Detecção de dissincronia paciente-ventilador com um algoritmo de aprendizado de máquina
10 de julho de 2024 atualizado por: University of Sao Paulo General Hospital
Detecção automatizada e classificação de dissincronia paciente-ventilador com um algoritmo de aprendizado de máquina
Este é um estudo diagnóstico com o objetivo de comparar a acurácia para detectar e classificar dissincronias paciente-ventilador por um algoritmo de aprendizado de máquina, em comparação com o padrão-ouro definido como dissincronias diagnosticadas e classificadas por ventilador mecânico e formas de onda de pressão esofágica analisadas por especialistas.
A questão principal deste estudo é:
• As dissincronias paciente-ventilador são detectadas e classificadas com precisão por um algoritmo de inteligência artificial quando comparadas com especialistas que analisam a pressão esofágica e as formas de onda do ventilador mecânico?
Visão geral do estudo
Status
Recrutamento
Condições
Descrição detalhada
Este é um estudo diagnóstico, observacional, com o objetivo de avaliar a detecção e classificação automatizada de dissincronia paciente-ventilador por um algoritmo de aprendizado de máquina. A precisão do algoritmo de aprendizado de máquina será comparada com o padrão ouro, definido como dissincronias detectadas e classificadas por especialistas em ventilação mecânica.
Os especialistas analisarão as formas de onda de pressão, fluxo, volume e pressão das vias aéreas para detectar e classificar dissincronias.
Tipo de estudo
Observacional
Inscrição (Estimado)
80
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
- Nome: Glauco M Plens, MD
- Número de telefone: +5511982213020
- E-mail: glaucomplens@gmail.com
Locais de estudo
-
-
SP
-
Sao Paulo, SP, Brasil, 05403900
- Recrutamento
- Heart Institute, University of São Paulo
-
Contato:
- Glauco M Plens, MD
- Número de telefone: +5511982213020
- E-mail: glaucomplens@gmail.com
-
-
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
- Adulto
- Adulto mais velho
Aceita Voluntários Saudáveis
N/D
Método de amostragem
Amostra Não Probabilística
População do estudo
São elegíveis sujeitos adultos sob ventilação mecânica, em modo assistido ou assistido-controlado, que sejam monitorados com balão de pressão esofágica por indicação clínica.
Descrição
Critério de inclusão:
- Indivíduos sob ventilação mecânica assistida ou controlada e monitorados com balão de pressão esofágica.
Critério de exclusão:
- Recusa da família do paciente ou do médico assistente
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 |
Intervenção / Tratamento |
|---|---|
|
Detecção e classificação por inteligência artificial de dissincronias paciente-ventilador
Este é um estudo de braço único, uma vez que todos os sujeitos incluídos serão expostos a ambos os métodos de diagnóstico (inteligência artificial e especialistas).
O método diagnóstico proposto é um algoritmo de aprendizado de máquina integrado ao ventilador mecânico FlexiMag Max 700 (Magnamed, Brasil), que registrará continuamente dados da ventilação mecânica dos indivíduos incluídos por um período de até 72 horas.
O padrão-ouro envolve o registro da forma de onda da pressão esofágica e a análise off-line por especialistas.
|
Algoritmo de aprendizado de máquina para detecção e classificação de dissincronias paciente-ventilador, integrado ao ventilador mecânico (Fleximag Max, Magnamed, Brasil).
|
O que o estudo está medindo?
Medidas de resultados primários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Precisão diagnóstica do algoritmo de Inteligência Artificial
Prazo: 3 dias
|
Sensibilidade, especificidade, valor preditivo positivo, valor preditivo negativo do algoritmo de inteligência artificial para detectar e classificar dissincronias paciente-ventilador.
Esses índices de acurácia serão estimados para cada tipo de dissincronia: esforço ineficaz, autotrigger, duplo disparo, disparo reverso, disparo reverso com ciclo duplo
|
3 dias
|
Medidas de resultados secundários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Detecção de pendelluft
Prazo: 3 dias
|
Porcentagem de ciclos com pendelluft detectados com o algoritmo de inteligência artificial em comparação com a porcentagem de ciclos com pendelluft detectados com a pressão esofágica
|
3 dias
|
Colaboradores e Investigadores
É aqui que você encontrará pessoas e organizações envolvidas com este estudo.
Patrocinador
Colaboradores
Investigadores
- Diretor de estudo: Eduardo LV Costa, MD, PhD, University of Sao Paulo
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.
Publicações Gerais
- Amato MB, Barbas CS, Medeiros DM, Magaldi RB, Schettino GP, Lorenzi-Filho G, Kairalla RA, Deheinzelin D, Munoz C, Oliveira R, Takagaki TY, Carvalho CR. Effect of a protective-ventilation strategy on mortality in the acute respiratory distress syndrome. N Engl J Med. 1998 Feb 5;338(6):347-54. doi: 10.1056/NEJM199802053380602.
- Blanch L, Villagra A, Sales B, Montanya J, Lucangelo U, Lujan M, Garcia-Esquirol O, Chacon E, Estruga A, Oliva JC, Hernandez-Abadia A, Albaiceta GM, Fernandez-Mondejar E, Fernandez R, Lopez-Aguilar J, Villar J, Murias G, Kacmarek RM. Asynchronies during mechanical ventilation are associated with mortality. Intensive Care Med. 2015 Apr;41(4):633-41. doi: 10.1007/s00134-015-3692-6. Epub 2015 Feb 19.
- Acute Respiratory Distress Syndrome Network; Brower RG, Matthay MA, Morris A, Schoenfeld D, Thompson BT, Wheeler A. Ventilation with lower tidal volumes as compared with traditional tidal volumes for acute lung injury and the acute respiratory distress syndrome. N Engl J Med. 2000 May 4;342(18):1301-8. doi: 10.1056/NEJM200005043421801.
- LeCun Y, Bengio Y, Hinton G. Deep learning. Nature. 2015 May 28;521(7553):436-44. doi: 10.1038/nature14539.
- Sousa MLEA, Magrans R, Hayashi FK, Blanch L, Kacmarek RM, Ferreira JC. Clusters of Double Triggering Impact Clinical Outcomes: Insights From the EPIdemiology of Patient-Ventilator aSYNChrony (EPISYNC) Cohort Study. Crit Care Med. 2021 Sep 1;49(9):1460-1469. doi: 10.1097/CCM.0000000000005029.
- Sousa MLA, Magrans R, Hayashi FK, Blanch L, Kacmarek RM, Ferreira JC. Predictors of asynchronies during assisted ventilation and its impact on clinical outcomes: The EPISYNC cohort study. J Crit Care. 2020 Jun;57:30-35. doi: 10.1016/j.jcrc.2020.01.023. Epub 2020 Jan 21.
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)
25 de maio de 2024
Conclusão Primária (Estimado)
24 de maio de 2025
Conclusão do estudo (Estimado)
24 de dezembro de 2025
Datas de inscrição no estudo
Enviado pela primeira vez
24 de maio de 2024
Enviado pela primeira vez que atendeu aos critérios de CQ
10 de julho de 2024
Primeira postagem (Real)
17 de julho de 2024
Atualizações de registro de estudo
Última Atualização Postada (Real)
17 de julho de 2024
Última atualização enviada que atendeu aos critérios de controle de qualidade
10 de julho de 2024
Última verificação
1 de maio de 2024
Mais Informações
Termos relacionados a este estudo
Palavras-chave
Termos MeSH relevantes adicionais
Outros números de identificação do estudo
- CAAE 78855824.7.0000.0068
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 .