- ICH GCP
- Amerikanska kliniska prövningsregistret
- Klinisk prövning NCT06617403
Preoperativa egenskaper för förutsägelse av supraglottiska luftvägsfel med hjälp av maskininlärning (ERICA) (ERICA)
Kan preoperativa egenskaper förutsäga misslyckande av Supraglottic Airway to Trakeal Tube? A Machine Learning Algorithm (ERICA)
Supraglottiska luftvägsanordningar (SGA) är en säker och väletablerad teknik för luftvägshantering. Nuförtiden använder upp till 60 % av de allmänna anestetika som utförs i europeiska länder SGA. I 0,2-4,7 % SGA misslyckas och kräver konvertering till trakealtuber.
ERICA-studien kommer att använda artificiell intelligensmetoder för att utveckla en modell som kan förutsäga risken för en oplanerad SGA-omvandling baserat på preoperativa egenskaper som finns tillgängliga under premedicineringsbesöket.
Studieöversikt
Status
Intervention / Behandling
Detaljerad beskrivning
En intraoperativ förändring av proceduren leder inte bara till tidsförseningar utan även tidsförseningar utan innebär också åtgärder som är påfrestande för patienten, som att fördjupa bedövningen och manipulera luftvägarna igen.
Därför är målet med ERICA att utveckla en maskininlärningsalgoritm baserad på preoperativ information 1) som exakt kan förutsäga risken för en oplanerad SGA-omvandling och 2) identifierar egenskaper som leder till konvertering från SGA till trakealtub.
I. Utveckling av modellen
• Den slutliga datamängden kommer att delas upp i en utbildnings-, test- och valideringskohort. Fem modeller kommer att skapas för att förutsäga intraoperativ konvertering från SGA till trakealtub inklusive generaliserade linjära modeller (GLM), djupinlärning, distribuerad slumpmässig skog (DRF), xgboost och gradientförstärkningsmaskin (GBM). Sedan kommer en staplad ensemblemodell att konstrueras genom att kombinera de fem modellerna. Slutligen kommer den bästa artificiella intelligensmodellen att väljas.
II. Identifiera egenskaper som leder till luftvägsomvandlingen och kategoriseringen.
- Intraoperativa förändringar av patientens position kan förändra risken för konvertering, därför bör operationer med positionsförändringar övervägas
- Identifiera patient- och procedurberoende egenskaper som leder till konvertering från SGA till trakealtub och deras betydelse.
Studietyp
Inskrivning (Faktisk)
Kontakter och platser
Studieorter
-
-
Baden-Wurttemberg
-
Ulm, Baden-Wurttemberg, Tyskland, 89073
- University Hospital Ulm
-
-
Bavaria
-
Munich, Bavaria, Tyskland, 81675
- Technical University Munich
-
-
Deltagandekriterier
Urvalskriterier
Åldrar som är berättigade till studier
- Vuxen
- Äldre vuxen
Tar emot friska volontärer
Testmetod
Studera befolkning
Beskrivning
Inklusionskriterier:
- Vuxna patienter (≥18 år) som får generell anestesi för icke-hjärtkirurgi med en supraglottisk luftvägsanordning
Uteslutningskriterier:
- Ingen
Studieplan
Hur är studien utformad?
Designdetaljer
Vad mäter studien?
Primära resultatmått
Resultatmått |
Tidsram |
|---|---|
|
Risk för oplanerad SGA-konvertering
Tidsram: intraoperativt
|
intraoperativt
|
Samarbetspartners och utredare
Sponsor
Samarbetspartners
Studieavstämningsdatum
Studera stora datum
Studiestart (Faktisk)
Primärt slutförande (Faktisk)
Avslutad studie (Faktisk)
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
Nyckelord
Ytterligare relevanta MeSH-villkor
Andra studie-ID-nummer
- ERICA
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 .