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

컴퓨터 학습 향상을 통한 수술 결과 위험 평가 (ORACLE)

2022년 11월 11일 업데이트: Bradley Fritz, Washington University School of Medicine
이 연구는 원격 진료 환경에서 일하는 마취과 임상의가 기계 학습 디스플레이가 없을 때보다 기계 학습 디스플레이에 접근할 때 수술 후 합병증(사망 및 급성 신장 손상)에 대한 환자 위험을 더 정확하게 예측할 수 있는지 여부를 테스트할 것입니다.

연구 개요

상세 설명

컴퓨터 학습 향상을 통한 수술 전후 결과 위험 평가(Periop ORACLE) 연구는 진행 중인 TECTONICS 시험(NCT03923699) 내에 중첩된 하위 연구가 될 것입니다. TECTONICS는 마취 컨트롤 타워(ACT)가 수술 후 30일 사망률, 정신 착란, 호흡 부전 및 급성 신장 손상에 미치는 영향을 평가하는 단일 센터 무작위 임상 시험입니다. TECTONICS 시험의 일환으로 ACT의 조사관은 수술 초기에 의료 기록 사례 검토를 수행하고 각 환자가 수술 후 사망 및 급성 신장 손상(AKI)을 경험할 가능성이 어느 정도인지 문서화합니다. Periop ORACLE에서 이러한 사례 검토는 기계 학습(ML) 예측에 대한 액세스 여부에 관계없이 무작위로 수행됩니다.

ACT의 조사관은 AlertWatch(AlertWatch, Ann Arbor, MI) 및 Epic(Epic, Verona, WI)에서 환자의 기록을 확인하여 모든 사례 검토를 수행합니다. AlertWatch는 수술실에서 사용하도록 설계된 FDA 승인 환자 모니터링 시스템입니다. 이 연구에 사용된 AlertWatch 버전은 원격 의료 환경에서 사용하도록 맞춤화되었습니다. Epic은 Barnes-Jewish 병원에서 사용하는 전자 건강 기록 시스템입니다. 각 사례 검토는 1:1 방식으로 무작위 배정되어 ML 지원 여부에 관계없이 완료됩니다. 사례 검토가 ML 지원에 무작위로 지정되는 경우 조사자는 수술 후 사망 및 수술 후 AKI에 대한 실시간 ML 예측 가능성을 보여주는 디스플레이 인터페이스(현재 보안 서버에 웹 애플리케이션으로 배포됨)에 액세스합니다. 사례 검토가 ML 지원에 무작위 배정되지 않은 경우 조사자는 이 디스플레이에 액세스하지 않습니다. 환자의 데이터를 본 후 조사자는 환자가 수술 후 사망 및 수술 후 AKI를 경험할 가능성을 예측하고 이 예측을 문서화합니다. ML 지원이 있는 예측과 ML 지원이 없는 예측에 대한 수신기 작동 특성 곡선 아래 영역을 비교합니다.

연구 유형

중재적

등록 (실제)

5114

단계

  • 해당 없음

연락처 및 위치

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

연구 장소

    • Missouri
      • Saint Louis, Missouri, 미국, 63110
        • Washington University School of Medicine

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

18년 이상 (성인, 고령자)

건강한 자원 봉사자를 받아들입니다

아니

연구 대상 성별

모두

설명

포함 기준:

  • Barnes-Jewish 병원의 주 수술실에서 수술
  • ACT 수술 시간 내 수술(평일 오전 7시~오후 4시)
  • TECTONICS 무작위배정임상시험 등록(NCT03923699)

제외 기준:

  • 없음

공부 계획

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

연구는 어떻게 설계됩니까?

디자인 세부사항

  • 주 목적: 상영
  • 할당: 무작위
  • 중재 모델: 병렬 할당
  • 마스킹: 하나의

무기와 개입

참가자 그룹 / 팔
개입 / 치료
실험적: 기계 학습 지원
Anesthesia Control Tower의 임상의는 전자 건강 기록과 AlertWatch를 사용하여 환자 데이터를 검토하고 기계 학습 디스플레이도 볼 것입니다. 그런 다음 환자가 수술 후 사망 및 수술 후 급성 신장 손상을 경험할 가능성을 예측합니다.
기계 학습 디스플레이는 전자 건강 기록의 데이터를 사용하여 수술 후 사망 및 수술 후 급성 신장 손상 가능성을 예측합니다.
간섭 없음: 도움 없음
Anesthesia Control Tower의 임상의는 전자 건강 기록과 AlertWatch를 사용하여 환자 데이터를 검토하지만 기계 학습 디스플레이는 보지 않습니다. 그런 다음 환자가 수술 후 사망 및 수술 후 급성 신장 손상을 경험할 가능성을 예측합니다.

연구는 무엇을 측정합니까?

주요 결과 측정

결과 측정
측정값 설명
기간
수술 후 사망에 대한 임상 예측의 리시버 작동 특성 곡선 아래 면적
기간: 30 일
임상의는 범주형 척도를 사용하여 각 사례에 대한 수술 후 사망 가능성을 예측합니다. 임상의 예측을 입력으로 사용하여 로지스틱 회귀를 구성하고 수신기 작동 특성 곡선 아래 영역을 결정합니다.
30 일
수술 후 급성 신장 손상에 대한 임상 예측의 리시버 작동 특성 곡선 아래 영역
기간: 7 일
임상의는 범주형 척도를 사용하여 각 사례에 대한 수술 후 급성 신장 손상의 가능성을 예측합니다. 임상의 예측을 입력으로 사용하여 로지스틱 회귀를 구성하고 수신기 작동 특성 곡선 아래 영역을 결정합니다.
7 일

공동 작업자 및 조사자

여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.

수사관

  • 수석 연구원: Bradley A Fritz, MD, Washington University School of Medicine

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 (실제)

2022년 11월 1일

연구 완료 (실제)

2022년 11월 1일

연구 등록 날짜

최초 제출

2021년 9월 1일

QC 기준을 충족하는 최초 제출

2021년 9월 4일

처음 게시됨 (실제)

2021년 9월 13일

연구 기록 업데이트

마지막 업데이트 게시됨 (실제)

2022년 11월 14일

QC 기준을 충족하는 마지막 업데이트 제출

2022년 11월 11일

마지막으로 확인됨

2022년 11월 1일

추가 정보

이 연구와 관련된 용어

기타 연구 ID 번호

  • 202108022

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. .

급성 신장 손상에 대한 임상 시험

구독하다