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

AI-Based Prediction of Difficult Airway in Bariatric Surgery (AI-Airway)

18 juni 2026 uppdaterad av: Muhammed Başpınar, Elazıg Fethi Sekin Sehir Hastanesi

Artificial Intelligence-Based Prediction of Difficult Airway in Bariatric Surgery: A Prospective Evaluation of Preoperative Airway Predictors

The aim of this prospective study is to evaluate the accuracy of artificial intelligence (AI) and machine learning algorithms in predicting difficult airways in patients undergoing bariatric surgery. Preoperative airway assessments, including the Upper Lip Bite Test (UBLT), Mallampati score, Body Mass Index (BMI), thyromental distance (TMD), and sternomental distance (SMD), will be recorded. The study investigates whether AI models can provide higher sensitivity and specificity in predicting difficult intubation compared to traditional clinical scoring systems in the obese patient population.

Studieöversikt

Status

Rekrytering

Betingelser

Intervention / Behandling

Studietyp

Observationell

Inskrivning (Beräknad)

340

Kontakter och platser

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

Studiekontakt

Studieorter

  • Turkiet (Türkiye)
    • Elâzığ
      • Elâzığ, Elâzığ, Turkiet (Türkiye), 23100
        • Rekrytering
        • Fethi Sekin City Hospital
        • Kontakt:

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

Testmetod

Icke-sannolikhetsprov

Studera befolkning

The study population consists of adult obese patients (BMI ≥ 35 kg/m²) undergoing elective bariatric surgery under general anesthesia in a tertiary academic medical center. This population represents individuals at a higher baseline risk for difficult airway management and intubation.

Beskrivning

Inclusion Criteria:

  1. Adult patients aged 18 to 65 years.
  2. Scheduled for elective bariatric surgery under general anesthesia.
  3. Body Mass Index (BMI) ≥ 35 kg/m².
  4. Consenting to participate in the study.

Exclusion Criteria:

  1. Patients with known upper airway anatomical deformities, head and neck tumors, or a history of head/neck radiotherapy.
  2. History of maxillofacial, airway, or cervical spine surgery.
  3. Emergency surgeries.
  4. Patients requiring planned awake fiberoptic intubation based on obvious preoperative clinical indicators.

Studieplan

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

Hur är studien utformad?

Designdetaljer

Kohorter och interventioner

Grupp / Kohort
Intervention / Behandling
Bariatric Surgery Patients
Patients scheduled for elective bariatric surgery under general anesthesia who undergo preoperative airway assessment using clinical and morphometric predictors.
Diagnostiskt test: Preoperative Airway Assessment and Direct Laryngoscopy
Measurement of preoperative airway parameters including Upper Lip Bite Test (UBLT), Mallampati score, Body Mass Index (BMI), thyromental distance, and sternomental distance. Intraoperative airway view is graded using the Cormack-Lehane classification during standard direct laryngoscopy.
Andra namn:
  • Upper Lip Bite Test
  • Modified Mallampati Score
  • Thyromental Distance
  • Sternomental Distance
  • Cormack-Lehane Grading

Vad mäter studien?

Primära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Diagnostic Accuracy of the Artificial Intelligence Model in Predicting Difficult Intubation
Tidsram: Intraoperative (assessed during the primary intubation attempt)
The predictive performance of the AI model will be evaluated by comparing its preoperative difficult airway prediction against the actual intraoperative direct laryngoscopy view. The intraoperative view is graded using the Cormack-Lehane classification system. Grades 3 and 4 are clinically defined as difficult intubation, while Grades 1 and 2 are defined as easy intubation. The primary metric of diagnostic accuracy will be the Area Under the Receiver Operating Characteristic (AUC-ROC) curve.
Intraoperative (assessed during the primary intubation attempt)

Sekundära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Number of Intubation Attempts
Tidsram: Intraoperative
Total number of direct laryngoscopy attempts required to achieve successful tracheal intubation.
Intraoperative
Need for Alternative Airway Management Techniques
Tidsram: Intraoperative
The frequency of requiring alternative airway devices or strategies (e.g., video laryngoscope, bougie, or fiberoptic bronchoscope) to secure the airway after a primary direct laryngoscopy.
Intraoperative

Samarbetspartners och utredare

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

Sponsor

Elazıg Fethi Sekin Sehir Hastanesi

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)

21 maj 2026

Primärt slutförande (Beräknad)

1 september 2026

Avslutad studie (Beräknad)

15 oktober 2026

Studieregistreringsdatum

Först inskickad

18 juni 2026

Först inskickad som uppfyllde QC-kriterierna

18 juni 2026

Första postat (Faktisk)

24 juni 2026

Uppdateringar av studier

Senaste uppdatering publicerad (Faktisk)

24 juni 2026

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

18 juni 2026

Senast verifierad

1 juni 2026

Mer information

Termer relaterade till denna studie

Nyckelord

Ytterligare relevanta MeSH-villkor

Andra studie-ID-nummer

  • 2026/30-28

Plan för individuella deltagardata (IPD)

Planerar du att dela individuella deltagardata (IPD)?

JA

IPD-planbeskrivning

De-identified individual participant data (including preoperative clinical/morphometric airway measurements and intraoperative Cormack-Lehane grades) underlying the results reported in the final publication will be shared to promote transparency and reproducibility in machine learning models.

Kriterier för IPD Sharing Access

Data will be shared upon reasonable request with qualified researchers who provide a methodologically sound proposal. Proposals should be directed to the corresponding author's email. To gain access, data requestors will need to sign a data access agreement.

IPD-delning som stöder informationstyp

  • STUDY_PROTOCOL
  • SAV

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