기계 학습을 이용한 성문상 기도 부전 예측을 위한 수술 전 특성(ERICA) (ERICA)
수술 전 특성으로 기관 튜브까지 성문상 기도의 실패를 예측할 수 있습니까? 기계 학습 알고리즘(ERICA)
성문상 기도 장치(SGA)는 기도 관리를 위한 안전하고 확립된 기술입니다. 현재 유럽 국가에서 시행되는 전신마취의 최대 60%가 SGA를 사용합니다. 0.2-4.7%에서 SGA가 실패하고 기관 튜브로 전환해야 합니다.
ERICA 연구는 인공 지능 방법을 사용하여 약물 치료 방문 중에 이용 가능한 수술 전 특성을 기반으로 계획되지 않은 SGA 전환의 위험을 예측할 수 있는 모델을 개발할 것입니다.
연구 개요
상세 설명
수술 중 절차 변경은 시간 지연을 초래할 뿐만 아니라 마취를 심화시키고 기도를 다시 조작하는 등 환자에게 스트레스를 주는 조치를 수반합니다.
따라서 ERICA의 목표는 수술 전 정보를 기반으로 1) 계획되지 않은 SGA 전환의 위험을 정확하게 예측할 수 있고 2) SGA에서 기관 튜브로 전환되는 특성을 식별할 수 있는 기계 학습 알고리즘을 개발하는 것입니다.
I. 모델 개발
• 최종 데이터 세트는 교육, 테스트 및 검증 코호트로 분할됩니다. 일반화 선형 모델(GLM), 딥 러닝, 분산 랜덤 포레스트(DRF), xgboost 및 그래디언트 부스팅 머신(GBM)을 포함하여 SGA에서 기관 튜브로의 수술 중 전환을 예측하기 위해 5가지 모델이 생성됩니다. 이후 5개 모델의 조합을 통해 적층 앙상블 모델을 구축하게 된다. 마지막으로 최고의 인공지능 모델이 선택됩니다.
II. 기도 전환 및 분류로 이어지는 특성을 식별합니다.
- 수술 중 환자 위치 변경으로 인해 전환 위험이 변경될 수 있으므로 위치 변경이 포함된 수술을 고려해야 합니다.
- SGA에서 기관 튜브로의 전환으로 이어지는 환자 및 시술 의존적 특성과 그 중요성을 식별합니다.
연구 유형
등록 (실제)
연락처 및 위치
연구 장소
-
-
Baden-Wurttemberg
-
Ulm, Baden-Wurttemberg, 독일, 89073
- University Hospital Ulm
-
-
Bavaria
-
Munich, Bavaria, 독일, 81675
- Technical University Munich
-
-
참여기준
자격 기준
공부할 수 있는 나이
- 성인
- 고령자
건강한 자원 봉사자를 받아들입니다
샘플링 방법
연구 인구
설명
포함 기준:
- 성문상 기도 장치를 사용하여 비심장 수술을 위해 전신 마취를 받는 성인 환자(18세 이상)
제외 기준:
- 없음
공부 계획
연구는 어떻게 설계됩니까?
디자인 세부사항
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
기간 |
|---|---|
|
계획되지 않은 SGA 변환 위험
기간: 수술 중
|
수술 중
|
공동 작업자 및 조사자
연구 기록 날짜
연구 주요 날짜
연구 시작 (실제)
기본 완료 (실제)
연구 완료 (실제)
연구 등록 날짜
최초 제출
QC 기준을 충족하는 최초 제출
처음 게시됨 (실제)
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
QC 기준을 충족하는 마지막 업데이트 제출
마지막으로 확인됨
추가 정보
이 연구와 관련된 용어
추가 관련 MeSH 약관
기타 연구 ID 번호
- ERICA
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. .