Deze pagina is automatisch vertaald en de nauwkeurigheid van de vertaling kan niet worden gegarandeerd. Raadpleeg de Engelse versie voor een brontekst.

AI-Based Prediction of Difficult Airway in Bariatric Surgery (AI-Airway)

18 juni 2026 bijgewerkt door: Muhammed Başpınar, Elazıg Fethi Sekin Sehir Hastanesi

Artificial Intelligence-Based Prediction of Difficult Airway in Bariatric Surgery: A Prospective Evaluation of Preoperative Airway Predictors

The aim of this prospective study is to evaluate the accuracy of artificial intelligence (AI) and machine learning algorithms in predicting difficult airways in patients undergoing bariatric surgery. Preoperative airway assessments, including the Upper Lip Bite Test (UBLT), Mallampati score, Body Mass Index (BMI), thyromental distance (TMD), and sternomental distance (SMD), will be recorded. The study investigates whether AI models can provide higher sensitivity and specificity in predicting difficult intubation compared to traditional clinical scoring systems in the obese patient population.

Studie Overzicht

Toestand

Werving

Conditie

Interventie / Behandeling

Studietype

Observationeel

Inschrijving (Geschat)

340

Contacten en locaties

In dit gedeelte vindt u de contactgegevens van degenen die het onderzoek uitvoeren en informatie over waar dit onderzoek wordt uitgevoerd.

Studiecontact

Studie Locaties

  • Turkije (Türkiye)
    • Elâzığ
      • Elâzığ, Elâzığ, Turkije (Türkiye), 23100
        • Werving
        • Fethi Sekin City Hospital
        • Contact:

Deelname Criteria

Onderzoekers zoeken naar mensen die aan een bepaalde beschrijving voldoen, de zogenaamde geschiktheidscriteria. Enkele voorbeelden van deze criteria zijn iemands algemene gezondheidstoestand of eerdere behandelingen.

Geschiktheidscriteria

Leeftijden die in aanmerking komen voor studie

  • Volwassen
  • Oudere volwassene

Accepteert gezonde vrijwilligers

Ja

Bemonsteringsmethode

Niet-waarschijnlijkheidssteekproef

Studie Bevolking

The study population consists of adult obese patients (BMI ≥ 35 kg/m²) undergoing elective bariatric surgery under general anesthesia in a tertiary academic medical center. This population represents individuals at a higher baseline risk for difficult airway management and intubation.

Beschrijving

Inclusion Criteria:

  1. Adult patients aged 18 to 65 years.
  2. Scheduled for elective bariatric surgery under general anesthesia.
  3. Body Mass Index (BMI) ≥ 35 kg/m².
  4. Consenting to participate in the study.

Exclusion Criteria:

  1. Patients with known upper airway anatomical deformities, head and neck tumors, or a history of head/neck radiotherapy.
  2. History of maxillofacial, airway, or cervical spine surgery.
  3. Emergency surgeries.
  4. Patients requiring planned awake fiberoptic intubation based on obvious preoperative clinical indicators.

Studie plan

Dit gedeelte bevat details van het studieplan, inclusief hoe de studie is opgezet en wat de studie meet.

Hoe is de studie opgezet?

Ontwerpdetails

Cohorten en interventies

Groep / Cohort
Interventie / Behandeling
Bariatric Surgery Patients
Patients scheduled for elective bariatric surgery under general anesthesia who undergo preoperative airway assessment using clinical and morphometric predictors.
Diagnostische toets: Preoperative Airway Assessment and Direct Laryngoscopy
Measurement of preoperative airway parameters including Upper Lip Bite Test (UBLT), Mallampati score, Body Mass Index (BMI), thyromental distance, and sternomental distance. Intraoperative airway view is graded using the Cormack-Lehane classification during standard direct laryngoscopy.
Andere namen:
  • Upper Lip Bite Test
  • Modified Mallampati Score
  • Thyromental Distance
  • Sternomental Distance
  • Cormack-Lehane Grading

Wat meet het onderzoek?

Primaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Diagnostic Accuracy of the Artificial Intelligence Model in Predicting Difficult Intubation
Tijdsspanne: Intraoperative (assessed during the primary intubation attempt)
The predictive performance of the AI model will be evaluated by comparing its preoperative difficult airway prediction against the actual intraoperative direct laryngoscopy view. The intraoperative view is graded using the Cormack-Lehane classification system. Grades 3 and 4 are clinically defined as difficult intubation, while Grades 1 and 2 are defined as easy intubation. The primary metric of diagnostic accuracy will be the Area Under the Receiver Operating Characteristic (AUC-ROC) curve.
Intraoperative (assessed during the primary intubation attempt)

Secundaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Number of Intubation Attempts
Tijdsspanne: Intraoperative
Total number of direct laryngoscopy attempts required to achieve successful tracheal intubation.
Intraoperative
Need for Alternative Airway Management Techniques
Tijdsspanne: Intraoperative
The frequency of requiring alternative airway devices or strategies (e.g., video laryngoscope, bougie, or fiberoptic bronchoscope) to secure the airway after a primary direct laryngoscopy.
Intraoperative

Medewerkers en onderzoekers

Hier vindt u mensen en organisaties die betrokken zijn bij dit onderzoek.

Sponsor

Elazıg Fethi Sekin Sehir Hastanesi

Studie record data

Deze datums volgen de voortgang van het onderzoeksdossier en de samenvatting van de ingediende resultaten bij ClinicalTrials.gov. Studieverslagen en gerapporteerde resultaten worden beoordeeld door de National Library of Medicine (NLM) om er zeker van te zijn dat ze voldoen aan specifieke kwaliteitscontrolenormen voordat ze op de openbare website worden geplaatst.

Bestudeer belangrijke data

Studie start (Werkelijk)

21 mei 2026

Primaire voltooiing (Geschat)

1 september 2026

Studie voltooiing (Geschat)

15 oktober 2026

Studieregistratiedata

Eerst ingediend

18 juni 2026

Eerst ingediend dat voldeed aan de QC-criteria

18 juni 2026

Eerst geplaatst (Werkelijk)

24 juni 2026

Updates van studierecords

Laatste update geplaatst (Werkelijk)

24 juni 2026

Laatste update ingediend die voldeed aan QC-criteria

18 juni 2026

Laatst geverifieerd

1 juni 2026

Meer informatie

Termen gerelateerd aan deze studie

Trefwoorden

Aanvullende relevante MeSH-voorwaarden

Andere studie-ID-nummers

  • 2026/30-28

Plan Individuele Deelnemersgegevens (IPD)

Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?

JA

Beschrijving IPD-plan

De-identified individual participant data (including preoperative clinical/morphometric airway measurements and intraoperative Cormack-Lehane grades) underlying the results reported in the final publication will be shared to promote transparency and reproducibility in machine learning models.

IPD-toegangscriteria voor delen

Data will be shared upon reasonable request with qualified researchers who provide a methodologically sound proposal. Proposals should be directed to the corresponding author's email. To gain access, data requestors will need to sign a data access agreement.

IPD delen Ondersteunend informatietype

  • LEERPROTOCOOL
  • SAP

Informatie over medicijnen en apparaten, studiedocumenten

Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel

Nee

Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct

Nee

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 .

Abonneren