の進捗状況を追跡します。研究記録と報告された結果は、国立医学図書館 (NLM) によって審査され、公開 Web サイトに掲載される前に、特定の品質管理基準を満たしていることが確認されます。
主要日程の研究
研究開始 (実際)
2021年11月1日
一次修了 (予期された)
2022年11月30日
研究の完了 (予期された)
2022年11月30日
試験登録日
最初に提出
2021年10月11日
QC基準を満たした最初の提出物
2021年10月22日
最初の投稿 (実際)
2021年11月4日
学習記録の更新
投稿された最後の更新 (実際)
2022年5月17日
QC基準を満たした最後の更新が送信されました
2022年5月16日
最終確認日
2022年5月1日
詳しくは
この情報は、Web サイト clinicaltrials.gov から変更なしで直接取得したものです。研究の詳細を変更、削除、または更新するリクエストがある場合は、register@clinicaltrials.gov。 までご連絡ください。 clinicaltrials.gov に変更が加えられるとすぐに、ウェブサイトでも自動的に更新されます。