작동 블록을 위한 지능형 모델 (BLOC-OP)
2022년 5월 16일 업데이트: Elena Giovanna Bignami, University of Parma
운영 블록 조직의 새로운 모델(BLOC-OP)
수술 전후 의학은 매우 섬세한 경로를 특징으로 합니다. 실제로 이것은 경로의 모든 단계(수술 전, 내 및 수술 후).
한편, 수술 서비스를 제공하는 데 필요한 막대한 자원을 강조할 필요가 있습니다.
특정 분석을 기반으로 하는 조직 최적화는 이 영역에서 리소스를 보다 신중하게 관리하여 수술실의 조기 폐쇄 또는 예기치 않은 확장으로 인한 낭비를 방지할 수 있습니다.
최근에는 대량의 정보를 분석해야 하는 필요성에 정확히 대응하기 위해 인공 지능 기술, 특히 기계 학습의 사용이 점차 대중화되고 있습니다. 자동 방식으로 새로운 지식을 추론하는 통계 모델.
이러한 기술은 임상 및 무엇보다 조직 분야 모두에서 뛰어난 분석 기술을 보유하고 있는 것으로 보입니다.
이 문제에 관한 문헌에 등장하는 데이터는 여전히 이와 관련하여 첫 번째이지만 이 가설을 확인하는 것 같습니다.
연구 개요
상태
모병
정황
연구 유형
관찰
등록 (예상)
142
연락처 및 위치
이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.
연구 연락처
- 이름: Elena Bignami
- 전화번호: 390521703567
- 이메일: elenagiovanna.bignami@unipr.it
연구 장소
-
-
-
Parma, 이탈리아, 43125
- 모병
- Azienda Ospedaliera-Universitaria di Parma
-
-
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, OLDER_ADULT)
건강한 자원 봉사자를 받아들입니다
아니
연구 대상 성별
모두
샘플링 방법
비확률 샘플
연구 인구
복부, 흉부, 비뇨기과, 혈관, 정형외과, 부인과, 성형외과 등의 수술을 받는 모든 환자
설명
포함 기준:
정보에 입각한 동의서에 서명한 수술을 받는 모든 환자가 포함됩니다.
제외 기준:
해당 연구에 대한 환자의 거부.
공부 계획
이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.
연구는 어떻게 설계됩니까?
디자인 세부사항
코호트 및 개입
그룹/코호트 |
|---|
|
외과 환자
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
수술 시간 예측
기간: 일년
|
수술실에서 보내는 시간 예측
|
일년
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
결과 평가
기간: 일년
|
ICU 입학
|
일년
|
|
결과 평가
기간: 일년
|
수술 취소율
|
일년
|
공동 작업자 및 조사자
여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.
간행물 및 유용한 링크
연구에 대한 정보 입력을 담당하는 사람이 자발적으로 이러한 간행물을 제공합니다. 이것은 연구와 관련된 모든 것에 관한 것일 수 있습니다.
일반 간행물
- 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.
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 11월 1일
기본 완료 (예상)
2022년 11월 30일
연구 완료 (예상)
2022년 11월 30일
연구 등록 날짜
최초 제출
2021년 10월 11일
QC 기준을 충족하는 최초 제출
2021년 10월 22일
처음 게시됨 (실제)
2021년 11월 4일
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
2022년 5월 17일
QC 기준을 충족하는 마지막 업데이트 제출
2022년 5월 16일
마지막으로 확인됨
2022년 5월 1일
추가 정보
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. .