Artificial Intelligence and Postoperative Acute Kidney Injury
8 stycznia 2021 zaktualizowane przez: Hyung-Chul Lee, Seoul National University Hospital
Development and Prospective Validation of an Artificial Intelligence Model to Predict Postoperative Acute Kidney Injury
The main objective of this study is to develop and validate an artificial intelligence model that predicts postoperative acute kidney injury.
Przegląd badań
Status
Nieznany
Warunki
Szczegółowy opis
Postoperative acute kidney injury is known to increase the length of hospital stay and healthcare cost.
A lot of risk prediction models have been developed for identifying patients at increased risk of postoperative acute kidney injury.
Recent advances in artificial intelligence make it possible to manage and analyze big data.
Prediction model using an artificial intelligence and large-scale data can improve the accuracy of prediction performance.
Furthermore, the use of an artificial intelligence may be a useful adjuvant tool in making clinical decisions or real-time prediction if it is integrated into the electrical medical record systems.
However, before implementing an artificial intelligence model into the clinical setting, prospective evaluation of an artificial intelligence model's real performance is essential.
However, to our knowledge, there was no artificial intelligence model for prediction of postoperative acute kidney injury, which was prospectively evaluated.
Therefore, we aimed to develop an artificial intelligence model which predicts postoperative acute kidney injury and evaluate the model's performance prospectively.
Typ studiów
Obserwacyjny
Zapisy (Oczekiwany)
2000
Kontakty i lokalizacje
Ta sekcja zawiera dane kontaktowe osób prowadzących badanie oraz informacje o tym, gdzie badanie jest przeprowadzane.
Lokalizacje studiów
-
-
-
Seoul, Republika Korei
- Hyung-Chul Lee
-
-
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
18 lat i starsze (Dorosły, Starszy dorosły)
Akceptuje zdrowych ochotników
Nie dotyczy
Płeć kwalifikująca się do nauki
Wszystko
Metoda próbkowania
Próbka bez prawdopodobieństwa
Badana populacja
Adults patients undergoing non-cardiac surgery
Opis
Inclusion Criteria:
- Adults patients undergoing non-cardiac surgery
Exclusion Criteria:
- Age under 18 years
- Surgery duration < 1 hour
- Transplantation surgery
- Nephrectomy
- Cardiac surgery
- Patients who had severe kidney dysfunction preoperatively as follows:
- Serum creatinine ≥ 4 mg/dl
- Estimated glomerular filtration rate <15 ml/min/1.73m2
- History of renal replacement therapy
- Patients who had no results of preoperative or postoperative serum creatinine
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 |
Interwencja / Leczenie |
|---|---|
|
AI_AKI
Adults patients undergoing non-cardiac surgery
|
Test diagnostyczny: Prediction of postoperative acute kidney injury using an artificial intelligence
The performance of an artificial intelligence model to predict postoperative acute kidney injury will be tested prospectively.
|
Co mierzy badanie?
Podstawowe miary wyniku
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
the incidence of postoperative acute kidney injury
Ramy czasowe: during the postoperative seven days
|
postoperative acute kidney injury (diagnosed by KDIGO criteria using peak serum creatinine level) included all acute kidney injury events regardless of acute kidney injury severity
|
during the postoperative seven days
|
Współpracownicy i badacze
Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.
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 (Oczekiwany)
1 marca 2021
Zakończenie podstawowe (Oczekiwany)
31 maja 2021
Ukończenie studiów (Oczekiwany)
1 lutego 2022
Daty rejestracji na studia
Pierwszy przesłany
8 stycznia 2021
Pierwszy przesłany, który spełnia kryteria kontroli jakości
8 stycznia 2021
Pierwszy wysłany (Rzeczywisty)
12 stycznia 2021
Aktualizacje rekordów badań
Ostatnia wysłana aktualizacja (Rzeczywisty)
12 stycznia 2021
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
8 stycznia 2021
Ostatnia weryfikacja
1 stycznia 2021
Więcej informacji
Terminy związane z tym badaniem
Dodatkowe istotne warunki MeSH
Inne numery identyfikacyjne badania
- 2012-069-1180
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 .