External Validation of AI-Aided Weaning Software Using Multicenter Retrospective Data
Using Multicenter Retrospective Data to Validate the Performance of AI-Aided Weaning Software
Przegląd badań
Status
Status
Warunki
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
Typ studiów
Zapisy (Rzeczywisty)
Zapisy
Kontakty i lokalizacje
Lokalizacje studiów
-
-
-
Taichung, Tajwan
- Taichung Veterans General Hospital
-
-
Kryteria uczestnictwa
Kryteria kwalifikacji
Kryteria kwalifikacji
Wiek uprawniający do nauki
- Dorosły
- Starszy dorosły
Akceptuje zdrowych ochotników
Metoda próbkowania
Badana populacja
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
Jak projektuje się badanie?
Szczegóły projektu
Liczba grup / kohort
Kohorty i interwencje
Grupa / KohortaGrupa / 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
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
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
Sponsor
Sponsor
Współpracownicy
Współpracownicy
Publikacje i pomocne linki
Daty zapisu na studia
Główne daty studiów
Rozpoczęcie studiów (Rzeczywisty)
Rozpoczęcie studiów
Zakończenie podstawowe (Rzeczywisty)
Zakończenie podstawowe
Ukończenie studiów (Rzeczywisty)
Ukończenie studiów
Daty rejestracji na studia
Pierwszy przesłany
Pierwszy przesłany
Pierwszy przesłany, który spełnia kryteria kontroli jakości
Pierwszy przesłany, który spełnia kryteria kontroli jakości
Pierwszy wysłany (Rzeczywisty)
Pierwszy wysłany
Aktualizacje rekordów badań
Ostatnia wysłana aktualizacja (Rzeczywisty)
Ostatnia wysłana aktualizacja
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
Ostatnia weryfikacja
Ostatnia weryfikacja
Więcej informacji
Terminy związane z tym badaniem
Słowa kluczowe
Dodatkowe istotne warunki MeSH
Inne numery identyfikacyjne badania
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)?
Informacje o lekach i urządzeniach, dokumenty badawcze
Bada produkt leczniczy regulowany przez amerykańską FDA
Bada produkt urządzenia regulowany przez amerykańską FDA
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 .