Utvärdering av överensstämmelsen mellan ChatGPT-5 och anestesiläkarnas förutsägelser och faktiska utfall vid prediktering av postoperativ intensivvårdsbehov baserat på preoperativa data
Utvärdering av överensstämmelsen mellan ChatGPT-5 och anestesiläkarnas förutsägelser samt faktiska utfall vid prediktion av postoperativt intensivvårdsbehov baserat på preoperativa data
Exakt förutsägelse av behovet av intensivvårdsavdelning (IVA) efter operation är avgörande för patientsäkerhet och effektiv användning av begränsade IVA-resurser. I rutinmässig klinisk praxis baseras beslut om postoperativ IVA-vård främst på anestesiologers preoperativa kliniska bedömning, vilket kan variera mellan kliniker.
Denna prospektiva observationsstudie syftar till att utvärdera överensstämmelsen mellan förutsägelser gjorda av ChatGPT-5 och anestesiologer avseende postoperativt IVA-behov med hjälp av rutinmässigt insamlade preoperativa patientdata, samt att jämföra dessa förutsägelser med faktiska postoperativa IVA-vårdresultat.
Studien innefattar inga interventioner, behandlingsändringar eller ytterligare procedurer utöver standard klinisk vård. Alla patientdata är anonymiserade, och klinisk behandling påverkas inte av modellens förutsägelser.
Studieöversikt
Status
Betingelser
Intervention / Behandling
Detaljerad beskrivning
Postoperativ intensivvårdsavdelning (IVA) är en kritisk komponent i perioperativ patienthantering, särskilt hos patienter med ökad kirurgisk eller anestesirisk. Exakt preoperativ identifiering av patienter som kommer att behöva postoperativ IVA-vård kan förbättra patientsäkerheten och optimera resursallokeringen.
Denna studie är utformad som en prospektiv, icke-interventionell observationskohortstudie som genomförs på vuxna patienter som genomgår elektiva kirurgiska ingrepp. Rutinmässigt insamlad preoperativ klinisk data, inklusive demografiska egenskaper, komorbiditeter, laboratorieresultat och anestesiläkarnas bedömningar, registreras för varje deltagare.
För varje patient dokumenteras förutsägelser om postoperativt IVA-behov som genereras av ChatGPT-5 med strukturerad preoperativ data. Dessa förutsägelser jämförs med anestesiläkarnas preoperativa bedömningar av IVA-intag samt med faktiska postoperativa IVA-intagsutfall.
Inga ytterligare diagnostiska eller terapeutiska interventioner utförs som en del av studien. Patientvården följer standardiserad institutionell praxis vid alla tillfällen. All insamlad data anonymiseras före analys. Statistiska analyser fokuserar på överensstämmelse och prediktiva prestationsmått, inklusive sensitivitet, specificitet och överensstämmelse mellan prediktionsmetoder och faktiska utfall.
Studietyp
Inskrivning (Faktisk)
Kontakter och platser
Studieorter
-
-
-
Antalya, Turkiet (Türkiye)
- Antalya City Hospital
-
-
Deltagandekriterier
Urvalskriterier
Åldrar som är berättigade till studier
- Vuxen
- Äldre vuxen
Tar emot friska volontärer
Testmetod
Studera befolkning
Beskrivning
Inklusionskriterier:
- Vuxna patienter som är 18 år eller äldre.
- Patienter som genomgår elektiva kirurgiska ingrepp som kräver preoperativ anestesiutvärdering.
- Tillgänglighet av kompletta preoperativa kliniska data som krävs för prediktion av behov av postoperativ intensivvård (IVA).
- Patienter som utvärderats preoperativt av en anestesispecialist.
Exklusionskriterier:
- Patienter yngre än 18 år.
- Akuta kirurgiska ingrepp.
- Patienter med ofullständiga eller saknade preoperativa kliniska data.
- Patienter som vägrar att deras kliniska data används för forskningsändamål.
Studieplan
Hur är studien utformad?
Designdetaljer
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Överensstämmelse Mellan Förutsedd och Faktisk Postoperativ IVA-behov
Tidsram: Inom de första 24 timmarna efter operationen
|
Överensstämmelse mellan preoperativa förutsägelser om postoperativt intensivvårdsbehov (ICU) gjorda av ChatGPT-5 och anestesiologer, jämfört med faktiska postoperativa ICU-intagningsutfall.
|
Inom de första 24 timmarna efter operationen
|
Samarbetspartners och utredare
Sponsor
Utredare
- Huvudutredare: Beste Mutlu Dağlıoğlu, Antalya City Hospital
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
- AntalyaCity
Plan för individuella deltagardata (IPD)
Planerar du att dela individuella deltagardata (IPD)?
Läkemedels- och apparatinformation, studiedokument
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 .