Ta strona została przetłumaczona automatycznie i dokładność tłumaczenia nie jest gwarantowana. Proszę odnieść się do angielska wersja za tekst źródłowy.

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

17 czerwca 2026 zaktualizowane przez: 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.

Przegląd badań

Status

Zakończony

Warunki

Szczegółowy opis

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.

Typ studiów

Obserwacyjny

Zapisy (Rzeczywisty)

1500

Kontakty i lokalizacje

Ta sekcja zawiera dane kontaktowe osób prowadzących badanie oraz informacje o tym, gdzie badanie jest przeprowadzane.

Lokalizacje studiów

      • Taichung, Tajwan
        • Taichung Veterans General Hospital

Kryteria uczestnictwa

Badacze szukają osób, które pasują do określonego opisu, zwanego kryteriami kwalifikacyjnymi. Niektóre przykłady tych kryteriów to ogólny stan zdrowia danej osoby lub wcześniejsze leczenie.

Kryteria kwalifikacji

Wiek uprawniający do nauki

  • Dorosły
  • Starszy dorosły

Akceptuje zdrowych ochotników

Nie

Metoda próbkowania

Próbka bez prawdopodobieństwa

Badana populacja

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.

Opis

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.

Plan studiów

Ta sekcja zawiera szczegółowe informacje na temat planu badania, w tym sposób zaprojektowania badania i jego pomiary.

Jak projektuje się badanie?

Szczegóły projektu

Kohorty i interwencje

Grupa / Kohorta
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.

Co mierzy badanie?

Podstawowe miary wyniku

Miara wyniku
Opis środka
Ramy czasowe
Model Performance (AUROC)
Ramy czasowe: 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

Miary wyników drugorzędnych

Miara wyniku
Opis środka
Ramy czasowe
Sensitivity
Ramy czasowe: 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
Ramy czasowe: 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
Ramy czasowe: 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
Ramy czasowe: 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

Współpracownicy i badacze

Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.

Sponsor

Współpracownicy

Publikacje i pomocne linki

Osoba odpowiedzialna za wprowadzenie informacji o badaniu dobrowolnie udostępnia te publikacje. Mogą one dotyczyć wszystkiego, co jest związane z badaniem.

Daty zapisu na studia

Daty te śledzą postęp w przesyłaniu rekordów badań i podsumowań wyników do ClinicalTrials.gov. Zapisy badań i zgłoszone wyniki są przeglądane przez National Library of Medicine (NLM), aby upewnić się, że spełniają określone standardy kontroli jakości, zanim zostaną opublikowane na publicznej stronie internetowej.

Główne daty studiów

Rozpoczęcie studiów (Rzeczywisty)

1 stycznia 2020

Zakończenie podstawowe (Rzeczywisty)

31 grudnia 2024

Ukończenie studiów (Rzeczywisty)

31 grudnia 2024

Daty rejestracji na studia

Pierwszy przesłany

14 czerwca 2026

Pierwszy przesłany, który spełnia kryteria kontroli jakości

14 czerwca 2026

Pierwszy wysłany (Rzeczywisty)

18 czerwca 2026

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (Rzeczywisty)

22 czerwca 2026

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

17 czerwca 2026

Ostatnia weryfikacja

1 czerwca 2026

Więcej informacji

Terminy związane z tym badaniem

Inne numery identyfikacyjne badania

  • TCVGH-AI-WEAN-2026
  • TCVGH-AI-Weaning-2026 (Inny identyfikator: Taichung Veterans General Hospital)

Plan dla danych uczestnika indywidualnego (IPD)

Planujesz udostępniać dane poszczególnych uczestników (IPD)?

NIE

Informacje o lekach i urządzeniach, dokumenty badawcze

Bada produkt leczniczy regulowany przez amerykańską FDA

Nie

Bada produkt urządzenia regulowany przez amerykańską FDA

Nie

Te informacje zostały pobrane bezpośrednio ze strony internetowej clinicaltrials.gov bez żadnych zmian. Jeśli chcesz zmienić, usunąć lub zaktualizować dane swojego badania, skontaktuj się z register@clinicaltrials.gov. Gdy tylko zmiana zostanie wprowadzona na stronie clinicaltrials.gov, zostanie ona automatycznie zaktualizowana również na naszej stronie internetowej .