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

Artificial Intelligence and Postoperative Acute Kidney Injury

8. januar 2021 oppdatert av: Hyung-Chul Lee, Seoul National University Hospital

Development and Prospective Validation of an Artificial Intelligence Model to Predict Postoperative Acute Kidney Injury

The main objective of this study is to develop and validate an artificial intelligence model that predicts postoperative acute kidney injury.

Studieoversikt

Status

Ukjent

Forhold

Intervensjon / Behandling

Detaljert beskrivelse

Postoperative acute kidney injury is known to increase the length of hospital stay and healthcare cost. A lot of risk prediction models have been developed for identifying patients at increased risk of postoperative acute kidney injury. Recent advances in artificial intelligence make it possible to manage and analyze big data. Prediction model using an artificial intelligence and large-scale data can improve the accuracy of prediction performance. Furthermore, the use of an artificial intelligence may be a useful adjuvant tool in making clinical decisions or real-time prediction if it is integrated into the electrical medical record systems. However, before implementing an artificial intelligence model into the clinical setting, prospective evaluation of an artificial intelligence model's real performance is essential. However, to our knowledge, there was no artificial intelligence model for prediction of postoperative acute kidney injury, which was prospectively evaluated. Therefore, we aimed to develop an artificial intelligence model which predicts postoperative acute kidney injury and evaluate the model's performance prospectively.

Studietype

Observasjonsmessig

Registrering (Forventet)

2000

Kontakter og plasseringer

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

Studiesteder

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 og eldre (Voksen, Eldre voksen)

Tar imot friske frivillige

N/A

Kjønn som er kvalifisert for studier

Alle

Prøvetakingsmetode

Ikke-sannsynlighetsprøve

Studiepopulasjon

Adults patients undergoing non-cardiac surgery

Beskrivelse

Inclusion Criteria:

  • Adults patients undergoing non-cardiac surgery

Exclusion Criteria:

  • Age under 18 years
  • Surgery duration < 1 hour
  • Transplantation surgery
  • Nephrectomy
  • Cardiac surgery
  • Patients who had severe kidney dysfunction preoperatively as follows:
  • Serum creatinine ≥ 4 mg/dl
  • Estimated glomerular filtration rate <15 ml/min/1.73m2
  • History of renal replacement therapy
  • Patients who had no results of preoperative or postoperative serum creatinine

Studieplan

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

Hvordan er studiet utformet?

Designdetaljer

Kohorter og intervensjoner

Gruppe / Kohort
Intervensjon / Behandling
AI_AKI
Adults patients undergoing non-cardiac surgery
Diagnostisk test: Prediction of postoperative acute kidney injury using an artificial intelligence
The performance of an artificial intelligence model to predict postoperative acute kidney injury will be tested prospectively.

Hva måler studien?

Primære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
the incidence of postoperative acute kidney injury
Tidsramme: during the postoperative seven days
postoperative acute kidney injury (diagnosed by KDIGO criteria using peak serum creatinine level) included all acute kidney injury events regardless of acute kidney injury severity
during the postoperative seven days

Samarbeidspartnere og etterforskere

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

Sponsor

Seoul National University Hospital

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 (Forventet)

1. mars 2021

Primær fullføring (Forventet)

31. mai 2021

Studiet fullført (Forventet)

1. februar 2022

Datoer for studieregistrering

Først innsendt

8. januar 2021

Først innsendt som oppfylte QC-kriteriene

8. januar 2021

Først lagt ut (Faktiske)

12. januar 2021

Oppdateringer av studieposter

Sist oppdatering lagt ut (Faktiske)

12. januar 2021

Siste oppdatering sendt inn som oppfylte QC-kriteriene

8. januar 2021

Sist bekreftet

1. januar 2021

Mer informasjon

Begreper knyttet til denne studien

Nøkkelord

Ytterligere relevante MeSH-vilkår

Andre studie-ID-numre

  • 2012-069-1180

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. .

Abonnere