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

Deep Learning-rammeverk for kontinuerlig dybde av anestesi-prognostisering

10. april 2026 oppdatert av: Universitair Ziekenhuis Brussel

Validering av et dyp læringsrammeverk for kontinuerlig prognostisering av farmakodynamiske responser og fysiologiske trajektorier under generell anestesi

Integreringen av kunstig intelligens (KI) i anestesiologi tilbyr potensialet for å forskyve pasientoppfølging fra reaktiv til prediktiv. Dyp læringsarkitektur, spesielt Long Short-Term Memory (LSTM)-nettverk, utmerker seg i å behandle komplekse, tidsseriedata for å forutsi fremtidige kliniske tilstander.

Mens standard PK/PD-modeller (som den moderne Eleveld-modellen for Propofol og Remifentanil) estimerer målstedskonsentrasjoner av legemidler (Ce), tar de ikke hensyn til sanntids, pasientspesifikke dynamiske responser. Denne studien tar sikte på å implementere et KI-rammeverk designet for å forutsi fremtidige fysiologiske tilstander.

Studieoversikt

Status

Har ikke rekruttert ennå

Forhold

Studietype

Observasjonsmessig

Registrering (Antatt)

115

Kontakter og plasseringer

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

Studiekontakt

Studiesteder

  • Belgia
      • Bruges, Belgia, 8000
        • AZ Sint-Jan AV

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

Ja

Prøvetakingsmetode

Sannsynlighetsprøve

Studiepopulasjon

Pasienter som gjennomgår generell anestesi under kontinuerlig overvåking av anestesidybde.

Beskrivelse

Inklusjonskriterier:

  • Pasienter planlagt for elektiv kirurgi som krever generell anestesi.
  • Prosedyre som krever kontinuerlig overvåkning av anestesidybde (BIS).

Eksklusjonskriterier:

- Prosedyre der den primære anestesiplanen ikke involverer kontinuerlig elektronisk datainnsamling.

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
Prospektiv
Prospektiv kohort
Retrospektiv
Retrospektiv Kohort

Hva måler studien?

Primære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Kalibreringsfeil for den prediktive usikkerhetskjeglen
Tidsramme: Kontinuerlig - Perioperativ
Kalibreringsfeil for den prediktive usikkerhetskjeglen - Kalibreringsfeil for den prediktive usikkerhetskjeglen er avviket mellom en modells oppgitte konfidensnivå (f.eks. at den forutsier at 95% av fremtidige verdier vil falle innenfor et spesifikt område) og den faktiske frekvensen med hvilke de sanne verdiene faktisk havner innenfor den predikerte grensen.
Kontinuerlig - Perioperativ
Gjennomsnittlig absolutt feil (MAE)
Tidsramme: Kontinuerlig - perioperativ
Gjennomsnittlig absolutt feil (MAE)
Kontinuerlig - perioperativ
Trendnøyaktighet
Tidsramme: Kontinuerlig - perioperativ
Trendnøyaktighet måler en prediktiv modells evne til å korrekt forutsi fremtidig retning og endringshastighet for en variabel (som om en pasients anestesidybde aktivt lysner eller fordyper), uavhengig av den absolutte numeriske feilen på et hvilket som helst enkelt tidspunkt.
Kontinuerlig - perioperativ

Sekundære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Root Mean Square Error (RMSE)
Tidsramme: Kontinuerlig - perioperativ
Root Mean Square Error (RMSE)
Kontinuerlig - perioperativ

Samarbeidspartnere og etterforskere

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

Sponsor

Universitair Ziekenhuis Brussel

Samarbeidspartnere

AZ Sint-Jan AV

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 (Antatt)

1. juni 2026

Primær fullføring (Antatt)

1. august 2026

Studiet fullført (Antatt)

1. september 2026

Datoer for studieregistrering

Først innsendt

2. april 2026

Først innsendt som oppfylte QC-kriteriene

10. april 2026

Først lagt ut (Faktiske)

17. april 2026

Oppdateringer av studieposter

Sist oppdatering lagt ut (Faktiske)

17. april 2026

Siste oppdatering sendt inn som oppfylte QC-kriteriene

10. april 2026

Sist bekreftet

1. mars 2026

Mer informasjon

Begreper knyttet til denne studien

Ytterligere relevante MeSH-vilkår

Andre studie-ID-numre

  • AIBIS

Plan for individuelle deltakerdata (IPD)

Planlegger du å dele individuelle deltakerdata (IPD)?

UBESLUTTE

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