- ICH GCP
- Amerikanska kliniska prövningsregistret
- Klinisk prövning NCT07430358
Obstetrisk Riskbedömning & Kejsarsnittsleverans i Arbetsuppskattning med Artificiell Intelligens (ORACLE-AI)
20 maj 2026 uppdaterad av: Yishai Sompolinsky, Hadassah Medical Organization
Obstetriskt Riskbedömning & Kejsarsnitts-förlossningsuppskattning med Artificiell Intelligens Studie (ORACLE-AI)
ORACLE-AI är en enkelcentrerad, öppen, randomiserad klinisk prövning som jämför förstföderskor som hanteras med en realtidsmaskininlärningsinstrumentpanel mot en samtidig kontrollgrupp som får standardvård under förlossningen.
Deltagarna randomiseras 1:1 vid förlossningens början.
Interventionsgruppen har AI-instrumentpanelen synlig i sin elektroniska patientjournal, medan kontrollgruppen inte har det.
Den primära hypotesen är att användningen av kontinuerliga AI-baserade riskbedömningar kommer att vara icke-inferiör jämfört med standardvård när det gäller oplanerade kejsarsnittsfrekvenser (uCD), med potentiella sekundära fördelar för moders och nyfödda utfall.
Studieöversikt
Status
Rekrytering
Betingelser
Studietyp
Interventionell
Inskrivning (Beräknad)
400
Fas
- Inte tillämpbar
Kontakter och platser
Det här avsnittet innehåller kontaktuppgifter för dem som genomför studien och information om var denna studie genomförs.
Studieorter
-
-
Israel
-
Jerusalem, Israel, Israel, 9308810
- Rekrytering
- Hadassah Mt. Scopus Hebrew University Medical Center
-
Kontakt:
- Yishai Sompolinsky, MD MPH
- Telefonnummer: 0546288294
- E-post: ysompo@hadassah.org.il
-
-
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
Ja
Beskrivning
Inklusionskriterier:
- Ålder ≥ 18 år vid tidpunkten för samtycke
- Kan och är villig att ge skriftligt informerat samtycke
- Nullipar (ingen tidigare förlossning ≥ 24 veckors graviditet)
- Enkel levande graviditet
- Cefalisk (vertex) fosterläge
- Graviditetslängd ≥ 37+0 veckor
- Inlagd på förlossningsavdelning i arbete (cervixdilatation ≥ 3 cm med regelbundna kontraktioner) eller genomgår induktion eller augmentation av förlossning med avsikt att genomföra vaginal förlossning
- Planerat försök till vaginal förlossning (ingen planerat eller elektiv kejsarsnittsförlossning)
- Får intrapartumvård på Hadassah-Hebrew University Medical Center, Mount Scopus campus
Exklusionskriterier:
- Planerat eller elektiv kejsarsnittsförlossning före inläggning på förlossningsavdelning
- Multipel graviditet
- Icke-cefalisk fosterläge
- Graviditetslängd < 37+0 veckor
- Större fosteravvikelse som förväntas påverka förlossningen eller neonatalvården
- Kontraindikation mot vaginal förlossning (t.ex. placenta previa, invasiv placentation, tidigare uterusoperation som förhindrar förlossning)
- Kategori III fosterhjärtfrekvensspår vid inläggning som kräver omedelbar förlossning
- Maternell hemodynamisk instabilitet eller annat livshotande tillstånd som kräver akut kirurgisk eller intensivvård
- Oförmåga att ge informerat samtycke på grund av kognitiv nedsättning, intoxikation eller annan oförmåga
- Samtidigt deltagande i en annan interventionell obstetrisk studie som kan förvirra utfall eller öka risken
Studieplan
Det här avsnittet ger detaljer om studieplanen, inklusive hur studien är utformad och vad studien mäter.
Hur är studien utformad?
Designdetaljer
- Primärt syfte: Stödjande vård
- Tilldelning: Randomiserad
- Interventionsmodell: Parallellt uppdrag
- Maskning: Dubbel
Vapen och interventioner
Deltagargrupp / Arm |
Intervention / Behandling |
|---|---|
|
Experimentell: Instrumentpanelsgrupp
Deltagare som randomiseras till interventionsgruppen kommer att få standard obstetrisk vård under förlossningen med tillägg av ORACLE-AI:s realtidsdashboard för kliniskt beslutsstöd.
|
Interventionen är en mjukvarubaserad, realtidsklinisk beslutsstödsinstrumentpanel (ORACLE-AI) integrerad i den elektroniska patientjournalen och använd under förlossningsvården.
Systemet analyserar kontinuerligt antagningskarakteristika och dynamiska förlossningsdata, inklusive seriella livmodertappundersökningar, livmoderaktivitet och kardiotokografi (CTG)-annoteringar, för att generera individuella uppskattningar av sannolikheten för oplanerat kejsarsnitt.
Riskuppskattningar uppdateras automatiskt var 5–7:e minut och visas som en kontinuerlig numerisk procentandel med en grafisk tidstrend och 95 % konfidensintervall.
Instrumentpanelen är endast synlig för det kliniska vårdteamet och är rådgivande till sin natur; den ger inte föreskrivande rekommendationer eller automatiska varningar, och den ersätter inte kliniskt omdöme.
Alla obstetriska behandlingsbeslut, läkemedel och procedurer följer standardinstitutionella protokoll efter behandlande klinikers bedömning.
Inga läkemedel, implantat eller ytterligare procedurer
|
|
Inget ingripande: Kontrollgrupp
Deltagare som randomiserats till kontrollarmen kommer att få standard obstetrisk vård under förlossningen
|
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Primär slutpunkt: frekvensen av oplanerade kejsarsnittsförlossningar.
Tidsram: Från randomisering vid förlossningsinläggning till förlossning (födelsetid), upp till 7 dagar.
|
Oplanerat kejsarsnitt definieras som varje kejsarsnitt som utförs efter början av förlossningsarbetet eller under igångsättning av förlossningsarbetet, hos deltagare som randomiserats till studien, exklusive planerade eller elektiva kejsarsnitt.
Utfallet bedöms från tiden för randomisering vid förlossningsinläggning genom förlossning och registreras som en binär variabel (ja/nej) per deltagare, baserat på dokumentation i elektronisk patientjournal. |
Från randomisering vid förlossningsinläggning till förlossning (födelsetid), upp till 7 dagar.
|
Sekundära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Postpartumblödning
Tidsram: Från förlossning (tidpunkt för födsel) genom mammans utskrivning från sjukhuset, upp till 30 dagar.
|
Förekomst av postpartumblödning som dokumenterats i den elektroniska patientjournalen, definierad som >500 ml vid vaginal förlossning och >1000 ml vid kejsarsnitt och/eller hemodynamisk instabilitet som kräver klinisk intervention, och/eller behov av blodtransfusion.
|
Från förlossning (tidpunkt för födsel) genom mammans utskrivning från sjukhuset, upp till 30 dagar.
|
|
Mammans IVA-inläggning
Tidsram: Från förlossning (födsletid) till utskrivning från mödravårdsavdelningen, upp till 30 dagar.
|
Inläggning på en maternal intensivvårdsavdelning efter förlossning.
|
Från förlossning (födsletid) till utskrivning från mödravårdsavdelningen, upp till 30 dagar.
|
|
Chorioamnionit
Tidsram: Från randomisering vid förlossningsinläggning genom mammans sjukhusutskrivning, upp till 30 dagar.
|
Klinisk eller histologisk diagnos av koriomamnionit dokumenterad i den elektroniska journalen.
|
Från randomisering vid förlossningsinläggning genom mammans sjukhusutskrivning, upp till 30 dagar.
|
|
Avancerad perinealriva
Tidsram: Vid förlossning (födsletidpunkt), inom 7 dagar efter randomisering.
|
Tredje- eller fjärdegrads perineallaceration dokumenterad vid förlossning.
|
Vid förlossning (födsletidpunkt), inom 7 dagar efter randomisering.
|
|
Längd på mammans vårdtid
Tidsram: Från förlossning (förelsetid) till moderns utskrivning från sjukhuset, upp till 30 dagar.
|
Total längd på mammans sjukhusvistelse i dagar, beräknad från förlossning (förelsetidpunkt) till mammans sjukhusutskrivning.
|
Från förlossning (förelsetid) till moderns utskrivning från sjukhuset, upp till 30 dagar.
|
|
Mödradödlighet
Tidsram: Från förlossning (tidpunkt för födsel) genom mammas utskrivning från sjukhuset, upp till 30 dagar.
|
Modernens död före utskrivning från sjukhuset.
|
Från förlossning (tidpunkt för födsel) genom mammas utskrivning från sjukhuset, upp till 30 dagar.
|
|
Neonatal mortalitet
Tidsram: Från födseln genom neonatal sjukhusutskrivning, upp till 30 dagar.
|
Dödsfall av nyfödda före sjukhusutskrivning.
|
Från födseln genom neonatal sjukhusutskrivning, upp till 30 dagar.
|
|
Lågt Apgar-resultat
Tidsram: Vid 1 minut och 5 minuter efter födseln.
|
Apgar-poäng bedömd vid 1 minut och 5 minuter efter födseln.
Apgar-poängen sträcker sig från 0 till 10, där högre poäng indikerar bättre neonataltillstånd.
Andelen nyfödda med Apgar-poäng ≤7 kommer att rapporteras.
|
Vid 1 minut och 5 minuter efter födseln.
|
|
Navelsträngsarteriellt pH < 7.10
Tidsram: Vid födseln.
|
Umbilikal artärblod pH mindre än 7,10 mätt vid födseln.
|
Vid födseln.
|
|
Neonatal intensivvårdsavdelning
Tidsram: Från födseln genom neonatal sjukhusutskrivning, upp till 30 dagar.
|
Admission av nyfödda till en neonatal intensivvårdsavdelning.
|
Från födseln genom neonatal sjukhusutskrivning, upp till 30 dagar.
|
|
Neonatal mekanisk ventilation
Tidsram: Från födseln genom neonatal sjukhusutskrivning, upp till 30 dagar.
|
Krav på invasiv mekanisk ventilation under neonatal sjukhusvistelsen.
|
Från födseln genom neonatal sjukhusutskrivning, upp till 30 dagar.
|
|
Längd på neonatal vårdtid
Tidsram: Från födseln genom neonatal sjukhusutskrivning, upp till 30 dagar.
|
Total längd av neonatal sjukhusvistelse i dagar, beräknad från födsel till utskrivning från neonatalavdelningen.
|
Från födseln genom neonatal sjukhusutskrivning, upp till 30 dagar.
|
Andra resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Beslutsfördröjning till oplanerat kejsarsnitt
Tidsram: Från den första dokumenterade utlösande händelsen under förlossningen till det kirurgiska hudsnittet för en oplanerad kejsarsnittsförlossning, som inträffar under den aktuella sjukhusvistelsen (upp till 7 dagar efter randomisering).
|
Tidsintervall, i minuter, från det första dokumenterade utlösande händelsen under förlossningen (t.ex. vaginal blödning eller icke-tillfredsställande kardiotokografi) till hudinsnitt för oplanerat kejsarsnitt, härlett från elektroniska journaltidsstämplar.
|
Från den första dokumenterade utlösande händelsen under förlossningen till det kirurgiska hudsnittet för en oplanerad kejsarsnittsförlossning, som inträffar under den aktuella sjukhusvistelsen (upp till 7 dagar efter randomisering).
|
Samarbetspartners och utredare
Det är här du hittar personer och organisationer som är involverade i denna studie.
Sponsor
Samarbetspartners
Publikationer och användbara länkar
Den som ansvarar för att lägga in information om studien tillhandahåller frivilligt dessa publikationer. Dessa kan handla om allt som har med studien att göra.
Allmänna publikationer
- Hollins Martin CJ, Martin CR. Development and psychometric properties of the Birth Satisfaction Scale-Revised (BSS-R). Midwifery. 2014 Jun;30(6):610-9. doi: 10.1016/j.midw.2013.10.006. Epub 2013 Oct 24.
- Alfirevic Z, Devane D, Gyte GM, Cuthbert A. Continuous cardiotocography (CTG) as a form of electronic fetal monitoring (EFM) for fetal assessment during labour. Cochrane Database Syst Rev. 2017 Feb 3;2(2):CD006066. doi: 10.1002/14651858.CD006066.pub3.
- Schepman A, Rodway P. Initial validation of the general attitudes towards Artificial Intelligence Scale. Comput Hum Behav Rep. 2020 Jan-Jul;1:100014. doi: 10.1016/j.chbr.2020.100014. Epub 2020 May 18.
- Huurnink JME, Blix E, Hals E, Kaasen A, Bernitz S, Lavender T, Ahlberg M, Oian P, Hoifodt AI, Miltenburg AS, Pay ASD. Labor curves based on cervical dilatation over time and their accuracy and effectiveness: A systematic scoping review. PLoS One. 2024 Mar 22;19(3):e0298046. doi: 10.1371/journal.pone.0298046. eCollection 2024.
- Guedalia J, Lipschuetz M, Novoselsky-Persky M, Cohen SM, Rottenstreich A, Levin G, Yagel S, Unger R, Sompolinsky Y. Real-time data analysis using a machine learning model significantly improves prediction of successful vaginal deliveries. Am J Obstet Gynecol. 2020 Sep;223(3):437.e1-437.e15. doi: 10.1016/j.ajog.2020.05.025. Epub 2020 May 17.
- Wong MS, Wells M, Zamanzadeh D, Akre S, Pevnick JM, Bui AAT, Gregory KD. Applying Automated Machine Learning to Predict Mode of Delivery Using Ongoing Intrapartum Data in Laboring Patients. Am J Perinatol. 2024 May;41(S 01):e412-e419. doi: 10.1055/a-1885-1697. Epub 2022 Jun 25.
- Burke N, Burke G, Breathnach F, McAuliffe F, Morrison JJ, Turner M, Dornan S, Higgins JR, Cotter A, Geary M, McParland P, Daly S, Cody F, Dicker P, Tully E, Malone FD; Perinatal Ireland Research Consortium. Prediction of cesarean delivery in the term nulliparous woman: results from the prospective, multicenter Genesis study. Am J Obstet Gynecol. 2017 Jun;216(6):598.e1-598.e11. doi: 10.1016/j.ajog.2017.02.017. Epub 2017 Feb 16.
- Wakefield BM, Zapf MA, Ende HB. Artificial intelligence in prediction of postpartum hemorrhage: a primer and review. Int J Obstet Anesth. 2025 Aug;63:104694. doi: 10.1016/j.ijoa.2025.104694. Epub 2025 Jun 2.
- Tsur A, Batsry L, Toussia-Cohen S, Rosenstein MG, Barak O, Brezinov Y, Yoeli-Ullman R, Sivan E, Sirota M, Druzin ML, Stevenson DK, Blumenfeld YJ, Aran D. Development and validation of a machine-learning model for prediction of shoulder dystocia. Ultrasound Obstet Gynecol. 2020 Oct;56(4):588-596. doi: 10.1002/uog.21878.
- Guedalia J, Sompolinsky Y, Novoselsky Persky M, Cohen SM, Kabiri D, Yagel S, Unger R, Lipschuetz M. Prediction of severe adverse neonatal outcomes at the second stage of labour using machine learning: a retrospective cohort study. BJOG. 2021 Oct;128(11):1824-1832. doi: 10.1111/1471-0528.16700. Epub 2021 Apr 15.
- Hamilton EF, Romero R, Tarca AL, Warrick PA. The evolution of the labor curve and its implications for clinical practice: the relationship between cervical dilation, station, and time during labor. Am J Obstet Gynecol. 2023 May;228(5S):S1050-S1062. doi: 10.1016/j.ajog.2022.12.005. Epub 2023 Mar 16.
- Skvirsky V, Taubman-Ben-Ari O, Hollins Martin CJ, Martin CR. Validation of the Hebrew Birth Satisfaction Scale - Revised (BSS-R) and its relationship to perceived traumatic labour. J Reprod Infant Psychol. 2020 Apr;38(2):214-220. doi: 10.1080/02646838.2019.1600666. Epub 2019 Apr 13.
Användbara länkar
- link to pubmed abstract for this pmid 38517902
- link to pubmed abstract for this pmid 28157275
- link to pubmed abstract for this pmid 32434000
- link to pubmed abstract for this pmid 35752169
- link to pubmed abstract for this pmid 28213060
- link to pubmed abstract for this pmid 40527278
- link to pubmed abstract for this pmid 31587401
- link to pubmed abstract for this pmid 33713380
- link to pubmed abstract for this pmid 37164488
- link to pubmed abstract for this pmid 34235291
- link to pubmed abstract for this pmid 24252712
- link to pubmed abstract for this pmid 30983383
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 (Beräknad)
19 maj 2026
Primärt slutförande (Beräknad)
30 december 2026
Avslutad studie (Beräknad)
30 april 2027
Studieregistreringsdatum
Först inskickad
16 december 2025
Först inskickad som uppfyllde QC-kriterierna
22 februari 2026
Första postat (Faktisk)
24 februari 2026
Uppdateringar av studier
Senaste uppdatering publicerad (Faktisk)
22 maj 2026
Senaste inskickade uppdateringen som uppfyllde QC-kriterierna
20 maj 2026
Senast verifierad
1 maj 2026
Mer information
Termer relaterade till denna studie
Andra studie-ID-nummer
- 0335-25- HMO-CTIL
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 .