어려운 삽관을 분류하기 위한 안면 분석
어려운 기관내 삽관을 예측하기 위한 전산화 영상 분석과 기존 기도 검사 기법의 비교
연구 개요
상세 설명
대조군과 실험군 모두 이 연구에서 모집될 것입니다. 이 기술의 임상적 수용을 유도하기 위해 연구자는 인종이나 성별에 관계없이 모든 환자에게 적용 가능성을 연구하고 입증해야 합니다. 이를 위해서는 수술 시 삽관이 용이한 것으로 입증된 환자의 대조군을 모집해야 합니다. 그런 환자들이 상대적으로 많습니다. 실험군은 수술 시 삽관이 어려운 환자로 구성됩니다. 또한, 삽관의 용이성 또는 어려움에 대한 사전 지식 없이 전향적 코호트를 모집하고 이후의 근거는 수술 시 결정됩니다. 환자의 마취 기록에 Macintosh 3 블레이드를 사용한 단일 시도가 1등급 후두경 보기(성대의 전체 노출)로 나타나는 경우 환자는 삽관하기 쉬운 것으로 정의됩니다. 어려운 삽관은 최소 1년 이상의 마취 경험이 있는 시술자가 1회 이상 시도한 경우, 4점 척도에서 3등급 또는 4등급 후두경 시야, 5번째 시술자가 필요하거나 비선택적 사용 중 최소 한 가지에 의해 정의되었습니다. bougie, fiberoptic bronchoscope 또는 intubating laryngeal mask airway와 같은 대체 기도 장치의
본 연구의 주된 목적은 얼굴 생김새에 따라 삽관이 어려울 가능성이 높은 환자와 삽관이 용이할 가능성이 높은 환자를 구별할 수 있는 알고리즘을 개발하는 것입니다. 1차 분석은 피험자가 삽관하기 쉬운지 또는 어려운지를 성공적으로 결정하는 파생된 알고리즘의 능력에서 통계적 유의성을 입증하는 것입니다. 2차 분석은 파생된 알고리즘과 기존 기도 평가 테스트 사이의 통계적 성능 차이를 입증하는 것입니다.
프로토콜을 지속적으로 수정하면 마취 담당자가 Macintosh 블레이드 대신 Miller(직선) 후두경 블레이드로 삽관을 시도할 수 있습니다. 이 두 번째 결과는 이러한 블레이드에 대한 강한 선호도와 경우에 따라 더 나은 기술 때문에 선택되었습니다. 지금까지 Macintosh 블레이드에서 예상했던 것과는 다른 얼굴 특징이 이 블레이드의 난이도를 예측할 가능성이 있습니다.
연구 유형
등록 (추정된)
연락처 및 위치
연구 연락처
- 이름: Angela Goodson
- 전화번호: 336-716-4497
- 이메일: agoodson@wakehealth.edu
연구 연락처 백업
- 이름: Scott Segal, MD, MHCM
- 전화번호: (336) 716-7084
- 이메일: B.Segal@wfusm.edu
연구 장소
-
-
North Carolina
-
Winston-Salem, North Carolina, 미국, 27157
- 모병
- Wake Forest Baptist Medical Center
-
연락하다:
- Scott Segal, MD
- 전화번호: 336-716-4497
-
수석 연구원:
- Scott Segal, MD, MHCM
-
-
참여기준
자격 기준
공부할 수 있는 나이
건강한 자원 봉사자를 받아들입니다
샘플링 방법
연구 인구
설명
포함 기준:
- 기관내 삽관이 필요한 환자
- 머리와 목의 사진 이미지 획득에 동의하는 환자
제외 기준:
- 머리 또는 목 수술을 받은 환자
- 중앙 정맥 카테터 또는 정면 및 측면 보기에서 얼굴 특징의 전체 보기를 방해하는 기타 중재를 받는 환자
- 우리의 기준에 따라 삽관이 쉽지도 어렵지도 않은 환자
공부 계획
연구는 어떻게 설계됩니까?
디자인 세부사항
- 관찰 모델: 보병대
- 시간 관점: 유망한
코호트 및 개입
그룹/코호트 |
개입 / 치료 |
|---|---|
|
삽관하기 쉬움, 모델 도출
삽관하기 쉬운 모델 파생.
머리와 목 촬영
|
정면에서 1장, 좌측에서 1장, 우측 정면에서 1장의 머리와 목 사진 3장을 촬영합니다.
사진은 얼굴 구조 소프트웨어로 분석되어 얼굴 모델을 생성합니다.
|
|
삽관하기 어려움, 모델 도출
삽관하기 어려움, 모델 유도.촬영
머리와 목
|
정면에서 1장, 좌측에서 1장, 우측 정면에서 1장의 머리와 목 사진 3장을 촬영합니다.
사진은 얼굴 구조 소프트웨어로 분석되어 얼굴 모델을 생성합니다.
|
|
삽관하기 쉬움, 모델 검증
삽관하기 쉽고, 모델 검증.
머리와 목 촬영
|
정면에서 1장, 좌측에서 1장, 우측 정면에서 1장의 머리와 목 사진 3장을 촬영합니다.
사진은 얼굴 구조 소프트웨어로 분석되어 얼굴 모델을 생성합니다.
|
|
삽관하기 어려움, 모델 검증
삽관하기 어려운 모델 검증.
머리와 목 촬영
|
정면에서 1장, 좌측에서 1장, 우측 정면에서 1장의 머리와 목 사진 3장을 촬영합니다.
사진은 얼굴 구조 소프트웨어로 분석되어 얼굴 모델을 생성합니다.
|
|
시험
파생되고 검증된 모델의 재현성을 테스트하기 위한 레이블이 지정되지 않은 피험자 그룹(쉬운 삽관과 어려운 삽관 혼합)
|
정면에서 1장, 좌측에서 1장, 우측 정면에서 1장의 머리와 목 사진 3장을 촬영합니다.
사진은 얼굴 구조 소프트웨어로 분석되어 얼굴 모델을 생성합니다.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
기관내 삽관의 어려움을 예측하는 컴퓨터 알고리즘
기간: 현재 등록 패턴에 따라 약 2년
|
결과는 세 가지 다른 관점에서 디지털 사진을 기반으로 환자에게 삽관이 얼마나 쉽고 어려운지 정확하게 예측할 수 있는 컴퓨터 알고리즘이 될 것입니다.
그러한 애플리케이션은 삽관 절차를 수행하는 것이 얼마나 쉬운지 또는 얼마나 어려운지와 상관관계가 있는 것으로 이전에 보여진 특징인 캡처된 사진의 얼굴 특징을 분석함으로써 삽관 난이도의 일관되고 정량적인 측정을 제공할 수 있습니다.
디지털 애플리케이션은 삽관 어려움과 관련된 합병증을 줄이고 환자 안전을 높일 수 있는 잠재력이 있습니다.
|
현재 등록 패턴에 따라 약 2년
|
공동 작업자 및 조사자
수사관
- 수석 연구원: Scott Segal, MD, MHCM, Wake Forest University Health Sciences
간행물 및 유용한 링크
일반 간행물
- Tavolara TE, Gurcan MN, Segal S, Niazi MKK. Identification of difficult to intubate patients from frontal face images using an ensemble of deep learning models. Comput Biol Med. 2021 Sep;136:104737. doi: 10.1016/j.compbiomed.2021.104737. Epub 2021 Aug 4.
- Connor CW, Segal S. Accurate classification of difficult intubation by computerized facial analysis. Anesth Analg. 2011 Jan;112(1):84-93. doi: 10.1213/ANE.0b013e31820098d6. Epub 2010 Nov 16.
연구 기록 날짜
연구 주요 날짜
연구 시작 (실제)
기본 완료 (추정된)
연구 완료 (추정된)
연구 등록 날짜
최초 제출
QC 기준을 충족하는 최초 제출
처음 게시됨 (추정된)
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
QC 기준을 충족하는 마지막 업데이트 제출
마지막으로 확인됨
추가 정보
이 연구와 관련된 용어
키워드
기타 연구 ID 번호
- IRB00036442
개별 참가자 데이터(IPD) 계획
개별 참가자 데이터(IPD)를 공유할 계획입니까?
약물 및 장치 정보, 연구 문서
미국 FDA 규제 의약품 연구
미국 FDA 규제 기기 제품 연구
이 정보는 변경 없이 clinicaltrials.gov 웹사이트에서 직접 가져온 것입니다. 귀하의 연구 세부 정보를 변경, 제거 또는 업데이트하도록 요청하는 경우 register@clinicaltrials.gov. 문의하십시오. 변경 사항이 clinicaltrials.gov에 구현되는 즉시 저희 웹사이트에도 자동으로 업데이트됩니다. .
어려운 삽관법에 대한 임상 시험
-
Second Military Medical University완전한Transillumination-guided Fiberoptic Intubation 삽관법중국