- ICH GCP
- Amerikanska kliniska prövningsregistret
- Klinisk prövning NCT03125837
Upprättande av luftvägsdatabas för kirurgiska patienter
Studie om metoden för svåra luftvägsprediktioner baserad på artificiell intelligens
Studieöversikt
Status
Betingelser
Detaljerad beskrivning
Introduktion:
Det primära syftet med studien är att utveckla en datoralgoritm som kan upptäcka om patienten är en svår luftväg baserat på fotografier från sex olika aspekter.
Metoder:
Denna studie är uppdelad i två delar. I den första delen samlade vi in patienternas luftvägsbedömningspoäng som genomgick generell anestesi med endotrakeal intubation bedömd av en erfaren behandlande anestesiolog före och efter intubation. Utvärdering av luftvägspoäng efter trakeal intubation som guldstandard för luftvägsbedömning. Digitala fotografier av ansiktet på varje patient i frontal neutral vy och i profilneutrala färger erhölls. Detaljer för fotografierna, som var och en motsvarar en ansiktsrörelse: (1) Frontal, neutral. (2) Frontal, öppen mun. (3) Frontal, extrem mun öppen och tungan ut. (4)Frontalt, extremt överläppsbett (5)Profil, neutral. (6) Profil, neutral, maximalt huvud bakåt. Patientens fotografier och luftvägsutvärderingspoängen efter intubation matades in i datorn för att träna datorn. I den andra delen användes den tränade datorn för att utvärdera luftvägspoängen för den nya patienten jämfört med patientens efter intubation, och beräknade känsligheten.
Studietyp
Inskrivning (Förväntat)
Deltagandekriterier
Urvalskriterier
Åldrar som är berättigade till studier
Tar emot friska volontärer
Kön som är behöriga för studier
Testmetod
Studera befolkning
Beskrivning
Inklusionskriterier:
- Generell anestesi-inducerad trakeal intubation hos patienter som genomgår elektiva kirurgiska patienter
Exklusions kriterier:
- Patienter med flera ansiktsskador Patienter som genomgått en huvud- eller nackeoperation Patienter som behöver akutoperation
Studieplan
Hur är studien utformad?
Designdetaljer
Kohorter och interventioner
Grupp / Kohort |
---|
allmän anestesi
Digitala fotografier av ansiktet på varje patient som genomgår generell anestesi med endotrakeal intubation
|
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
---|---|---|
känsligheten hos artificiell intelligens för att förutsäga svårigheter med ansiktsmaskventilation och endotrakeal intubation
Tidsram: 5 år
|
Resultatet blir en datoralgoritm som kan upptäcka om patienten är en svår luftväg baserat på fotografier från sex olika aspekter.Detaljer om fotografierna, som var och en motsvarar en ansiktsrörelse: (1) Frontal, neutral.
(2) Frontal, öppen mun.
(3) Frontal, extrem mun öppen och tungan ut.
(4)Frontalt, extremt överläppsbett (5)Profil, neutral.
(6) Profil, neutral, maximalt huvud bakåt.
|
5 år
|
Samarbetspartners och utredare
Samarbetspartners
Studieavstämningsdatum
Studera stora datum
Studiestart (Förväntat)
Primärt slutförande (Förväntat)
Avslutad studie (Förväntat)
Studieregistreringsdatum
Först inskickad
Först inskickad som uppfyllde QC-kriterierna
Första postat (Faktisk)
Uppdateringar av studier
Senaste uppdatering publicerad (Faktisk)
Senaste inskickade uppdateringen som uppfyllde QC-kriterierna
Senast verifierad
Mer information
Termer relaterade till denna studie
Andra studie-ID-nummer
- 2016-076
Plan för individuella deltagardata (IPD)
Planerar du att dela individuella deltagardata (IPD)?
Läkemedels- och apparatinformation, studiedokument
Studerar en amerikansk FDA-reglerad läkemedelsprodukt
Studerar en amerikansk FDA-reglerad produktprodukt
Denna information hämtades direkt från webbplatsen clinicaltrials.gov utan några ändringar. Om du har några önskemål om att ändra, ta bort eller uppdatera dina studieuppgifter, vänligen kontakta register@clinicaltrials.gov. Så snart en ändring har implementerats på clinicaltrials.gov, kommer denna att uppdateras automatiskt även på vår webbplats .
Kliniska prövningar på Artificiell intelligens
-
Al Baraka Fertility HospitalAl-Azhar UniversityRekryteringARTIFICIAL INTELLIGENS (AI) APPLIKATIONER INOM REPRODUKTIV MEDICINEgypten