AI Assisted Preoperative Assessment for ASA Classification and ICU Admission
20 augusti 2026 uppdaterad av: Zeynep Lee, Bakirkoy Dr. Sadi Konuk Research and Training Hospital
AI Assisted Clinical Decision-making in Preoperative Anesthesia Assessment: a Comparision of Clinicians, ChatGPT and Gemini
This prospective observational study evaluates the performance of artificial intelligence (AI) models in preoperative anesthesia assessment.
Preoperative clinical data from adult patients undergoing elective surgery are independently evaluated by clinicians and AI models (ChatGPT and Gemini).
The study compares their assessments of American Society of Anesthesiologists (ASA) physical status classification and the predicted need for intensive care unit (ICU) admission within the first 24 hours after surgery.
Actual postoperative ICU admission is used as the clinical outcome for evaluating predictive performance.
No treatment or clinical decision is determined by the AI models, and patient management is performed according to routine clinical practice.
Studieöversikt
Status
Aktiv, inte rekryterande
Betingelser
Intervention / Behandling
Studietyp
Observationell
Inskrivning (Beräknad)
2500
Kontakter och platser
Det här avsnittet innehåller kontaktuppgifter för dem som genomför studien och information om var denna studie genomförs.
Studieorter
-
-
Istanbul
-
Istanbul, Istanbul, Turkiet (Türkiye), 34147
- Bakırkoy Dr. Sadi Konuk Training and Research Hospital
-
-
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
Adult patients undergoing elective surgery who are evaluated in the preoperative anesthesia clinic at Bakirkoy Dr. Sadi Konuk Research and Training Hospital.
Beskrivning
Inclusion Criteria:
- Age 18 years or older
- Scheduled for elective surgery
- Evaluated in the preoperative anesthesia clinic
- Provision of informed consent
Exclusion Criteria:
- Pregnancy
- Presence of an upper respiratory tract infection
- Active herpes infection or active wound and/or lesion in the anesthesia-related area
- Age under 18 years
- Emergency surgery
- Planned cardiovascular surgery
- Incomplete clinical data
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 |
|---|---|
|
elective surgical patients
Adult patients undergoing elective surgery who undergo routine preoperative anesthesia assessment.
Preoperative clinical data from each participant are independently evaluated by the clinician and the AI models ChatGPT and Gemini for ASA physical status classification and prediction of ICU admission within the first 24 postoperative hours.
AI assessments do not influence clinical management or patient care.
|
Preoperative clinical data are independently evaluated using ChatGPT and Gemini for ASA physical status classification and prediction of ICU admission within 24 hours after surgery.
AI-generated assessments are used for research purposes only and do not influence clinical decision-making or patient care.
|
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Agreement in ASA Physical Status Classification
Tidsram: During preoperative assessment
|
Agreement between clinician-assigned and AI-generated ASA Physical Status classifications will be evaluated for ChatGPT and Gemini using linear weighted kappa statistics.
|
During preoperative assessment
|
Sekundära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Prediction of Postoperative ICU Admission
Tidsram: Within the first 24 hours after surgery
|
The accuracy of preoperative predictions of postoperative ICU admission made by the clinician, ChatGPT, and Gemini will be evaluated against actual ICU admission occurring within the first 24 hours after surgery.
Sensitivity, specificity, positive predictive value, negative predictive value, and accuracy will be calculated for each evaluator.
|
Within the first 24 hours after surgery
|
Samarbetspartners och utredare
Det är här du hittar personer och organisationer som är involverade i denna studie.
Utredare
- Studierektor: evrim kucur tülübaş, MD, Bakirkoy Dr. Sadi Konuk Research and Training Hospital
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)
16 februari 2026
Primärt slutförande (Beräknad)
20 augusti 2026
Avslutad studie (Beräknad)
20 augusti 2026
Studieregistreringsdatum
Först inskickad
20 augusti 2026
Först inskickad som uppfyllde QC-kriterierna
20 augusti 2026
Första postat (Faktisk)
24 augusti 2026
Uppdateringar av studier
Senaste uppdatering publicerad (Faktisk)
24 augusti 2026
Senaste inskickade uppdateringen som uppfyllde QC-kriterierna
20 augusti 2026
Senast verifierad
1 augusti 2026
Mer information
Termer relaterade till denna studie
Nyckelord
Andra studie-ID-nummer
- 2026/51
Plan för individuella deltagardata (IPD)
Planerar du att dela individuella deltagardata (IPD)?
NEJ
IPD-planbeskrivning
Individual participant data will not be shared due to patient confidentiality and data protection considerations.
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 .