AI Assisted Preoperative Assessment for ASA Classification and ICU Admission
20. august 2026 oppdatert av: Zeynep Lee, Bakirkoy Dr. Sadi Konuk Research and Training Hospital
AI Assisted Clinical Decision-making in Preoperative Anesthesia Assessment: a Comparision of Clinicians, ChatGPT and Gemini
This prospective observational study evaluates the performance of artificial intelligence (AI) models in preoperative anesthesia assessment.
Preoperative clinical data from adult patients undergoing elective surgery are independently evaluated by clinicians and AI models (ChatGPT and Gemini).
The study compares their assessments of American Society of Anesthesiologists (ASA) physical status classification and the predicted need for intensive care unit (ICU) admission within the first 24 hours after surgery.
Actual postoperative ICU admission is used as the clinical outcome for evaluating predictive performance.
No treatment or clinical decision is determined by the AI models, and patient management is performed according to routine clinical practice.
Studieoversikt
Status
Aktiv, ikke rekrutterende
Intervensjon / Behandling
Studietype
Observasjonsmessig
Registrering (Antatt)
2500
Kontakter og plasseringer
Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.
Studiesteder
-
-
Istanbul
-
Istanbul, Istanbul, Tyrkia (Türkiye), 34147
- Bakırkoy Dr. Sadi Konuk Training and Research 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
Ja
Prøvetakingsmetode
Ikke-sannsynlighetsprøve
Studiepopulasjon
Adult patients undergoing elective surgery who are evaluated in the preoperative anesthesia clinic at Bakirkoy Dr. Sadi Konuk Research and Training Hospital.
Beskrivelse
Inclusion Criteria:
- Age 18 years or older
- Scheduled for elective surgery
- Evaluated in the preoperative anesthesia clinic
- Provision of informed consent
Exclusion Criteria:
- Pregnancy
- Presence of an upper respiratory tract infection
- Active herpes infection or active wound and/or lesion in the anesthesia-related area
- Age under 18 years
- Emergency surgery
- Planned cardiovascular surgery
- Incomplete clinical data
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 |
|---|---|
|
elective surgical patients
Adult patients undergoing elective surgery who undergo routine preoperative anesthesia assessment.
Preoperative clinical data from each participant are independently evaluated by the clinician and the AI models ChatGPT and Gemini for ASA physical status classification and prediction of ICU admission within the first 24 postoperative hours.
AI assessments do not influence clinical management or patient care.
|
Preoperative clinical data are independently evaluated using ChatGPT and Gemini for ASA physical status classification and prediction of ICU admission within 24 hours after surgery.
AI-generated assessments are used for research purposes only and do not influence clinical decision-making or patient care.
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Agreement in ASA Physical Status Classification
Tidsramme: During preoperative assessment
|
Agreement between clinician-assigned and AI-generated ASA Physical Status classifications will be evaluated for ChatGPT and Gemini using linear weighted kappa statistics.
|
During preoperative assessment
|
Sekundære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Prediction of Postoperative ICU Admission
Tidsramme: Within the first 24 hours after surgery
|
The accuracy of preoperative predictions of postoperative ICU admission made by the clinician, ChatGPT, and Gemini will be evaluated against actual ICU admission occurring within the first 24 hours after surgery.
Sensitivity, specificity, positive predictive value, negative predictive value, and accuracy will be calculated for each evaluator.
|
Within the first 24 hours after surgery
|
Samarbeidspartnere og etterforskere
Det er her du vil finne personer og organisasjoner som er involvert i denne studien.
Etterforskere
- Studieleder: evrim kucur tülübaş, MD, Bakirkoy Dr. Sadi Konuk Research and Training Hospital
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)
16. februar 2026
Primær fullføring (Antatt)
20. august 2026
Studiet fullført (Antatt)
20. august 2026
Datoer for studieregistrering
Først innsendt
20. august 2026
Først innsendt som oppfylte QC-kriteriene
20. august 2026
Først lagt ut (Faktiske)
24. august 2026
Oppdateringer av studieposter
Sist oppdatering lagt ut (Faktiske)
24. august 2026
Siste oppdatering sendt inn som oppfylte QC-kriteriene
20. august 2026
Sist bekreftet
1. august 2026
Mer informasjon
Begreper knyttet til denne studien
Nøkkelord
Andre studie-ID-numre
- 2026/51
Plan for individuelle deltakerdata (IPD)
Planlegger du å dele individuelle deltakerdata (IPD)?
NEI
IPD-planbeskrivelse
Individual participant data will not be shared due to patient confidentiality and data protection considerations.
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. .