- ICH GCP
- Register voor klinische proeven in de VS.
- Klinische proef NCT02022397
Geautomatiseerde beoordeling van moeilijke luchtwegen met gezichtsherkenningstechnieken (PeScho)
Automatische beoordeling van moeilijke beademing en intubatie op basis van automatische gezichtsanalyse en kunstmatige intelligentie
Studie Overzicht
Toestand
Gedetailleerde beschrijving
Elke tracheale intubatie vereist een preoperatieve screening en beoordeling om de essentiële medische geschiedenis van de patiënt te verkrijgen, de toestand van de patiënt te optimaliseren in geval van een gelijktijdig bestaande ziekte vóór de operatie en de beste anesthesiemethode voor de dag van de operatie te selecteren . Het doel van deze beoordeling is om mogelijke anesthesieproblemen te identificeren, zoals voorspellers van moeilijke luchtwegen, die vandaag de dag nog steeds de eerste oorzaak vormen van rechtszaken in anesthesiegerelateerde gesloten claimonderzoeken.
In de eerste stap van de preoperatieve beoordelingsprocedure wordt de patiënt door de software geanalyseerd. De patiënt wordt automatisch door een reeks tests van 10 minuten geleid en de software analyseert in realtime zijn/haar morfologische en dynamische kenmerken om de patiënt in te delen in een van de 5 categorieën die in de volgende paragraaf worden beschreven. Details die relevant zijn voor moeilijke ventilatie en intubatie (statisch en dynamisch), zoals het kwantificeren van de exacte afstand tussen de snijtanden (mondopening), zichtbaarheid en detectie van anatomische oriëntatiepunten in de open mond (huig, pijlers, amandelen, tong, achterste keelholte), thyro-mentale afstand, nekomtrek, nekmobiliteit met maximale anterieure en posterieure beweging. De analyse wordt uitgevoerd door:
- het automatisch berekenen van deze relevante metingen met behulp van robuuste computervisie-algoritmen die het gezicht en de nek kunnen detecteren, beschrijven en volgen met een hoge mate van nauwkeurigheid en robuustheid tot extreme houdingen (links- en rechtsrotatie en op- en neerwaartse beweging van het gezicht)
- het ontwikkelen van krachtige beeldverwerkingstechnieken om intra-orale structuren te beschrijven en te berekenen. De twee reeksen maatregelen zullen vervolgens worden gecombineerd tot een machine learning-benadering die in staat is om de patiënt te classificeren. De resultaten van de analyse en alle opgenomen video's van elke afzonderlijke test zullen worden opgeslagen in een centrale database en in realtime worden geraadpleegd door de arts om het preoperatieve advies voort te zetten.
De patiënt ondergaat dan zijn geplande operatie op het oorspronkelijk geplande tijdstip en wordt daarvoor geïntubeerd. Correcte registratie van de mate van intubatie in de operatiekamer wordt gedocumenteerd en ingevoerd in de beoordelingsdatabase. Op deze manier zal de database evolueren met de beoordeling en de uiteindelijke postoperatieve intubatiescore om de automatische voorspelbaarheid van het machine learning-algoritme te verbeteren.
Studietype
Inschrijving (Verwacht)
Contacten en locaties
Studiecontact
- Naam: Patrick Schoettker, Assoc Prof
- Telefoonnummer: +41795561043
- E-mail: patrick.schoettker@chuv.ch
Studie Locaties
-
-
VD
-
Lausanne, VD, Zwitserland, 1011
- Werving
- Dpt of Anesthesiology, University of Lausanne CHUV
-
Contact:
- Patrick Schoettker, Assoc Prof
- Telefoonnummer: +41795561043
- E-mail: patrick.schoettker@chuv.ch
-
Hoofdonderzoeker:
- Patrick Schoettker, Assoc Prof
-
-
Deelname Criteria
Geschiktheidscriteria
Leeftijden die in aanmerking komen voor studie
Accepteert gezonde vrijwilligers
Geslachten die in aanmerking komen voor studie
Bemonsteringsmethode
Studie Bevolking
Beschrijving
Inclusiecriteria:
- volwassen patiënt (15 jaar)
- patiënten die endotracheale intubatie nodig hebben voor algemene anesthesie
Uitsluitingscriteria:
- geduldige weigering
Studie plan
Hoe is de studie opgezet?
Ontwerpdetails
Cohorten en interventies
Groep / Cohort |
---|
moeilijke intubatie
algemene bevolking die tracheale intubatie nodig heeft voor algemene anesthesie
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
---|---|---|
Geautomatiseerde classificatie van moeilijke intubatie
Tijdsspanne: 1 dag
|
automatische classificatie door kunstmatige intelligentie in 3 klassen van intubatiemoeilijkheden
|
1 dag
|
Medewerkers en onderzoekers
Sponsor
Medewerkers
Onderzoekers
- Hoofdonderzoeker: Patrick Schoettker, Assoc Prof, University of Lausanne Hospitals
Studie record data
Bestudeer belangrijke data
Studie start
Primaire voltooiing (Verwacht)
Studie voltooiing
Studieregistratiedata
Eerst ingediend
Eerst ingediend dat voldeed aan de QC-criteria
Eerst geplaatst (Schatting)
Updates van studierecords
Laatste update geplaatst (Werkelijk)
Laatste update ingediend die voldeed aan QC-criteria
Laatst geverifieerd
Meer informatie
Termen gerelateerd aan deze studie
Trefwoorden
Andere studie-ID-nummers
- 183/09
- CTI (Swiss Commission Technology and Innovation 12636.1)
Deze informatie is zonder wijzigingen rechtstreeks van de website clinicaltrials.gov gehaald. Als u verzoeken heeft om uw onderzoeksgegevens te wijzigen, te verwijderen of bij te werken, neem dan contact op met register@clinicaltrials.gov. Zodra er een wijziging wordt doorgevoerd op clinicaltrials.gov, wordt deze ook automatisch bijgewerkt op onze website .