Ocena skuteczności modeli sztucznej inteligencji w przewidywaniu potrzeb przyjęć na oddziały intensywnej terapii
Przegląd badań
Status
Warunki
Interwencja / Leczenie
Szczegółowy opis
Oddziały intensywnej terapii (OIOM) to krytyczne elementy systemów opieki zdrowotnej, zapewniające opiekę ratującą życie pacjentom z ciężkimi i zagrażającymi życiu schorzeniami. Terminowe i dokładne przewidywanie zapotrzebowania na przyjęcie na oddział intensywnej terapii ma kluczowe znaczenie dla poprawy wyników leczenia pacjentów i optymalizacji alokacji zasobów szpitala. Opóźnione przyjęcia na OIT konsekwentnie wiążą się z wyższą zachorowalnością i śmiertelnością. Wraz z pojawieniem się sztucznej inteligencji (AI) w opiece zdrowotnej pojawiła się szansa na usprawnienie procesu podejmowania decyzji klinicznych poprzez wykorzystanie modeli sztucznej inteligencji do dokładnego przewidywania potrzeb OIT. Modele sztucznej inteligencji, takie jak ChatGPT i Gemini, mogą przetwarzać ogromne ilości złożonych danych w celu identyfikacji wzorców, które mogą nie być od razu widoczne dla lekarzy, co potencjalnie poprawia szybkość i dokładność decyzji o przyjęciu na OIOM.
Jest to retrospektywne badanie obserwacyjne. Dane zebrano retrospektywnie z elektronicznej dokumentacji zdrowotnej (EHR) szpitala.
Dane zostały pobrane z EHR i obejmowały:
Dane demograficzne: Wiek, płeć i podstawowe cechy pacjenta. Parametry kliniczne: informacje o lekach, szczegóły konsultacji, wyniki EKG, wyniki badań obrazowych, choroby współistniejące (np. cukrzyca, nadciśnienie, niewydolność serca, POChP, zdarzenia naczyniowo-mózgowe) i wyniki badań laboratoryjnych (np. hemoglobina, hematokryt, liczba płytek krwi, PT, INR , prokalcytonina, ALT, AST, bilirubina, sód, potas, chlorki, glukoza, kreatynina, mocznik, albumina, badania czynności tarczycy).
Dane prognostyczne: przewidywania modelu AI i faktyczne decyzje o przyjęciu na OIOM.
Typ studiów
Zapisy (Rzeczywisty)
Kontakty i lokalizacje
Lokalizacje studiów
-
-
-
Istanbul, Indyk, 34303
- Health Science University İstanbul Kanuni Sultan Süleyman Education and Training Hospital
-
-
Kryteria uczestnictwa
Kryteria kwalifikacji
Wiek uprawniający do nauki
- Dorosły
- Starszy dorosły
Akceptuje zdrowych ochotników
Metoda próbkowania
Badana populacja
Opis
Kryteria przyjęcia:
- Pacjenci w wieku powyżej 18 lat
- Pacjenci konsultowani w zakresie znieczulenia w związku z potrzebami intensywnej terapii
- Pacjenci posiadający wystarczające dane w szpitalnym systemie elektronicznej karty zdrowia
Kryteria wyłączenia:
- Pacjenci, którzy nie mają wystarczających danych w dokumentacji szpitalnej
Plan studiów
Jak projektuje się badanie?
Szczegóły projektu
Kohorty i interwencje
Grupa / Kohorta |
Interwencja / Leczenie |
|---|---|
|
Decyzja anestezjologa
Oddział Intensywnej Terapii O konieczności dalszej obserwacji decydują anestezjolodzy.
|
0: Nie ma potrzeby dalszej obserwacji na oddziale intensywnej terapii 1: Konieczność dalszej obserwacji na oddziale intensywnej terapii |
|
Decyzja dotycząca sztucznej inteligencji
Oddział Intensywnej Terapii O potrzebie dalszej opieki decyduje sztuczna inteligencja
|
0: Nie ma potrzeby dalszej obserwacji na oddziale intensywnej terapii 1: Konieczność dalszej obserwacji na oddziale intensywnej terapii |
Co mierzy badanie?
Podstawowe miary wyniku
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Potrzebny oddział intensywnej terapii
Ramy czasowe: 1 dzień
|
Główną miarą wyniku tego badania jest dokładność przewidywań dokonanych przez modele sztucznej inteligencji (AI), ChatGPT i Gemini, dotyczących konieczności przyjęcia na OIOM.
Zostanie to ocenione poprzez porównanie przewidywań modelu AI z rzeczywistymi decyzjami klinicznymi podjętymi w sprawie przyjęć na OIOM.
|
1 dzień
|
Współpracownicy i badacze
Śledczy
- Główny śledczy: Engin ihsan Turan, Specialist, Health Science University İstanbul Kanuni Sultan Süleyman Education and Training Hospital
Daty zapisu na studia
Główne daty studiów
Rozpoczęcie studiów (Rzeczywisty)
Zakończenie podstawowe (Rzeczywisty)
Ukończenie studiów (Rzeczywisty)
Daty rejestracji na studia
Pierwszy przesłany
Pierwszy przesłany, który spełnia kryteria kontroli jakości
Pierwszy wysłany (Rzeczywisty)
Aktualizacje rekordów badań
Ostatnia wysłana aktualizacja (Rzeczywisty)
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
Ostatnia weryfikacja
Więcej informacji
Terminy związane z tym badaniem
Słowa kluczowe
Inne numery identyfikacyjne badania
- ICU-retro
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 .