Ontwikkeling van een op kunstmatige intelligentie gebaseerd model voor het voorspellen van moeilijke intubatie met behulp van video-laryngoscopische afbeeldingen en classificatie van Cormack-Lehane
Studie Overzicht
Toestand
Conditie
Studietype
Inschrijving (Werkelijk)
Contacten en locaties
Studie Locaties
-
-
Merkez
-
Düzce, Merkez, Turkije (Türkiye)
- Duzce University Faculty of Medicine, Department of Anesthesiology and Reanimation
-
-
Deelname Criteria
Geschiktheidscriteria
Leeftijden die in aanmerking komen voor studie
- Volwassen
- Oudere volwassene
Accepteert gezonde vrijwilligers
Bemonsteringsmethode
Studie Bevolking
De onderzoekspopulatie zal bestaan uit volwassen patiënten die een electieve chirurgie ondergaan onder algemene anesthesie in de operatiekamers van het Düzce University Medical Faculty Faculty Hospital. Alle patiënten zullen hun luchtwegen laten beoordeeld met behulp van video -laryngoscopie als onderdeel van routinematige anesthesie -inductie. Alleen patiënten zonder bekende bovenste luchtwegpathologie zullen worden opgenomen.
Patiënten worden prospectief en opeenvolgend aangeworven. Video -laryngoscopie -afbeeldingen worden vastgelegd tijdens intubatie en worden gebruikt voor analyse van machine learning. De Cormack-Lehane-kwaliteit wordt onafhankelijk bevestigd door twee ervaren anesthesiologen. Patiënten worden ingedeeld in normale en moeilijke intubatiegroepen.
Beschrijving
Inclusiecriteria:
- 18-65 jaar
Electieve operatie
Asa i-ii
Geen bovenste luchtwegpathologie
Uitsluitingscriteria:
- Bekende geschiedenis van moeilijke intubatie
Morbide obesitas (BMI> 40)
Zwangerschap
Geschiedenis van hogere luchtwegoperatie
Studie plan
Hoe is de studie opgezet?
Ontwerpdetails
Cohorten en interventies
Groep / Cohort |
|---|
|
Groep 1: Normale intubatiegroep
Intubaties bij patiënten beoordeeld als Cormack-Lehane (CL) klasse 1-2.
|
|
Moeilijke intubatiegroep
Intubaties bij patiënten geëvalueerd als Cormack-Lehane Klasse 3-4.
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Nauwkeurigheid van machine learning -model bij het voorspellen van moeilijke intubatie op basis van video -laryngoscopiebeelden
Tijdsspanne: Onmiddellijk na het verzamelen van gegevens en modelopleiding
|
Het primaire resultaat is de classificatienauwkeurigheid van het machine learning-algoritme bij het identificeren van moeilijke intubatie-gevallen (Cormack-Lehaan graad 3-4) van video-laryngoscopiebeelden, vergeleken met de consensus van deskundige anesthesiologen.
Nauwkeurigheid zal als een percentage worden gerapporteerd.
|
Onmiddellijk na het verzamelen van gegevens en modelopleiding
|
Medewerkers en onderzoekers
Sponsor
Studie record data
Bestudeer belangrijke data
Studie start (Werkelijk)
Primaire voltooiing (Werkelijk)
Studie voltooiing (Werkelijk)
Studieregistratiedata
Eerst ingediend
Eerst ingediend dat voldeed aan de QC-criteria
Eerst geplaatst (Geschat)
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
- 2025/183
Informatie over medicijnen en apparaten, studiedocumenten
Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel
Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct
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 .