Оценка эффективности моделей искусственного интеллекта в прогнозировании потребности в госпиталях в отделения интенсивной терапии
Обзор исследования
Статус
Условия
Вмешательство/лечение
Подробное описание
Отделения интенсивной терапии (ОИТ) являются важнейшими компонентами систем здравоохранения, оказывая жизненно важную помощь пациентам с тяжелыми и опасными для жизни состояниями. Своевременное и точное прогнозирование потребности в госпитализации в отделения интенсивной терапии имеет важное значение для улучшения результатов лечения пациентов и оптимизации распределения ресурсов больницы. Отсроченная госпитализация в отделения интенсивной терапии неизменно связана с более высокими показателями заболеваемости и смертности. С появлением искусственного интеллекта (ИИ) в здравоохранении появилась возможность улучшить процесс принятия клинических решений за счет использования моделей ИИ для точного прогнозирования потребностей отделений интенсивной терапии. Модели искусственного интеллекта, такие как ChatGPT и Gemini, могут обрабатывать огромные объемы сложных данных для выявления закономерностей, которые могут быть не сразу очевидны для клиницистов, что потенциально повышает скорость и точность решений о госпитализации в отделение интенсивной терапии.
Это наблюдательное ретроспективное исследование. Данные были собраны из электронных медицинских карт (ЭМК) больницы ретроспективно.
Данные были извлечены из электронных медицинских записей и включали:
Демографические данные: возраст, пол и основные характеристики пациента. Клинические параметры: информация о лекарствах, подробности консультации, результаты ЭКГ, результаты визуализации, сопутствующие заболевания (например, сахарный диабет, гипертония, сердечная недостаточность, ХОБЛ, цереброваскулярные нарушения) и лабораторные показатели (например, гемоглобин, гематокрит, количество тромбоцитов, протромбиновое время, МНО). , прокальцитонин, АЛТ, АСТ, билирубин, натрий, калий, хлорид, глюкоза, креатинин, мочевина, альбумин, функциональные пробы щитовидной железы).
Данные прогнозирования: прогнозы модели искусственного интеллекта и фактические решения о госпитализации в отделение интенсивной терапии.
Тип исследования
Регистрация (Действительный)
Контакты и местонахождение
Места учебы
-
-
-
Istanbul, Турция, 34303
- Health Science University İstanbul Kanuni Sultan Süleyman Education and Training Hospital
-
-
Критерии участия
Критерии приемлемости
Возраст, подходящий для обучения
- Взрослый
- Пожилой взрослый
Принимает здоровых добровольцев
Метод выборки
Исследуемая популяция
Описание
Критерии включения:
- Пациенты старше 18 лет
- Пациенты консультировались по поводу анестезии в связи с необходимостью интенсивной терапии
- Пациенты с достаточным количеством данных в электронной системе медицинских карт больницы
Критерий исключения:
- Пациенты с недостаточными данными в больничных записях
Учебный план
Как устроено исследование?
Детали дизайна
Когорты и вмешательства
Группа / когорта |
Вмешательство/лечение |
|---|---|
|
Решение анестезиолога
Отделение интенсивной терапии Необходимость последующего наблюдения определяется анестезиологами.
|
0: Нет необходимости находиться в отделении интенсивной терапии. 1: Необходимость наблюдения в отделении интенсивной терапии. |
|
Решение искусственного интеллекта
Необходимость последующего наблюдения в отделении интенсивной терапии определяется искусственным интеллектом
|
0: Нет необходимости находиться в отделении интенсивной терапии. 1: Необходимость наблюдения в отделении интенсивной терапии. |
Что измеряет исследование?
Первичные показатели результатов
Мера результата |
Мера Описание |
Временное ограничение |
|---|---|---|
|
Необходимость в отделении интенсивной терапии
Временное ограничение: 1 день
|
Основным показателем результата этого исследования является точность прогнозов, сделанных моделями искусственного интеллекта (ИИ) ChatGPT и Gemini относительно необходимости госпитализации в отделения интенсивной терапии.
Это будет оцениваться путем сравнения прогнозов модели ИИ с фактическими клиническими решениями, принятыми в отношении госпитализации в отделения интенсивной терапии.
|
1 день
|
Соавторы и исследователи
Следователи
- Главный следователь: Engin ihsan Turan, Specialist, Health Science University İstanbul Kanuni Sultan Süleyman Education and Training Hospital
Даты записи исследования
Изучение основных дат
Начало исследования (Действительный)
Первичное завершение (Действительный)
Завершение исследования (Действительный)
Даты регистрации исследования
Первый отправленный
Впервые представлено, что соответствует критериям контроля качества
Первый опубликованный (Действительный)
Обновления учебных записей
Последнее опубликованное обновление (Действительный)
Последнее отправленное обновление, отвечающее критериям контроля качества
Последняя проверка
Дополнительная информация
Термины, связанные с этим исследованием
Ключевые слова
Другие идентификационные номера исследования
- ICU-retro
Планирование данных отдельных участников (IPD)
Планируете делиться данными об отдельных участниках (IPD)?
Информация о лекарствах и устройствах, исследовательские документы
Изучает лекарственный продукт, регулируемый FDA США.
Изучает продукт устройства, регулируемый Управлением по санитарному надзору за качеством пищевых продуктов и медикаментов США.
Эта информация была получена непосредственно с веб-сайта clinicaltrials.gov без каких-либо изменений. Если у вас есть запросы на изменение, удаление или обновление сведений об исследовании, обращайтесь по адресу register@clinicaltrials.gov. Как только изменение будет реализовано на clinicaltrials.gov, оно будет автоматически обновлено и на нашем веб-сайте. .