Utvikling av en kunstig intelligensbasert modell for å forutsi vanskelig intubasjon ved hjelp av video laryngoskopiske bilder og Cormack-Lehane-klassifisering
Studieoversikt
Status
Forhold
Studietype
Registrering (Faktiske)
Kontakter og plasseringer
Studiesteder
-
-
Merkez
-
Düzce, Merkez, Tyrkia (Türkiye)
- Duzce University Faculty of Medicine, Department of Anesthesiology and Reanimation
-
-
Deltakelseskriterier
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
- Voksen
- Eldre voksen
Tar imot friske frivillige
Prøvetakingsmetode
Studiepopulasjon
Studiepopulasjonen vil bestå av voksne pasienter som gjennomgår elektiv kirurgi under generell anestesi ved operasjonsrommene til Düzce University Medical Fakultetssykehus. Alle pasienter vil få luftveiene vurdert ved bruk av videoryngoskopi som en del av rutinemessig anestesiinduksjon. Bare pasienter uten kjente øvre luftveispatologi vil bli inkludert.
Pasienter vil bli prospektivt og fortløpende rekruttert. Video laryngoskopi -bilder blir tatt under intubasjon og brukt til maskinlæringsanalyse. Cormack-Lehane-karakteren vil bli bekreftet uavhengig av to erfarne anestesileger. Pasienter vil bli klassifisert i normale og vanskelige intubasjonsgrupper.
Beskrivelse
Inkluderingskriterier:
- 18-65 år
Valgfri kirurgi
ASA I-II
Ingen øvre luftveispatologi
Eksklusjonskriterier:
- Kjent historie med vanskelig intubasjon
Morbid overvekt (BMI> 40)
Svangerskap
Historien om øvre luftveisoperasjoner
Studieplan
Hvordan er studiet utformet?
Designdetaljer
Kohorter og intervensjoner
Gruppe / Kohort |
|---|
|
Gruppe 1: Normal intubasjonsgruppe
Intubasjoner hos pasienter vurdert som Cormack-Lehane (CL) klasse 1-2.
|
|
Vanskelig intubasjonsgruppe
Intubasjoner hos pasienter evaluert som Cormack-Lehane klasse 3-4.
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Nøyaktighet av maskinlæringsmodell for å forutsi vanskelig intubasjon basert på videobilder med video laryngoskopi
Tidsramme: Umiddelbart etter datainnsamling og modellopplæring
|
Det primære utfallet er klassifiseringsnøyaktigheten til maskinlæringsalgoritmen i å identifisere vanskelige intubasjonssaker (Cormack-Lehane grad 3-4) fra videobilder med video laryngoskopi, sammenlignet med ekspertanestesiologers konsensus.
Nøyaktighet vil bli rapportert i prosent.
|
Umiddelbart etter datainnsamling og modellopplæring
|
Samarbeidspartnere og etterforskere
Sponsor
Studierekorddatoer
Studer hoveddatoer
Studiestart (Faktiske)
Primær fullføring (Faktiske)
Studiet fullført (Faktiske)
Datoer for studieregistrering
Først innsendt
Først innsendt som oppfylte QC-kriteriene
Først lagt ut (Antatt)
Oppdateringer av studieposter
Sist oppdatering lagt ut (Faktiske)
Siste oppdatering sendt inn som oppfylte QC-kriteriene
Sist bekreftet
Mer informasjon
Begreper knyttet til denne studien
Andre studie-ID-numre
- 2025/183
Legemiddel- og utstyrsinformasjon, studiedokumenter
Studerer et amerikansk FDA-regulert medikamentprodukt
Studerer et amerikansk FDA-regulert enhetsprodukt
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. .