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

AI-Based Prediction of Difficult Airway in Bariatric Surgery (AI-Airway)

18. juni 2026 oppdatert av: Muhammed Başpınar, Elazıg Fethi Sekin Sehir Hastanesi

Artificial Intelligence-Based Prediction of Difficult Airway in Bariatric Surgery: A Prospective Evaluation of Preoperative Airway Predictors

The aim of this prospective study is to evaluate the accuracy of artificial intelligence (AI) and machine learning algorithms in predicting difficult airways in patients undergoing bariatric surgery. Preoperative airway assessments, including the Upper Lip Bite Test (UBLT), Mallampati score, Body Mass Index (BMI), thyromental distance (TMD), and sternomental distance (SMD), will be recorded. The study investigates whether AI models can provide higher sensitivity and specificity in predicting difficult intubation compared to traditional clinical scoring systems in the obese patient population.

Studieoversikt

Status

Rekruttering

Forhold

Intervensjon / Behandling

Studietype

Observasjonsmessig

Registrering (Antatt)

340

Kontakter og plasseringer

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

Studiekontakt

Studiesteder

  • Tyrkia (Türkiye)
    • Elâzığ
      • Elâzığ, Elâzığ, Tyrkia (Türkiye), 23100
        • Rekruttering
        • Fethi Sekin City Hospital
        • Ta kontakt med:

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

Ja

Prøvetakingsmetode

Ikke-sannsynlighetsprøve

Studiepopulasjon

The study population consists of adult obese patients (BMI ≥ 35 kg/m²) undergoing elective bariatric surgery under general anesthesia in a tertiary academic medical center. This population represents individuals at a higher baseline risk for difficult airway management and intubation.

Beskrivelse

Inclusion Criteria:

  1. Adult patients aged 18 to 65 years.
  2. Scheduled for elective bariatric surgery under general anesthesia.
  3. Body Mass Index (BMI) ≥ 35 kg/m².
  4. Consenting to participate in the study.

Exclusion Criteria:

  1. Patients with known upper airway anatomical deformities, head and neck tumors, or a history of head/neck radiotherapy.
  2. History of maxillofacial, airway, or cervical spine surgery.
  3. Emergency surgeries.
  4. Patients requiring planned awake fiberoptic intubation based on obvious preoperative clinical indicators.

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
Intervensjon / Behandling
Bariatric Surgery Patients
Patients scheduled for elective bariatric surgery under general anesthesia who undergo preoperative airway assessment using clinical and morphometric predictors.
Diagnostisk test: Preoperative Airway Assessment and Direct Laryngoscopy
Measurement of preoperative airway parameters including Upper Lip Bite Test (UBLT), Mallampati score, Body Mass Index (BMI), thyromental distance, and sternomental distance. Intraoperative airway view is graded using the Cormack-Lehane classification during standard direct laryngoscopy.
Andre navn:
  • Upper Lip Bite Test
  • Modified Mallampati Score
  • Thyromental Distance
  • Sternomental Distance
  • Cormack-Lehane Grading

Hva måler studien?

Primære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Diagnostic Accuracy of the Artificial Intelligence Model in Predicting Difficult Intubation
Tidsramme: Intraoperative (assessed during the primary intubation attempt)
The predictive performance of the AI model will be evaluated by comparing its preoperative difficult airway prediction against the actual intraoperative direct laryngoscopy view. The intraoperative view is graded using the Cormack-Lehane classification system. Grades 3 and 4 are clinically defined as difficult intubation, while Grades 1 and 2 are defined as easy intubation. The primary metric of diagnostic accuracy will be the Area Under the Receiver Operating Characteristic (AUC-ROC) curve.
Intraoperative (assessed during the primary intubation attempt)

Sekundære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Number of Intubation Attempts
Tidsramme: Intraoperative
Total number of direct laryngoscopy attempts required to achieve successful tracheal intubation.
Intraoperative
Need for Alternative Airway Management Techniques
Tidsramme: Intraoperative
The frequency of requiring alternative airway devices or strategies (e.g., video laryngoscope, bougie, or fiberoptic bronchoscope) to secure the airway after a primary direct laryngoscopy.
Intraoperative

Samarbeidspartnere og etterforskere

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

Sponsor

Elazıg Fethi Sekin Sehir Hastanesi

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)

21. mai 2026

Primær fullføring (Antatt)

1. september 2026

Studiet fullført (Antatt)

15. oktober 2026

Datoer for studieregistrering

Først innsendt

18. juni 2026

Først innsendt som oppfylte QC-kriteriene

18. juni 2026

Først lagt ut (Faktiske)

24. juni 2026

Oppdateringer av studieposter

Sist oppdatering lagt ut (Faktiske)

24. juni 2026

Siste oppdatering sendt inn som oppfylte QC-kriteriene

18. juni 2026

Sist bekreftet

1. juni 2026

Mer informasjon

Begreper knyttet til denne studien

Nøkkelord

Ytterligere relevante MeSH-vilkår

Andre studie-ID-numre

  • 2026/30-28

Plan for individuelle deltakerdata (IPD)

Planlegger du å dele individuelle deltakerdata (IPD)?

JA

IPD-planbeskrivelse

De-identified individual participant data (including preoperative clinical/morphometric airway measurements and intraoperative Cormack-Lehane grades) underlying the results reported in the final publication will be shared to promote transparency and reproducibility in machine learning models.

Tilgangskriterier for IPD-deling

Data will be shared upon reasonable request with qualified researchers who provide a methodologically sound proposal. Proposals should be directed to the corresponding author's email. To gain access, data requestors will need to sign a data access agreement.

IPD-deling Støtteinformasjonstype

  • STUDY_PROTOCOL
  • SEVJE

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