Denna sida har översatts automatiskt och översättningens korrekthet kan inte garanteras. Vänligen se engelsk version för en källtext.

Preoperativa egenskaper för förutsägelse av supraglottiska luftvägsfel med hjälp av maskininlärning (ERICA) (ERICA)

8 maj 2026 uppdaterad av: Flora Scheffenbichler, University Hospital Ulm

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

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

Observationell

Inskrivning (Faktisk)

44000

Kontakter och platser

Det här avsnittet innehåller kontaktuppgifter för dem som genomför studien och information om var denna studie genomförs.

Studieorter

    • Baden-Wurttemberg
      • Ulm, Baden-Wurttemberg, Tyskland, 89073
        • University Hospital Ulm
    • Bavaria
      • Munich, Bavaria, Tyskland, 81675
        • Technical University Munich

Deltagandekriterier

Forskare letar efter personer som passar en viss beskrivning, så kallade behörighetskriterier. Några exempel på dessa kriterier är en persons allmänna hälsotillstånd eller tidigare behandlingar.

Urvalskriterier

Åldrar som är berättigade till studier

  • Vuxen
  • Äldre vuxen

Tar emot friska volontärer

Nej

Testmetod

Icke-sannolikhetsprov

Studera befolkning

Vuxna patienter (≥18 år) som får icke-hjärtkirurgi med hjälp av en supraglottisk luftvägsanordning

Beskrivning

Inklusionskriterier:

  • Vuxna patienter (≥18 år) som får generell anestesi för icke-hjärtkirurgi med en supraglottisk luftvägsanordning

Uteslutningskriterier:

  • Ingen

Studieplan

Det här avsnittet ger detaljer om studieplanen, inklusive hur studien är utformad och vad studien mäter.

Hur är studien utformad?

Designdetaljer

Vad mäter studien?

Primära resultatmått

Resultatmått
Tidsram
Risk för oplanerad SGA-konvertering
Tidsram: intraoperativt
intraoperativt

Samarbetspartners och utredare

Det är här du hittar personer och organisationer som är involverade i denna studie.

Studieavstämningsdatum

Dessa datum spårar framstegen för inlämningar av studieposter och sammanfattande resultat till ClinicalTrials.gov. Studieposter och rapporterade resultat granskas av National Library of Medicine (NLM) för att säkerställa att de uppfyller specifika kvalitetskontrollstandarder innan de publiceras på den offentliga webbplatsen.

Studera stora datum

Studiestart (Faktisk)

1 december 2022

Primärt slutförande (Faktisk)

30 november 2024

Avslutad studie (Faktisk)

31 december 2024

Studieregistreringsdatum

Först inskickad

25 september 2024

Först inskickad som uppfyllde QC-kriterierna

25 september 2024

Första postat (Faktisk)

27 september 2024

Uppdateringar av studier

Senaste uppdatering publicerad (Faktisk)

13 maj 2026

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

8 maj 2026

Senast verifierad

1 september 2024

Mer information

Termer relaterade till denna studie

Läkemedels- och apparatinformation, studiedokument

Studerar en amerikansk FDA-reglerad läkemedelsprodukt

Nej

Studerar en amerikansk FDA-reglerad produktprodukt

Nej

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 .

Prenumerera