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

External Validation of AI-Aided Weaning Software Using Multicenter Retrospective Data

17. juni 2026 oppdatert av: Chieh-Liang Wu, Taichung Veterans General Hospital

Using Multicenter Retrospective Data to Validate the Performance of AI-Aided Weaning Software

This multicenter retrospective study aims to externally validate an artificial intelligence-aided weaning software developed using intensive care unit data from Taichung Veterans General Hospital between 2015 and 2019. The model predicts the optimal timing for extubation using routinely collected clinical variables including ventilator parameters, physiologic measurements, and fluid and nutrition information. De-identified data from four hospitals collected between 2020 and 2024 will be used to evaluate model performance. Performance metrics include sensitivity, specificity, accuracy, area under the receiver operating characteristic curve (AUROC), and F1 score.

Studieoversikt

Detaljert beskrivelse

Critical care generates a large amount of digitized clinical data that may benefit from artificial intelligence-assisted decision support. The AI-Aided Weaning Software was previously developed using ICU data from Taichung Veterans General Hospital collected between 2015 and 2019.

This retrospective multicenter validation study will evaluate the external performance of the established model using independent datasets from four hospitals in Taiwan, including Taichung Veterans General Hospital, Mackay Memorial Hospital, Kaohsiung Medical University Chung-Ho Memorial Hospital, and Tungs' Taichung MetroHarbor Hospital.

The study population includes adult ICU patients with respiratory failure who received mechanical ventilation for at least 72 hours between January 2020 and December 2024. De-identified routine clinical records will be collected according to a predefined case report form and analyzed centrally.

The primary objective is to assess the external validity of the AI-Aided Weaning Software across different hospitals. Model performance will be evaluated using sensitivity, specificity, accuracy, AUROC, and F1 score.

Studietype

Observasjonsmessig

Registrering (Faktiske)

1500

Kontakter og plasseringer

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

Studiesteder

      • Taichung, Taiwan
        • Taichung Veterans General 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

Adult patients with acute respiratory failure who were admitted to participating hospitals between January 2022 and December 2024 and required invasive mechanical ventilation for at least 24 hours. This is a retrospective study using existing clinical and imaging data for model validation.

Beskrivelse

Inclusion Criteria:

  • Adult patients aged 20 years or older.
  • Admitted to the intensive care unit (ICU) at one of the participating hospitals between January 1, 2020 and December 31, 2024.
  • Received invasive mechanical ventilation for at least 72 hours.
  • Availability of de-identified clinical data required for model validation.

Exclusion Criteria:

  • Patients who did not receive invasive mechanical ventilation.
  • Duration of mechanical ventilation less than 72 hours.
  • Missing key clinical variables required for model validation.

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
Mechanically Ventilated ICU Patients
Adult intensive care unit patients aged 20 years or older who received invasive mechanical ventilation for at least 72 hours between January 2020 and December 2024 at four participating hospitals. Retrospective de-identified clinical data were used to validate the performance of AI-Aided Weaning Software.

Hva måler studien?

Primære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Model Performance (AUROC)
Tidsramme: Using data collected during ICU admission
Area under the receiver operating characteristic curve (AUROC) for predicting successful extubation. AUROC ranges from 0.5 to 1.0, with higher values indicating better discriminative performance of the prediction model.
Using data collected during ICU admission

Sekundære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Sensitivity
Tidsramme: ICU admission
SensitivitySensitivity of the prediction model for successful extubation. Sensitivity ranges from 0 to 1 (or 0% to 100%), with higher values indicating better identification of patients who achieve successful extubation.
ICU admission
Specificity
Tidsramme: ICU admission
Specificity of the prediction model for successful extubation. Specificity ranges from 0 to 1 (or 0% to 100%), with higher values indicating better identification of patients who do not achieve successful extubation.
ICU admission
Accuracy
Tidsramme: ICU admission
Accuracy of the prediction model for successful extubation. Accuracy ranges from 0 to 1 (or 0% to 100%), with higher values indicating better overall prediction performance.
ICU admission
F1 Score
Tidsramme: ICU admission
F1 score of the prediction model for successful extubation. F1 score ranges from 0 to 1, with higher values indicating better balance between precision and recall.
ICU admission

Samarbeidspartnere og etterforskere

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

Publikasjoner og nyttige lenker

Den som er ansvarlig for å legge inn informasjon om studien leverer frivillig disse publikasjonene. Disse kan handle om alt relatert til studiet.

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)

31. desember 2024

Studiet fullført (Faktiske)

31. desember 2024

Datoer for studieregistrering

Først innsendt

14. juni 2026

Først innsendt som oppfylte QC-kriteriene

14. juni 2026

Først lagt ut (Faktiske)

18. juni 2026

Oppdateringer av studieposter

Sist oppdatering lagt ut (Faktiske)

22. juni 2026

Siste oppdatering sendt inn som oppfylte QC-kriteriene

17. juni 2026

Sist bekreftet

1. juni 2026

Mer informasjon

Begreper knyttet til denne studien

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

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