Оценка предсказуемости сложной интубации с помощью систем, поддерживаемых искусственным интеллектом, с использованием антропометрических и ультразвуковых измерений, используемых в предоперационной оценке дыхательных путей
Обзор исследования
Статус
Вмешательство/лечение
- Другой: Тироминальное расстояние
- Другой: Окружность шеи
- Другой: Расстояние открытия рта
- Другой: Расстояние от челюсти до поджоидной кости с шеей в нейтральном положении
- Другой: Расстояние от челюсти до поджоидной кости с шеей в разгибании
- Другой: Расстояние между кожей и трахей
- Другой: Расстояние между кожей и эпиглоттисом
- Другой: Расстояние между кожей и передней комиссурой голосового связки:
- Другой: Расстояние между кожей и подйоидной костью
- Другой: Максимальная толщина языка
Подробное описание
Сложная интубация, особенно непредсказуемая сложная интубация, является сложным сценарием для каждого анестезиолога. Пациенты, которые первоначально оцениваются как подходящие для обычного лечения дыхательных путей, могут представлять собой трудно интубацию в 5% до 22% случаев. Точная оценка и управление сложными дыхательными путями имеют решающее значение, так как неудача в управлении дыхательными путями может привести к серьезной заболеваемости и смертности.
Оценка дыхательных путей помогает выявить предсказуемые сложные дыхательные пути, но она не исключает пациентов с нормальными клиническими оценками, которые все еще могут испытывать непредсказуемую сложную интубацию. Основной целью осмотра дыхательных путей является обнаружение патологий верхних дыхательных путей или анатомические аномалии. Несколько физических характеристик связаны с трудными дыхательными путями и неудачной интубацией, включая ограниченную подвижность шеи, храп, короткое грудное расстояние и увеличение окружности шеи.
Обычные инструменты оценки дыхательных путей, такие как классификация Mallampati и тест на укус верхней губы, требуют сотрудничества с пациентом, что ограничивает их применимость у седативных, травм или не отвечает пациентам. Классификация Кормака-Лехана, используемая во время прямой ларингоскопии, является инвазивной и не допускает предварительного препарата. В этом контексте неинвазивные, прикроватные, быстрые и доступные ультразвуковые оценки и антропометрические измерения приобрели значение в прогнозировании сложных дыхательных путей.
С технологическими достижениями, приложения, поддерживаемые AI), приложения, поддерживаемые решениями, все чаще используются для предотвращения неблагоприятных результатов. Успешное управление дыхательными путями особенно важно у пациентов с высоким риском, где необходимо быстрое принятие решений. Легко доступные, прикроватные, неинвазивные ультразвуковые измерения, интегрированные с программами обучения на основе искусственного интеллекта, могут заранее предсказать сложную интубацию. Это обеспечивает раннюю подготовку, своевременные вмешательства и снижение опасных для жизни рисков.
В этом исследовании перепотчители стремились предсказать сложную интубацию в до операции с использованием неинвазивных антропометрических и ультразвуковых измерений верхних дыхательных путей, в сочетании с программами поддержки принятия решений, не требуя каких-либо инвазивных процедур.
Наша гипотеза заключается в том, что предоперационная оценка дыхательных путей посредством антропометрических и ультрасонографических измерений, поддерживаемых программами поддержки решений на основе искусственного интеллекта, может точно предсказать сложную интубацию и облегчить раннюю подготовку
Тип исследования
Регистрация (Действительный)
Контакты и местонахождение
Места учебы
-
-
-
Duzce, Турция
- Düzce University
-
-
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, которые будут подвергаться общей анестезии
Критерии исключения:
- Беременные женщины
- Те, у кого врожденные и/или приобретенные деформации лица
- Пациенты, которые ранее подвергались операции на дыхательных путях верхней шеи
- Пациенты с опухолями головы и шеи
- Пациенты, которые будут подвергаться тиреоидэктомии
Учебный план
Как устроено исследование?
Детали дизайна
Когорты и вмешательства
Группа / когорта |
Вмешательство/лечение |
|---|---|
|
Пациенты в возрасте от 18 до 20 лет, которые получат общую анестезию
Пациенты ASA I-III старше 18 лет, которые соответствуют критериям включения, чтобы подвергнуться общей анестезии
|
Расстояние между подбородком и хрящом щитовидной железы с рулеткой, когда пациент находится в нейтральном положении
Измерение окружности шеи с помощью рулетки, когда пациент находится в нейтральном положении
Расстояние между верхним и нижним зубами в точке, где отверстие рта максимально, когда пациент находится в нейтральном положении.
Расстояние от Mentum до поджоидной кости с шеей в нейтральном положении с помощью ультрасонографии
Ультразвуковое измерение расстояния от ментама до поджоидной кости с удлинением в разгибании
Ультразвуковое измерение расстояния между кожей и трахей
Расстояние между кожей и эпиглоттисом, измеренное с помощью ультрасонографии
Расстояние между кожей и передней комиссурой голосовой связки, измеренной ультрасонографией
Расстояние между кожей и поджой кости, измеренное ультрасонографией
Измерение максимальной толщины языка по ультрасонографии
|
Что измеряет исследование?
Первичные показатели результатов
Мера результата |
Мера Описание |
Временное ограничение |
|---|---|---|
|
Поддержка векторного машинного алгоритма процент точности при прогнозируемых сложных интубациях
Временное ограничение: Принятие ультрасонографических и антропометрических измерений каждого пациента заняло около 20 минут. Оценки машинного обучения для каждого пациента составляют приблизительно 1 мин.
|
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].
Из исходных 30 параметров были выбраны 15 наиболее влиятельных функций на основе методов извлечения признаков и актуальности литературы.
Шаги предварительной обработки включали обработку пропущенных значений, с исключенными неполными записями.
Набор данных был разделен на обучение (80%) и тестовые (20%) наборы.
Модели были обучены на тренировочном наборе, с настройкой гиперпараметрических показателей, выполненной с помощью 5-кратной перекрестной проверки, чтобы избежать переживания.
Окончательная производительность модели была оценена на независимом наборе тестирования.
|
Принятие ультрасонографических и антропометрических измерений каждого пациента заняло около 20 минут. Оценки машинного обучения для каждого пациента составляют приблизительно 1 мин.
|
Соавторы и исследователи
Спонсор
Следователи
- Главный следователь: Gizem DEMIR SENOGLU, Düzce University
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
Другие идентификационные номера исследования
- 2022/65
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.
продукт, произведенный в США и экспортированный из 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. .