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

Utvikling av en skårings- og prediksjonsmodell for avvenningssuksess hos ARDS-pasienter som bruker ventilasjonsparametere kombinert med kunstig intelligens og dyplæringsteknikker

26. desember 2024 oppdatert av: Bakirkoy Dr. Sadi Konuk Research and Training Hospital
Denne studien har som mål å utvikle en AI-støttet skåringsmodell for å optimalisere avvenningsprosessene til ARDS-pasienter fra mekanisk ventilasjon. Retrospektiv analyse vil bli utført på data fra 25 000 pasienter, med fokus på ventilatorparametere og hemodynamiske variabler. Modellen skal utformes for å bidra til kliniske beslutningsstøttesystemer.

Studieoversikt

Status

Fullført

Forhold

Detaljert beskrivelse

Målet med denne studien er å utvikle et kunstig intelligens- og dyplæringsstøttet skåringssystem ved bruk av ventilatorparametere oppnådd under den mekaniske ventilasjonsprosessen hos pasienter diagnostisert med ARDS. Dette systemet søker å forutsi og optimalisere avvenningsprosessen, og lette vellykket frigjøring fra mekanisk ventilasjon.

I denne sammenheng vil vår studie analysere data fra 25 000 pasienter hentet fra Metavision-systemet. Fra denne datapoolen vil ARDS-pasienter bli filtrert og delt inn i to grupper: de som er vellykket avvent fra mekanisk ventilasjon (avvent) og de som ikke ble det (ikke-avvent). Ventilatorparametrene til begge gruppene, inkludert oksygeneringsindekser, drivtrykk og total mekanisk kraft, vil bli undersøkt i detalj.

De innsamlede dataene vil bli analysert ved hjelp av kunstig intelligens og dyplæringsalgoritmer for å utvikle et skåringssystem som er i stand til å forutsi pasientenes avvenningsprosesser. Dette systemet er utviklet for å veilede klinikere i pasientbehandling og øke suksessen med avvenningsprosedyrer.

Resultatene av denne studien tar sikte på å bidra til mer effektiv og tryggere håndtering av avvenningsprosessen for ARDS-pasienter. Videre forventes implementering av AI-støttede skåringssystemer i intensivavdelinger å fremme utbredt adopsjon og forbedre kvaliteten på pasientbehandlingen.

Studietype

Observasjonsmessig

Registrering (Faktiske)

25000

Kontakter og plasseringer

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

Studiesteder

  • Tyrkia
      • Istanbul, Tyrkia
        • Bakirkoy Dr Sadi Konuk Research and Training Hospital

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

  • Voksen
  • Eldre voksen

Tar imot friske frivillige

Nei

Prøvetakingsmetode

Ikke-sannsynlighetsprøve

Studiepopulasjon

Intuberte pasienter som diagnostiserte ARDS og fulgte opp på intensivavdelingen i mer enn 48 timer.

Beskrivelse

Inkluderingskriterier:

  • ARDS diagnose
  • 18 år og eldre
  • Intuberet og etterfulgt av Mekanisk ventilasjon
  • Innleggelse på intensivavdeling
  • Komplette data om klinisk støtte og beslutningssystem

Ekskluderingskriterier:

  • Manglende data
  • Under 18 år
  • Etterfulgt av ikke-ARDS-forhold
  • Terminalstatus

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
Avvent
De som ble avvent fra mekanisk ventilasjon
Ikke-avvent
De som ikke ble avvent fra mekanisk ventilasjon

Hva måler studien?

Primære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Vellykket avvenning
Tidsramme: 48 timer
Det primære resultatet av denne studien vil være vellykket avvenning fra mekanisk ventilasjon.
48 timer

Sekundære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Mekaniske ventilasjonsparametere
Tidsramme: 48 timer
Bestemme virkningen av mekanisk kraft på pasientresultater.
48 timer

Samarbeidspartnere og etterforskere

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

Sponsor

Bakirkoy Dr. Sadi Konuk Research and Training Hospital

Etterforskere

  • Studiestol: Zafer Cukurova, M.D, Bakırköy Dr. Sadi Konuk Training and Research 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 (Faktiske)

10. desember 2024

Primær fullføring (Faktiske)

24. desember 2024

Studiet fullført (Faktiske)

24. desember 2024

Datoer for studieregistrering

Først innsendt

11. desember 2024

Først innsendt som oppfylte QC-kriteriene

26. desember 2024

Først lagt ut (Faktiske)

25. mars 2025

Oppdateringer av studieposter

Sist oppdatering lagt ut (Faktiske)

25. mars 2025

Siste oppdatering sendt inn som oppfylte QC-kriteriene

26. desember 2024

Sist bekreftet

1. desember 2024

Mer informasjon

Begreper knyttet til denne studien

Nøkkelord

Ytterligere relevante MeSH-vilkår

Andre studie-ID-numre

  • 2024-12-07

Plan for individuelle deltakerdata (IPD)

Planlegger du å dele individuelle deltakerdata (IPD)?

NEI

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. .

Kliniske studier på Deep Learning

Søk i lignende forsøk

Sponsorer og samarbeidspartnere

Medisinsk tilstand

Legemiddelintervensjoner

CROs by country

CROs in Slovenia

Forhold

Sjeldne sykdommer

Legemiddelintervensjoner

Kosttilskudd

Sponsor / samarbeidspartnere

Steder

Abonnere