Porównanie sztucznej inteligencji i anestezjologa w ocenie ryzyka przedoperacyjnego (AI-PREOP)
Ocena kliniczna systemu sztucznej inteligencji opartego na uczeniu maszynowym w porównaniu z oceną anestezjologa w przedoperacyjnej ocenie pacjenta
Ocena przedoperacyjna jest niezbędna do zidentyfikowania ryzyk związanych z pacjentem przed planowaną operacją oraz do zaplanowania bezpiecznego postępowania anestezjologicznego. Tradycyjnie tę ocenę przeprowadzają anestezjolodzy na podstawie wywiadu klinicznego, badania fizykalnego, chorób współistniejących i wyników badań laboratoryjnych.
To badanie obserwacyjne ma na celu porównanie skuteczności klinicznej systemu sztucznej inteligencji opartego na uczeniu maszynowym z oceną anestezjologa podczas przedoperacyjnej oceny pacjenta. System sztucznej inteligencji samodzielnie analizuje dane pacjenta i generuje oceny ryzyka, które następnie porównuje się z ocenami przeprowadzonymi przez anestezjologów.
Głównym celem badania jest ocena stopnia zgodności między systemem sztucznej inteligencji a anestezjologami w zakresie oceny ryzyka przedoperacyjnego. Celami drugorzędnymi są ocena dokładności i spójności systemu sztucznej inteligencji oraz zbadanie jego potencjalnej roli jako narzędzia wspomagającego decyzje w przedoperacyjnej praktyce klinicznej.
Wyniki tego badania mogą przyczynić się do zrozumienia potencjalnych korzyści i ograniczeń wspomaganego sztuczną inteligencją podejmowania decyzji w ocenie przedoperacyjnej.
Przegląd badań
Status
Warunki
Szczegółowy opis
Ocena przedoperacyjna jest kluczowym elementem opieki okołooperacyjnej, mającym na celu identyfikację ryzyka specyficznego dla pacjenta, optymalizację bezpieczeństwa pacjenta oraz ukierunkowanie planowania znieczulenia przed planowanymi zabiegami chirurgicznymi. Proces ten tradycyjnie opiera się na ocenie klinicznej anestezjologów, którzy integrują wywiad medyczny, wyniki badania fizykalnego, choroby współistniejące oraz istotne dane laboratoryjne, aby ocenić ryzyko okołooperacyjne.
Ostatnie postępy w dziedzinie sztucznej inteligencji i uczenia maszynowego umożliwiły rozwój systemów wspomagania decyzji klinicznych zdolnych do analizy złożonych danych klinicznych i generowania predykcyjnych ocen ryzyka. Pomimo rosnącego zainteresowania tymi technologiami, ich wydajność kliniczna i niezawodność w rzeczywistych warunkach przedoperacyjnych pozostają niewystarczająco ocenione.
To badanie obserwacyjne ma na celu porównanie ocen ryzyka przedoperacyjnego generowanych przez system sztucznej inteligencji oparty na uczeniu maszynowym z rutynowymi ocenami prowadzonymi przez anestezjologów. Dorośli pacjenci zakwalifikowani do planowanej operacji przejdą standardową ocenę przedoperacyjną przeprowadzoną przez anestezjologów jako część zwykłej opieki klinicznej. Niezależnie, zanonimizowane dane pacjentów będą przetwarzane przez system sztucznej inteligencji w celu wygenerowania ocen ryzyka przedoperacyjnego. Wyniki sztucznej inteligencji nie będą dostępne dla klinicystów i nie będą wpływać na postępowanie z pacjentem.
Głównym wynikiem badania jest poziom zgodności między systemem sztucznej inteligencji a anestezjologami w stratyfikacji ryzyka przedoperacyjnego. Drugorzędne wyniki obejmują spójność, zgodność i ogólną wydajność ocen generowanych przez sztuczną inteligencję w porównaniu z ocenami klinicystów.
Badanie to nie obejmuje żadnych interwencji i nie zmienia standardowej opieki nad pacjentem. Wszystkie decyzje dotyczące znieczulenia i postępowania okołooperacyjnego pozostaną całkowicie w gestii leczącego anestezjologa. Poprzez systematyczne porównanie ocen opartych na sztucznej inteligencji z ocenami klinicystów, badanie to ma na celu wyjaśnienie potencjalnej roli, mocnych stron i ograniczeń sztucznej inteligencji jako narzędzia wspomagającego w rutynowej ocenie przedoperacyjnej
Typ studiów
Zapisy (Rzeczywisty)
Kontakty i lokalizacje
Lokalizacje studiów
-
-
Trabzon
-
Trabzon, Trabzon, Turcja (Türkiye)
- Trabzon Faculty of Medicine, Kanuni Training and Research Hospital,
-
-
Kryteria uczestnictwa
Kryteria kwalifikacji
Wiek uprawniający do nauki
- Dorosły
- Starszy dorosły
Akceptuje zdrowych ochotników
Metoda próbkowania
Badana populacja
Opis
Kryteria włączenia:
- - Pacjenci dorośli w wieku 18 lat i starsi
- Pacjenci zakwalifikowani do planowej operacji w znieczuleniu
- Pacjenci, którzy przeszli rutynową przedoperacyjną ocenę
- Dostępność kompletnych danych klinicznych przedoperacyjnych wymaganych zarówno dla anestezjologa, jak i oceny opartej na sztucznej inteligencji
Kryteria wykluczenia:
- - Pacjenci młodsi niż 18 lat
- Przypadki operacji nagłych
- Pacjenci z niekompletnymi lub brakującymi danymi klinicznymi przedoperacyjnymi
- Pacjenci, którzy odmówili udziału lub których danych nie można było ocenić
Plan studiów
Jak projektuje się badanie?
Szczegóły projektu
Co mierzy badanie?
Podstawowe miary wyniku
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Stopień zgodności między opartą na sztucznej inteligencji a anestezjologiczną oceną ryzyka okołooperacyjnego
Ramy czasowe: W czasie przedoperacyjnej oceny
|
Wynik ten mierzy poziom zgodności pomiędzy sztuczną inteligencją opartą na systemie oceny przedoperacyjnej a oceną anestezjologa, w tym klasyfikację stanu fizycznego według Amerykańskiego Towarzystwa Anestezjologów (ASA) oraz ogólną stratyfikację ryzyka okołooperacyjnego.
Zgodność będzie oceniana za pomocą odpowiednich miar statystycznych.
|
W czasie przedoperacyjnej oceny
|
Współpracownicy i badacze
Sponsor
Śledczy
- Główny śledczy: Gülgün E Aksoy, MD, Trabzon Faculty of Medicine, Kanuni Training and Research Hospital, Turkey
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
- PREOP-AI-2025
Plan dla danych uczestnika indywidualnego (IPD)
Planujesz udostępniać dane poszczególnych uczestników (IPD)?
Opis planu 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 .