Denne siden ble automatisk oversatt og nøyaktigheten av oversettelsen er ikke garantert. Vennligst referer til engelsk versjon for en kildetekst.

Prediction of Post-Spinal Hypotension During Cesarean Delivery Using Machine Learning Algorithms

15. november 2026 oppdatert av: İlke Dolgun, Istinye University

Prediction of Hypotension Following Spinal Anesthesia During Cesarean Delivery Using Machine Learning Algorithms: A Retrospective Training and Prospective Validation Study

This study aims to develop and prospectively validate machine learning models for predicting hypotension following spinal anesthesia in pregnant women undergoing elective cesarean delivery. The study consists of two cohorts: a retrospective training cohort including at least 200 patients and an independent prospective validation cohort including 50 patients.

Three machine learning algorithms (Random Forest, XGBoost, and Logistic Regression) will be trained using preoperative demographic, anthropometric, and baseline hemodynamic variables, including age, body mass index, parity, gestational age, baseline systolic blood pressure, and baseline heart rate.

The primary outcome is post-spinal hypotension, defined as a decrease in systolic blood pressure of at least 20% from baseline and/or the requirement for vasopressor administration within the first 15 minutes after spinal anesthesia.

The best-performing model will be evaluated in the independent prospective cohort to assess its predictive performance in a real clinical setting.

Studieoversikt

Status

Har ikke rekruttert ennå

Forhold

Studietype

Observasjonsmessig

Registrering (Antatt)

250

Kontakter og plasseringer

Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.

Studiekontakt

Studiesteder

    • Merkez Mahallesi
      • Istanbul, Merkez Mahallesi, Tyrkia (Türkiye), 34250
        • Istinye Üniversity

Deltakelseskriterier

Forskere ser etter personer som passer til en bestemt beskrivelse, kalt kvalifikasjonskriterier. Noen eksempler på disse kriteriene er en persons generelle helsetilstand eller tidligere behandlinger.

Kvalifikasjonskriterier

Alder som er kvalifisert for studier

18 år til 45 år (Voksen)

Tar imot friske frivillige

Nei

Kjønn som er kvalifisert for studier

Hunn

Prøvetakingsmetode

Ikke-sannsynlighetsprøve

Studiepopulasjon

The study population will consist of pregnant women aged 18-45 years with ASA physical status I-II, singleton pregnancies, and scheduled for elective cesarean delivery under spinal anesthesia. The study will include two cohorts: a retrospective training cohort of at least 200 eligible patients identified from hospital records between January 1, 2025, and October 1, 2026, and an independent prospective validation cohort of 50 eligible pregnant women. Participants will be assessed according to predefined inclusion and exclusion criteria. The study population will include women with no history of chronic hypertension or preeclampsia/eclampsia and without contraindications to neuraxial anesthesia.

Beskrivelse

Inclusion Criteria:

  • Age between 18 and 45 years.
  • ASA physical status I-II.
  • Singleton pregnancy.
  • Scheduled for elective cesarean delivery under spinal anesthesia.

Exclusion Criteria:

  • Multiple pregnancy.
  • Emergency cesarean delivery, including cases of fetal distress.
  • Chronic hypertension.
  • History of preeclampsia or eclampsia.
  • Contraindications to neuraxial anesthesia.

Studieplan

Denne delen gir detaljer om studieplanen, inkludert hvordan studien er utformet og hva studien måler.

Hvordan er studiet utformet?

Designdetaljer

  • Observasjonsmodeller: COHORT
  • Tidsperspektiver: OTHER

Hva måler studien?

Primære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Predictive Performance of Machine Learning Models for Post-Spinal Hypotension
Tidsramme: Within the first 15 minutes following spinal anesthesia.

The predictive performance of machine learning models (Random Forest, XGBoost, and Logistic Regression) for identifying post-spinal hypotension will be evaluated using the area under the receiver operating characteristic curve (AUC-ROC). Post-spinal hypotension is defined as a decrease in systolic blood pressure of at least 20% from baseline and/or the requirement for vasopressor administration within the first 15 minutes following spinal anesthesia. Models will be developed using the retrospective training cohort and evaluated in the independent prospective validation cohort.

Within the first 15 minutes following spinal anesthesia.

Samarbeidspartnere og etterforskere

Det er her du vil finne personer og organisasjoner som er involvert i denne studien.

Sponsor

Publikasjoner og nyttige lenker

Den som er ansvarlig for å legge inn informasjon om studien leverer frivillig disse publikasjonene. Disse kan handle om alt relatert til studiet.

Studierekorddatoer

Disse datoene sporer fremdriften for innsending av studieposter og sammendragsresultater til ClinicalTrials.gov. Studieposter og rapporterte resultater gjennomgås av National Library of Medicine (NLM) for å sikre at de oppfyller spesifikke kvalitetskontrollstandarder før de legges ut på det offentlige nettstedet.

Studer hoveddatoer

Studiestart (Antatt)

21. november 2026

Primær fullføring (Antatt)

21. januar 2027

Studiet fullført (Antatt)

1. februar 2027

Datoer for studieregistrering

Først innsendt

15. november 2026

Først innsendt som oppfylte QC-kriteriene

15. november 2026

Først lagt ut (Faktiske)

19. november 2026

Oppdateringer av studieposter

Sist oppdatering lagt ut (Faktiske)

19. november 2026

Siste oppdatering sendt inn som oppfylte QC-kriteriene

15. november 2026

Sist bekreftet

1. november 2026

Mer informasjon

Begreper knyttet til denne studien

Andre studie-ID-numre

  • HASEKI-CS-ML-2026

Legemiddel- og utstyrsinformasjon, studiedokumenter

Studerer et amerikansk FDA-regulert medikamentprodukt

Nei

Studerer et amerikansk FDA-regulert enhetsprodukt

Nei

Denne informasjonen ble hentet direkte fra nettstedet clinicaltrials.gov uten noen endringer. Hvis du har noen forespørsler om å endre, fjerne eller oppdatere studiedetaljene dine, vennligst kontakt register@clinicaltrials.gov. Så snart en endring er implementert på clinicaltrials.gov, vil denne også bli oppdatert automatisk på nettstedet vårt. .