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

Um método de aprendizado profundo para prever laringoscopia difícil usando imagem de raio X da coluna cervical

3 de janeiro de 2022 atualizado por: Seoul National University Hospital

Um método de aprendizado profundo para prever laringoscopias difíceis usando imagem de raios X da coluna cervical: estudo de validação prospectiva

Uma laringoscopia difícil imprevista está associada a complicações graves relacionadas às vias aéreas. Os pesquisadores desenvolveram um modelo baseado em aprendizado profundo que prevê uma laringoscopia difícil (grau 3-4 de Cormack-Lehane) a partir de uma radiografia lateral da coluna cervical usando dados de 14.135 pacientes submetidos à cirurgia da tireoide. Esse modelo apresentou excelente desempenho preditivo, superior ao de outras arquiteturas de aprendizado profundo. Neste estudo, os investigadores validam prospectivamente o modelo para prever uma laringoscopia difícil e comparam o poder preditivo com a avaliação clínica das vias aéreas.

Visão geral do estudo

Descrição detalhada

Prever uma dificuldade de uma laringoscopia é importante para a segurança do paciente, pois uma laringoscopia difícil imprevista está associada a complicações graves relacionadas às vias aéreas, como danos cerebrais, parada cardiorrespiratória ou morte. Embora preditores clínicos, como a classificação de Mallampati modificada, distância tireomentoniana, gap interincisivos e teste de mordida do lábio superior, sejam usados ​​para avaliação das vias aéreas na prática clínica, esses indicadores têm baixa sensibilidade e grande variabilidade entre avaliadores e requerem a cooperação do paciente .

Os pesquisadores desenvolveram um modelo baseado em aprendizado profundo que prevê uma laringoscopia difícil a partir de uma radiografia lateral da coluna cervical usando dados de 14.135 pacientes submetidos à cirurgia da tireoide. E este estudo está sob submissão.

Este modelo de aprendizagem profunda mostrou o mais alto desempenho na previsão de laringoscopia difícil em comparação com outros modelos de aprendizagem profunda (VGG-Net, ResNet, Xception, ResNext, DenseNet e SENet) com uma sensibilidade de 95,6%, uma especificidade de 91,2% e uma área sob a curva ROC (AUROC) de 0,972.

No entanto, como o modelo foi um projeto retrospectivo usando registros médicos existentes, a presença ou ausência de pressão cricoide para obter a laringoscopia ideal não foi avaliada e não foi comparada com as avaliações das vias aéreas.

Neste estudo, os investigadores validam prospectivamente o modelo para prever uma laringoscopia difícil e comparam o poder preditivo com a avaliação clínica das vias aéreas. Se este estudo prospectivo confirmar nossos resultados, essa abordagem pode ser útil para melhorar a segurança do paciente e prevenir complicações relacionadas às vias aéreas por meio de uma avaliação objetiva e precisa das vias aéreas.

Tipo de estudo

Observacional

Inscrição (Antecipado)

367

Contactos e Locais

Esta seção fornece os detalhes de contato para aqueles que conduzem o estudo e informações sobre onde este estudo está sendo realizado.

Contato de estudo

Estude backup de contato

Locais de estudo

    • Select A State Or Province
      • Seoul, Select A State Or Province, Republica da Coréia, 03080
        • Recrutamento
        • Seoul National University Hospital
        • Contato:

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 de Probabilidade

População do estudo

Pacientes submetidos a cirurgia de tireoide sob anestesia geral

Descrição

Critério de inclusão:

  • cirurgia eletiva da tireoide sob anestesia geral

Critério de exclusão:

  • idade < 18 anos
  • nenhuma imagem de raio X lateral da coluna C obtida dentro de 3 meses antes da cirurgia
  • Paciente cuja segurança não é garantida ao usar um laringoscópio direto. (má condição dentária, risco de extensão do pescoço)
  • Pacientes que não colaboram com o exame físico para avaliação das vias aéreas

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

  • Modelos de observação: Coorte
  • Perspectivas de Tempo: Prospectivo

O que o estudo está medindo?

Medidas de resultados primários

Medida de resultado
Descrição da medida
Prazo
A área sob a curva característica de operação do receptor do modelo de aprendizagem profunda e avaliações das vias aéreas para prever uma laringoscopia difícil.
Prazo: durante a indução da anestesia
Definição de laringoscopia difícil: Cormack-Lehane grau 3 ou 4 . Avaliação das vias aéreas: espaço interincisivo (milímetro), distância tireomentoniana (milímetro), altura tireomentoniana (milímetro), distância esternomentoniana (milímetro) e classe de Mallampati modificada
durante a indução da anestesia

Medidas de resultados secundários

Medida de resultado
Descrição da medida
Prazo
A área sob a curva característica operacional do receptor do modelo de aprendizado profundo e avaliações das vias aéreas para prever uma intubação difícil.
Prazo: durante a indução da anestesia
Intubação difícil: Escala de Dificuldade de Intubação (pontuação)
durante a indução da anestesia
Outros desempenhos para prever uma laringoscopia difícil do modelo de aprendizado profundo.
Prazo: durante a indução da anestesia
sensibilidade (porcentagem), especificidade (porcentagem), valor preditivo positivo (porcentagem), valor preditivo negativo (porcentagem), pontuação F1 e precisão balanceada.
durante a indução da anestesia

Colaboradores e Investigadores

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

Investigadores

  • Cadeira de estudo: Hyung-Chul Lee, Seoul National University Hospital

Publicações e links úteis

A pessoa responsável por inserir informações sobre o estudo fornece voluntariamente essas publicações. Estes podem ser sobre qualquer coisa relacionada ao 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 (Real)

1 de dezembro de 2021

Conclusão Primária (Antecipado)

25 de novembro de 2022

Conclusão do estudo (Antecipado)

25 de novembro de 2022

Datas de inscrição no estudo

Enviado pela primeira vez

12 de dezembro de 2021

Enviado pela primeira vez que atendeu aos critérios de CQ

3 de janeiro de 2022

Primeira postagem (Real)

4 de janeiro de 2022

Atualizações de registro de estudo

Última Atualização Postada (Real)

4 de janeiro de 2022

Última atualização enviada que atendeu aos critérios de controle de qualidade

3 de janeiro de 2022

Última verificação

1 de dezembro de 2021

Mais Informações

Termos relacionados a este estudo

Outros números de identificação do estudo

  • 2111-111-1272

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 .

Se inscrever