Esta página foi traduzida automaticamente e a precisão da tradução não é garantida. Por favor, consulte o versão em inglês para um texto fonte.

Estabelecimento de Banco de Dados de Via Aérea para Pacientes Cirúrgicos

Estudo do Método de Previsão de Via Aérea Difícil Baseado em Inteligência Artificial

A via aérea difícil é uma das principais razões de lesões relacionadas à anestesia com complicações latentes que ameaçam a vida. Prever via aérea difícil no pré-operatório é vital para a segurança do paciente. O objetivo deste estudo é desenvolver um algoritmo de computador que possa detectar se o paciente é uma via aérea difícil com base em fotografias de seis aspectos. Este método diminuirá as complicações potenciais relacionadas à via aérea difícil e aumentará a segurança do paciente.

Visão geral do estudo

Status

Desconhecido

Descrição detalhada

Introdução:

O objetivo principal do estudo é desenvolver um algoritmo de computador que possa detectar se o paciente é uma via aérea difícil com base em fotografias de seis aspectos diferentes.

Métodos:

Este estudo está dividido em duas partes. Na primeira parte, coletamos a pontuação da avaliação das vias aéreas dos pacientes submetidos à anestesia geral com intubação endotraqueal avaliada por um anestesiologista experiente antes e após a intubação. Avaliação do escore das vias aéreas após intubação traqueal como padrão-ouro para avaliação das vias aéreas. Fotografias digitais da face de cada paciente em visão frontal neutra e em perfil neutro foram obtidas. Detalhes das fotografias, cada uma correspondendo a um movimento facial: (1) Frontal, neutra. (2) Frontal, boca aberta. (3) Frontal, extrema boca aberta e língua para fora. (4) Frontal, mordida extrema do lábio superior (5) Perfil, neutro. (6) Perfil, neutro, máximo da cabeça para trás. As fotografias do paciente e a pontuação da avaliação das vias aéreas após a intubação foram inseridas no computador para treiná-lo. Na segunda parte, o computador treinado foi usado para avaliar o escore das vias aéreas do novo paciente em comparação com o do paciente após a intubação e calculou a sensibilidade.

Tipo de estudo

Observacional

Inscrição (Antecipado)

50000

Critérios de participação

Os pesquisadores procuram pessoas que se encaixem em uma determinada descrição, chamada de critérios de elegibilidade. Alguns exemplos desses critérios são a condição geral de saúde de uma pessoa ou tratamentos anteriores.

Critérios de elegibilidade

Idades elegíveis para estudo

18 anos e mais velhos (Adulto, Adulto mais velho)

Aceita Voluntários Saudáveis

Não

Gêneros Elegíveis para o Estudo

Tudo

Método de amostragem

Amostra Não Probabilística

População do estudo

os pacientes submetidos à anestesia geral com intubação endotraqueal

Descrição

Critério de inclusão:

  • Intubação traqueal induzida por anestesia geral em pacientes submetidos a cirurgias eletivas

Critério de exclusão:

  • Pacientes com múltiplas lesões faciais Pacientes submetidos a cirurgia de cabeça ou pescoço Pacientes que necessitam de operação de emergência

Plano de estudo

Esta seção fornece detalhes do plano de estudo, incluindo como o estudo é projetado e o que o estudo está medindo.

Como o estudo é projetado?

Detalhes do projeto

Coortes e Intervenções

Grupo / Coorte
anestesia geral
Fotografias digitais da face de cada paciente submetido à anestesia geral com intubação endotraqueal

O que o estudo está medindo?

Medidas de resultados primários

Medida de resultado
Descrição da medida
Prazo
a sensibilidade da inteligência artificial para prever a dificuldade de ventilação com máscara facial e intubação endotraqueal
Prazo: 5 anos
O resultado será um algoritmo de computador que pode detectar se o paciente é uma via aérea difícil com base em fotografias de seis aspectos diferentes.Detalhes das fotografias, cada uma correspondendo a um movimento facial: (1) Frontal, neutro. (2) Frontal, boca aberta. (3) Frontal, extrema boca aberta e língua para fora. (4) Frontal, mordida extrema do lábio superior (5) Perfil, neutro. (6) Perfil, neutro, máximo da cabeça para trás.
5 anos

Colaboradores e Investigadores

É aqui que você encontrará pessoas e organizações envolvidas com este estudo.

Datas de registro do estudo

Essas datas acompanham o progresso do registro do estudo e os envios de resumo dos resultados para ClinicalTrials.gov. Os registros do estudo e os resultados relatados são revisados ​​pela National Library of Medicine (NLM) para garantir que atendam aos padrões específicos de controle de qualidade antes de serem publicados no site público.

Datas Principais do Estudo

Início do estudo (Antecipado)

1 de maio de 2017

Conclusão Primária (Antecipado)

1 de maio de 2022

Conclusão do estudo (Antecipado)

1 de maio de 2022

Datas de inscrição no estudo

Enviado pela primeira vez

13 de março de 2017

Enviado pela primeira vez que atendeu aos critérios de CQ

19 de abril de 2017

Primeira postagem (Real)

24 de abril de 2017

Atualizações de registro de estudo

Última Atualização Postada (Real)

24 de abril de 2017

Última atualização enviada que atendeu aos critérios de controle de qualidade

19 de abril de 2017

Última verificação

1 de abril de 2017

Mais Informações

Termos relacionados a este estudo

Outros números de identificação do estudo

  • 2016-076

Plano para dados de participantes individuais (IPD)

Planeja compartilhar dados de participantes individuais (IPD)?

NÃO

Informações sobre medicamentos e dispositivos, documentos de estudo

Estuda um medicamento regulamentado pela FDA dos EUA

Não

Estuda um produto de dispositivo regulamentado pela FDA dos EUA

Não

Essas informações foram obtidas diretamente do site clinicaltrials.gov sem nenhuma alteração. Se você tiver alguma solicitação para alterar, remover ou atualizar os detalhes do seu estudo, entre em contato com register@clinicaltrials.gov. Assim que uma alteração for implementada em clinicaltrials.gov, ela também será atualizada automaticamente em nosso site .

Ensaios clínicos em Inteligência artificial

3
Se inscrever