Avaliação da previsibilidade de difícil intubação com sistemas suportados por inteligência artificial usando medições antropométricas e ultrassonográficas usadas na avaliação pré-operatória das vias aéreas
Visão geral do estudo
Status
Intervenção / Tratamento
- Outro: Distância do tiromental
- Outro: Circunferência do pescoço
- Outro: Distância de abertura da boca
- Outro: Distância de Jawbone ao osso hióide com pescoço em posição neutra
- Outro: Distância de Jawbone ao osso hióide com pescoço em extensão
- Outro: Distância entre pele e traquéia
- Outro: Distância entre a pele e a epiglote
- Outro: Distância entre a pele e a comissão anterior da cordão vocal:
- Outro: Distância entre a pele e o osso hióide
- Outro: Espessura máxima da língua
Descrição detalhada
A difícil intubação, particularmente imprevisível intubação difícil, é um cenário desafiador para todos os anestesiologistas. Os pacientes que são inicialmente avaliados como adequados para o gerenciamento de vias aéreas de rotina podem se apresentar como difíceis de intubar em 5% a 22% dos casos. A avaliação precisa e o gerenciamento das vias aéreas difíceis são cruciais, pois a falha no gerenciamento das vias aéreas pode levar a morbimortalidade grave.
A avaliação das vias aéreas ajuda a identificar vias aéreas difíceis previsíveis, mas não exclui pacientes com avaliações clínicas normais que ainda podem experimentar intubação difícil imprevisível. O objetivo principal do exame das vias aéreas é detectar patologias das vias aéreas superiores ou anomalias anatômicas. Várias características físicas estão associadas a vias aéreas difíceis e intubação com falha, incluindo mobilidade limitada do pescoço, ronco, uma curta distância esternomental e aumento da circunferência do pescoço.
As ferramentas comuns de avaliação das vias aéreas, como a classificação Mallampati e o teste de mordida nos lábios superiores, requerem cooperação do paciente, o que limita sua aplicabilidade em pacientes sedados, traumatizados ou que não respondem. A classificação Cormack-Lehane, usada durante a laringoscopia direta, é invasiva e não permite a preparação pré-procedimento. Nesse contexto, avaliações ultrassonográficas não invasivas, de cabeceira, rápidas e acessíveis e medições antropométricas ganharam importância na previsão das vias aéreas difíceis.
Com os avanços tecnológicos, os sistemas de apoio à decisão e as aplicações assistidas por inteligência artificial (AI) são cada vez mais usadas para evitar resultados adversos. O gerenciamento bem-sucedido das vias aéreas é particularmente crítico em pacientes de alto risco, onde a tomada de decisão rápida é essencial. As medições ultrassonográficas facilmente acessíveis, de cabeceira e não invasivas, integradas aos programas de aprendizado baseados em IA, têm o potencial de prever intubação difícil com antecedência. Isso permite a preparação precoce, intervenções oportunas e a redução dos riscos com risco de vida.
Neste estudo, os pesquisadores pretendiam prever intubação difícil no pré-operatório, usando medições antropométricas e ultrassonográficas das vias aéreas não invasivas, combinadas com os programas de apoio à decisão de A., sem exigir procedimentos invasivos.
Nossa hipótese é que a avaliação das vias aéreas pré-operatórias por meio de medições antropométricas e ultrassonográficas, apoiadas por programas de apoio à decisão baseada em IA, pode prever com precisão intubação e facilitar a preparação precoce
Tipo de estudo
Inscrição (Real)
Contactos e Locais
Locais de estudo
-
-
-
Duzce, Peru
- Düzce University
-
-
Critérios de participação
Critérios de elegibilidade
Idades elegíveis para estudo
- Adulto
- Adulto mais velho
Aceita Voluntários Saudáveis
Método de amostragem
População do estudo
Descrição
Critérios de inclusão:
- Pacientes com mais de 18 anos de idade
- Pacientes que serão submetidos a anestesia geral
Critérios de exclusão:
- Mulheres grávidas
- Aqueles com deformidades faciais congênitas e/ou adquiridas
- Pacientes que já foram submetidos a cirurgia das vias aéreas de Uping Neck
- Pacientes com tumores de cabeça e pescoço
- Pacientes que serão submetidos a tireoidectomia
Plano de estudo
Como o estudo é projetado?
Detalhes do projeto
Coortes e Intervenções
Grupo / Coorte |
Intervenção / Tratamento |
|---|---|
|
Pacientes entre 18 e 20 anos que receberão anestesia geral
Pacientes ASA I-III com mais de 18 anos que atendem aos critérios de inclusão para se submeter à anestesia geral
|
Distância entre o queixo e a cartilagem da tireóide com uma fita métrica quando o paciente está em uma posição neutra
Medição da circunferência do pescoço com uma fita métrica quando o paciente está em uma posição neutra
A distância entre os dentes superior e inferior no ponto em que a abertura da boca é máxima quando o paciente está em uma posição neutra.
Distância de Mentum a osso hióide com pescoço em posição neutra por ultrassonografia
Medição de ultrassom da distância de Mentum ao osso hióide com pescoço em extensão
Medição de ultrassom da distância entre a pele e a traquéia
Distância entre a pele e a epiglote medida pela ultrassonografia
Distância entre a pele e a comissura anterior da cordão vocal medido por ultrassonografia
Distância entre a pele e o osso hióide medido por ultrassonografia
Medição da espessura máxima da língua por ultrassonografia
|
O que o estudo está medindo?
Medidas de resultados primários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Apoiar o algoritmo de máquinas vetoriais porcentagem de precisão em intubações difíceis previstas
Prazo: Tomar medições ultrassonográficas e antropométricas de cada paciente levou aproximadamente 20 minutos. As estimativas de aprendizado de máquina para cada paciente são de aproximadamente 1 min.
|
The dataset, labeled based on expert assessment of difficult intubation, was classified using eight widely accepted machine learning algorithms: logistic regression (LR) [6], support vector machine (SVM) [7], random forest (RF) [8], K-nearest neighbors (KNN) [9], Gaussian naive Bayes (GNB) [10], CatBoost [11], XGBoost [12], and decision tree (Dt) [13].
A partir dos 30 parâmetros originais, os 15 recursos mais influentes foram selecionados com base nos métodos de extração de recursos e relevância da literatura.
As etapas de pré -processamento incluíram o manuseio de valores ausentes, com registros incompletos excluídos.
O conjunto de dados foi dividido em conjuntos de treinamento (80%) e teste (20%).
Os modelos foram treinados no conjunto de treinamento, com o ajuste hiperparâmetro realizado por validação cruzada de 5 vezes para evitar o excesso de ajuste.
O desempenho do modelo final foi avaliado no conjunto de testes independente.
|
Tomar medições ultrassonográficas e antropométricas de cada paciente levou aproximadamente 20 minutos. As estimativas de aprendizado de máquina para cada paciente são de aproximadamente 1 min.
|
Colaboradores e Investigadores
Patrocinador
Investigadores
- Investigador principal: Gizem DEMIR SENOGLU, Düzce University
Datas de registro do estudo
Datas Principais do Estudo
Início do estudo (Real)
Conclusão Primária (Real)
Conclusão do estudo (Real)
Datas de inscrição no estudo
Enviado pela primeira vez
Enviado pela primeira vez que atendeu aos critérios de CQ
Primeira postagem (Real)
Atualizações de registro de estudo
Última Atualização Postada (Real)
Última atualização enviada que atendeu aos critérios de controle de qualidade
Última verificação
Mais Informações
Termos relacionados a este estudo
Outros números de identificação do estudo
- 2022/65
Plano para dados de participantes individuais (IPD)
Planeja compartilhar dados de participantes individuais (IPD)?
Informações sobre medicamentos e dispositivos, documentos de estudo
Estuda um medicamento regulamentado pela FDA dos EUA
Estuda um produto de dispositivo regulamentado pela FDA dos EUA
produto fabricado e exportado dos EUA
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 .