이 페이지는 자동 번역되었으며 번역의 정확성을 보장하지 않습니다. 참조하십시오 영문판 원본 텍스트의 경우.

고령 환자의 수술 전후 위험인자 관리

2024년 3월 4일 업데이트: Ailin Luo

수술 전후 노인에 대한 위험 관리 및 기술적 조치와 평가 기준

2017년 중국의 입원 환자에 대한 수술 건수는 5,700만 건 이상이었고, 이 중 2,000만 건 이상은 노인 환자(65세 이상)에게 시행되었습니다. 2017년 말 현재 중국의 65세 이상 노인 인구는 1억 4,300만 명이며, 그 중 80세 이상 인구는 2,600만 명으로 전체 인구의 1.8%를 차지하며, 이 비율은 점점 증가하고 있다. 점점 더 많은 노인 환자들이 수술을 필요로 합니다. 65~79세 인구에 비해 80세 이상 환자의 정형외과 수술 후 심근경색 확률은 2.7배, 폐 감염 확률은 3.5배 증가하고 사망률은 3.5배 증가한 것으로 나타났다. 3.4배 증가했다. 노인 환자에서 수술의 내재적 위험과 수술 후 합병증의 증가는 노인성 증후군과 같은 요인과 밀접한 관련이 있습니다.

노인성 증후군은 연령이 증가함에 따라 각종 기관계의 기능이 저하되는 것을 말하며, 노인에게서 쇠약, 동반질환, 인지기능장애 등 일련의 비특이적 증상 및 징후가 나타난다. 이러한 증상은 나이가 들면서 증가하여 노인의 삶의 질을 심각하게 손상시키고 수술 전후 위험을 증가시킵니다. 노쇠를 예로 들면 65~70세 인구의 노쇠 발생률은 3.2%, 71~74세는 5.3%, 75~79세는 9.5%, 80~84세는 16.3%, > 85세는 25.1입니다. %. 한편, 노인의 신체 기능은 나이가 들면서 지속적으로 저하된다. 골격근을 예로 들어 보겠습니다. 50세 이후에는 나이가 들수록 골격근량은 매년 1~2%씩 감소합니다. 60세 이상의 사람들의 만성 근육 손실은 30%로 추정되며, 80세 이상의 노인들은 최대 50%까지 손실됩니다. 노인 환자는 저연령 노인 집단에 비해 특별한 노인 환자 집단임을 알 수 있다. 따라서 노인 환자의 쇠약, 동반질환, 신체 기능저하로 인한 예측 불가능한 수술 전후 위험에 대처하고 노인 수술 환자의 안전을 보장하기 위한 수술 전후 위험 경고 및 제어 시스템 및 기술 시스템 구축이 시급한 문제가 되었습니다. 노인병.

연구 개요

상세 설명

ERAS(Enhanced Recovery After Surgery)는 증거 기반 의학을 기반으로 하며 여러 부서의 협업을 통해 수술 전후 관리의 임상 경로를 최적화합니다. 핵심은 환자 중심의 재활 촉진입니다. 이 개념은 사람들의 마음에 깊이 뿌리 내리고 있습니다. 이에 센터는 고령 환자의 고관절 골절 및 폐암 발병률이 높은 점을 돌파구로 삼고, 센터의 국내 선도적인 시각화 기술과 인공지능(AI) 기술을 결합해 노인 환자를 위한 완전한 수술 전후 평가 시스템을 구축하고자 한다. 노인 환자의 수술 전 위험을 줄이기 위해.

시각화 기법으로는 기도 도구의 시각화, 초음파 시각화, 뇌 기능 모니터링의 시각화 등이 있으며 수술 전 위험도 평가, 침상 신속 평가, 기도 관리, 보조 혈관 천자, 유도 국소 차단 마취, 수술 후 진통 등에 널리 사용됩니다. .연결하여 좋은 임상 결과를 얻었습니다. 이러한 기술에는 고유한 장점이 있지만 체계적 통합 및 대상 최적화가 부족합니다. 노인 환자에게 적합한 다양한 시각화 기술을 유기적으로 통합하여 노인 환자를 위한 완전한 수술 전후 평가 시스템, 환자의 포괄적이고 실시간 동적 평가를 만들고 노인 환자의 수술 전후 정신, 신경, 호흡 및 순환 기능을 구현합니다. 중요 장기(예: 심장, 폐, 뇌, 신장 등)의 스트레스 및 손상, 수술 전후 기간 동안 노인 환자의 전체적인 관리를 달성하고 수술 기간 동안 노인 환자의 위험을 줄입니다.

인공 지능 기술은 의료 빅 데이터를 심층적으로 마이닝하고 대량의 복잡한 데이터를 통합하며 강력한 종합 분석 기능을 가질 수 있습니다. 복잡한 수술 전 평가, 수술 전후 의학적 의사 결정 및 예측할 수 없는 부작용에 대한 실시간 경고로 노인 환자를 지원하는 데 적합합니다. 이 기술은 종양 영상 진단, 피부 질환 진단, 당뇨병 진단 등 다양한 의료 분야에서 널리 사용되고 있다. 현재 외국 학자들은 환자의 관련 임상 특성을 결합하고 인공 지능 기술을 사용하여 수술 중 저혈압에 대한 조기 경고 시스템, 입원 환자의 사망 위험을 모니터링하는 실시간 조기 경고 시스템 및 병원 내 심장 마비를 개발했습니다. 예측 시스템. 인공 지능은 노인 환자의 전체 수술 기간을 포함하고 효과적인 위험 제어를 구현하는 수술 전 위험 및 실시간 조기 경고를 종합적으로 평가하고 예측하는 데 사용됩니다.

노인 환자의 수술 및 수술 후 합병증의 고유 위험이 증가합니다. 쇠약, 동반질환, 기능저하로 인한 예측할 수 없는 수술 전후의 위험을 처리하기 위해 노인 수술 환자의 안전 보장을 제공하는 것이 노인의학의 주요 문제가 되었습니다. 이 프로젝트는 수술 전 평가, 마취 관리, 침상 실시간 모니터링 및 개입 등에 시각화 기술을 사용하여 노인 환자의 정확한 수술 전후 관리 및 전 과정 전인 관리를 달성합니다. 노인 환자의 수술 전후 위험 예측 및 실시간 추적 위험 경고에 AI 기술을 적용해 마취 심도 조절과 장기 기능 유지를 유도한다. 위의 기술들은 노인 환자의 수술 전 위험을 증가시키는 다양한 상황을 중심으로 유기적으로 통합되고 평가-진단-개입-재평가의 폐쇄 루프에 내장되어 노인 환자를 위한 완전한 수술 전 평가 시스템을 만듭니다. 그리고 수술 전후 관리의 임상 경로를 최적화하기 위한 다학제 팀을 통해 수술 전후 기간 동안 노인 환자를 위한 전인적 위험 관리 시스템을 시연하여 추가 홍보합니다.

연구 유형

중재적

등록 (추정된)

2650

단계

  • 해당 없음

연락처 및 위치

이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.

연구 연락처

연구 장소

참여기준

연구원은 적격성 기준이라는 특정 설명에 맞는 사람을 찾습니다. 이러한 기준의 몇 가지 예는 개인의 일반적인 건강 상태 또는 이전 치료입니다.

자격 기준

공부할 수 있는 나이

65년 이상 (고령자)

건강한 자원 봉사자를 받아들입니다

아니

설명

포함 기준:

  1. 선택적 수술
  2. 만 65세 이상.

제외 기준:

  1. 6개월 이내 다른 임상시험 참여
  2. 국소 마취를 받는 환자
  3. 결과를 알 수 없는 경우

공부 계획

이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.

연구는 어떻게 설계됩니까?

디자인 세부사항

  • 주 목적: 방지
  • 할당: 무작위화되지 않음
  • 중재 모델: 병렬 할당
  • 마스킹: 없음(오픈 라벨)

연구는 무엇을 측정합니까?

주요 결과 측정

결과 측정
기간
고령 환자의 수술 전후 부작용 발생률
기간: 마취유도 시작부터 수술 또는 퇴원 후 30일까지
마취유도 시작부터 수술 또는 퇴원 후 30일까지

공동 작업자 및 조사자

여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.

연구 기록 날짜

이 날짜는 ClinicalTrials.gov에 대한 연구 기록 및 요약 결과 제출의 진행 상황을 추적합니다. 연구 기록 및 보고된 결과는 공개 웹사이트에 게시되기 전에 특정 품질 관리 기준을 충족하는지 확인하기 위해 국립 의학 도서관(NLM)에서 검토합니다.

연구 주요 날짜

연구 시작 (실제)

2021년 9월 1일

기본 완료 (추정된)

2024년 4월 30일

연구 완료 (추정된)

2024년 12월 31일

연구 등록 날짜

최초 제출

2021년 7월 8일

QC 기준을 충족하는 최초 제출

2021년 7월 8일

처음 게시됨 (실제)

2021년 7월 20일

연구 기록 업데이트

마지막 업데이트 게시됨 (추정된)

2024년 3월 5일

QC 기준을 충족하는 마지막 업데이트 제출

2024년 3월 4일

마지막으로 확인됨

2024년 3월 1일

추가 정보

이 연구와 관련된 용어

약물 및 장치 정보, 연구 문서

미국 FDA 규제 의약품 연구

아니

미국 FDA 규제 기기 제품 연구

아니

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. .

3
구독하다