Maskinlæringsmodeller for å forutsi uforutsette sykehusinnleggelser eller utskrivninger etter anestesi
16. oktober 2024 oppdatert av: Rémi Florquin, HUmani
Uventede sykehusinnleggelser etter ambulerende kirurgi gir ikke bare ubehag for pasientene, men fører også til en reduksjon i effektiviteten til helsevesenet.
I tillegg medfører uventet pasientorientering risiko for uegnede postoperative ordrer.
Vår hypotese er at kunstig intelligens-modeller vil utkonkurrere tradisjonelle modeller når det gjelder å forutsi hvilke pasienter som vil trenge sykehusinnleggelse etter ambulerende operasjon eller uforutsett sykehusutskrivning etter operasjon.
Studieoversikt
Status
Fullført
Intervensjon / Behandling
Studietype
Observasjonsmessig
Registrering (Faktiske)
68683
Kontakter og plasseringer
Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.
Studiesteder
-
-
-
Mons, Belgia, 7000
- Université de Mons
-
-
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
- Barn
- Voksen
- Eldre voksen
Tar imot friske frivillige
Nei
Prøvetakingsmetode
Ikke-sannsynlighetsprøve
Studiepopulasjon
Alle innlagte eller polikliniske pasienter som har gjennomgått anestesi for et diagnostisk eller terapeutisk inngrep, i planlagt eller akutt tilstand, på institusjonens sykehus.
Beskrivelse
Inkluderingskriterier:
- Pasient som gjennomgår anestesi for en terapeutisk eller diagnostisk prosedyre
Ekskluderingskriterier:
- Ufullstendige informatiske data
- Feil i kodingssystemet
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 |
|---|---|
|
Ambulante pasienter
Pasient som gjennomgår anestesi i ambulerende omgivelser.
|
Målet med dette prosjektet er å utvikle modeller for å forutsi i den preoperative perioden hvilke pasienter som vil trenge sykehusinnleggelse etter ambulerende kirurgi eller uforutsett sykehusutskrivning etter operasjon
|
|
Innlagte pasienter
Pasient som gjennomgår anestesi i sykehusinnleggelse.
|
Målet med dette prosjektet er å utvikle modeller for å forutsi i den preoperative perioden hvilke pasienter som vil trenge sykehusinnleggelse etter ambulerende kirurgi eller uforutsett sykehusutskrivning etter operasjon
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Frekvens for pasientomorientering
Tidsramme: På operasjonsdagen
|
Frekvens for uforutsett sykehusinnleggelse etter en ambulant operasjon og utskrivningshastighet etter en sykehusinnlagt operasjon
|
På operasjonsdagen
|
Samarbeidspartnere og etterforskere
Det er her du vil finne personer og organisasjoner som er involvert i denne studien.
Sponsor
Etterforskere
- Hovedetterforsker: Rémi Florquin, MD, Université de Mons, Belgium
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 (Faktiske)
1. januar 2020
Primær fullføring (Faktiske)
30. juni 2024
Studiet fullført (Faktiske)
30. juli 2024
Datoer for studieregistrering
Først innsendt
30. august 2024
Først innsendt som oppfylte QC-kriteriene
30. august 2024
Først lagt ut (Faktiske)
3. september 2024
Oppdateringer av studieposter
Sist oppdatering lagt ut (Faktiske)
18. oktober 2024
Siste oppdatering sendt inn som oppfylte QC-kriteriene
16. oktober 2024
Sist bekreftet
1. oktober 2024
Mer informasjon
Begreper knyttet til denne studien
Nøkkelord
Ytterligere relevante MeSH-vilkår
Andre studie-ID-numre
- HUmani_ODanesth
Plan for individuelle deltakerdata (IPD)
Planlegger du å dele individuelle deltakerdata (IPD)?
NEI
IPD-planbeskrivelse
Vi er ikke autorisert til å publisere sensitive data etter avgjørelse fra den etiske komiteen
Legemiddel- og utstyrsinformasjon, studiedokumenter
Studerer et amerikansk FDA-regulert medikamentprodukt
Nei
Studerer et amerikansk FDA-regulert enhetsprodukt
Nei
produkt produsert i og eksportert fra USA
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. .