Klinisk datadrevet AI-modell for dødelighetsprediksjon etter hoftebrudd
Utvikling av en AI-modell basert på kliniske data for å forutsi 30-dagers og 1-års dødelighet etter hoftebruddoperasjon: En retrospektiv kohortstudie
Hoftebrudd er en betydelig årsak til sykdom og dødelighet, spesielt hos eldre pasienter. Nøyaktig prediksjon av postoperativ dødelighet er avgjørende for risikostratifisering og klinisk beslutningstaking. Tradisjonelle scoringssystemer, som Nottingham Hip Fracture Score, har begrensninger i å fange opp komplekse, ikke-lineære sammenhenger mellom kliniske variabler.
Denne retrospektive kohortstudien har som mål å utvikle og validere en kunstig intelligens-basert modell for å predikere 30-dagers dødelighet hos pasienter som gjennomgår hoftebrudd-kirurgi. Kliniske og laboratoriedata fra omtrent 1000 pasienter operert mellom 1. januar 2022 og 1. desember 2025 vil bli hentet fra elektroniske helsejournaler. Variabler inkluderer demografiske egenskaper, komorbiditeter, laboratorieparametere, perioperative data og postoperative komplikasjoner.
Ytelsen til den kunstige intelligens-modellen vil bli evaluert og sammenlignet med konvensjonelle risikoscoringssystemer. Studien søker å fastslå om KI-baserte tilnærminger kan gi forbedret prediktiv nøyaktighet for postoperativ dødelighet hos hoftebruddspasienter.
Studieoversikt
Status
Studietype
Registrering (Faktiske)
Kontakter og plasseringer
Studiesteder
-
-
-
Ankara, Tyrkia (Türkiye), 06200
- Dr. Abdurrahman Yurtaslan Ankara Oncology Training and Research Hospital
-
-
Deltakelseskriterier
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
- Voksen
- Eldre voksen
Tar imot friske frivillige
Prøvetakingsmetode
Studiepopulasjon
Denne studiepopulasjonen består av voksne pasienter som gjennomgikk kirurgisk behandling for hoftebrudd ved et tredjenivå onkologi-opplærings- og forskningssykehus mellom 1. januar 2022 og 1. desember 2025.
Kohorten er utledet retrospektivt fra elektroniske helsejournaler og inkluderer omtrent 1000 pasienter.
Populasjonen inkluderer individer med varierende demografiske egenskaper, komorbiditeter og perioperative risikoprofiler.
Kliniske data omfatter demografisk informasjon, baseline funksjonell og kognitiv status, komorbide tilstander, laboratorieparametere, intraoperative variabler og postoperative komplikasjoner.
Pasienter med malignitet og de som gjennomgår revisjonskirurgi er ekskludert.
Studiepopulasjonen representerer en klinisk kohort fra virkeligheten som brukes til å utvikle og validere en kunstig intelligens-basert modell for å forutsi 30-dagers postoperativ dødelighet etter hoftebrudd-kirurgi.
Beskrivelse
Inklusjonskriterier:
Pasienter som gjennomgikk kirurgisk behandling for hoftebrudd mellom 1. januar 2022 og 1. desember 2025 Alder ≥18 år Tilgjengelighet av fullstendige demografiske, kliniske og laboratoriedata i elektronisk helseregistersystem Dokumentert 30-dagers oppfølging eller dødsstatus
Eksklusjonskriterier:
Pasienter med malignitet Pasienter som gjennomgår revisjonshoftekirurgi Pasienter med manglende eller ufullstendige nøkkelkliniske eller laboratoriedata som kreves for analyse Pasienter med utilgjengelig eller udokumentert 30-dagers dødsstatus
Studieplan
Hvordan er studiet utformet?
Designdetaljer
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
30-dagers postoperative mortalitet
Tidsramme: 30 dager etter operasjonen og 1 år senere
|
Dødsfall av alle årsaker som inntreffer innen 30 dager etter hoftebruddoperasjon, fastsatt fra sykehusjournaler og elektroniske helsedata.
|
30 dager etter operasjonen og 1 år senere
|
Samarbeidspartnere og etterforskere
Publikasjoner og nyttige lenker
Generelle publikasjoner
- Ju M, Lee S, Marvich HM, Lin S. Accessing Alkoxy Radicals via Frustrated Radical Pairs: Diverse Oxidative Functionalizations of Tertiary Alcohols. J Am Chem Soc. 2024 Jul 24;146(29):19696-19703. doi: 10.1021/jacs.4c07125. Epub 2024 Jul 16.
- Wanchaijiraboon P, Sainamthip P, Teeyapun N, Luangdilok S, Poovorawan Y, Wanlapakorn N, Tanasanvimon S, Sriuranpong V, Susiriwatananont T, Zungsontiporn N, Pakvisal N. Safety Following COVID-19 Booster Vaccine with BNT162b2 Compared to mRNA-1273 in Solid Cancer Patients Previously Vaccinated with ChAdOx1 or CoronaVac. Vaccines (Basel). 2023 Feb 3;11(2):356. doi: 10.3390/vaccines11020356.
- Gonzalez Martinez J, Chen JJ, Aung T, Constantine T, Gonzalez-Martinez JA. Comparative Feasibility and Complication Analyses of Extraoperative (Bedside) Removal of Stereo-Electroencephalography Electrodes. Stereotact Funct Neurosurg. 2025;103(5):302-311. doi: 10.1159/000545984. Epub 2025 Apr 23.
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 (Faktiske)
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
Ytterligere relevante MeSH-vilkår
Andre studie-ID-numre
- 2025-12/209
Plan for individuelle deltakerdata (IPD)
Planlegger du å dele individuelle deltakerdata (IPD)?
IPD-planbeskrivelse
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. .