外科患者气道数据库的建立
基于人工智能的困难气道预测方法研究
困难气道是麻醉相关损伤的主要原因，具有潜在的危及生命的并发症。
术前预见困难气道对患者的安全至关重要。
本研究的目的是开发一种计算机算法，可以根据照片从六个方面检测患者是否为困难气道。
这种方法将减少与困难气道相关的潜在并发症并提高患者安全性。
研究概览
详细说明
介绍：
该研究的主要目的是开发一种计算机算法，可以根据六个不同方面的照片检测患者是否为困难气道。
方法：
本研究分为两部分。 在第一部分，我们收集了气管插管全麻患者气管插管前后由经验丰富的主治麻醉医师进行气管插管前后的气道评估评分。 气管插管后气道评分评价作为气道评估的金标准。 获得每位患者正面中性视图和侧面中性视图中面部的数码照片。 照片的细节，每张都对应一个面部动作：(1) 正面，中性。 (2) 正面，嘴巴张开。 (3) 正面，极端的张嘴和吐舌头。 (4) 正面，极端的上唇咬合 (5) 轮廓，中性。 (6) 轮廓，中性，最大头向后。 将患者的照片和插管后的气道评价评分输入电脑，对电脑进行训练。 第二部分，使用经过训练的计算机评估新患者的气道评分与插管后患者的气道评分，并计算敏感性。
研究类型
观察性的
注册 (预期的)
50000
参与标准
研究人员寻找符合特定描述的人，称为资格标准。这些标准的一些例子是一个人的一般健康状况或先前的治疗。
资格标准
适合学习的年龄
18年 及以上 (成人、年长者)
接受健康志愿者
不
有资格学习的性别
全部
取样方法
非概率样本
研究人群
接受气管插管全身麻醉的患者
描述
纳入标准：
- 择期手术患者全身麻醉诱导气管插管
排除标准：
- 面部多处受伤患者 接受过头颈部手术的患者 需要紧急手术的患者
学习计划
本节提供研究计划的详细信息，包括研究的设计方式和研究的衡量标准。
研究是如何设计的？
设计细节
队列和干预
团体/队列 |
|---|
|
全身麻醉
接受气管插管全身麻醉的每位患者面部的数码照片
|
研究衡量的是什么？
主要结果指标
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
人工智能预测面罩通气和气管插管难度的敏感性
大体时间：5年
|
结果将是一种计算机算法，可以根据六个不同方面的照片检测患者是否为困难气道。照片的细节，每张对应一个面部运动：（1）正面，中性。
(2) 正面，嘴巴张开。
(3) 正面，极端的张嘴和吐舌头。
(4) 正面，极端的上唇咬合 (5) 轮廓，中性。
(6) 轮廓，中性，最大头向后。
|
5年
|
合作者和调查者
在这里您可以找到参与这项研究的人员和组织。
研究记录日期
这些日期跟踪向 ClinicalTrials.gov 提交研究记录和摘要结果的进度。研究记录和报告的结果由国家医学图书馆 (NLM) 审查，以确保它们在发布到公共网站之前符合特定的质量控制标准。
研究主要日期
学习开始 (预期的)
2017年5月1日
初级完成 (预期的)
2022年5月1日
研究完成 (预期的)
2022年5月1日
研究注册日期
首次提交
2017年3月13日
首先提交符合 QC 标准的
2017年4月19日
首次发布 (实际的)
2017年4月24日
研究记录更新
最后更新发布 (实际的)
2017年4月24日
上次提交的符合 QC 标准的更新
2017年4月19日
最后验证
2017年4月1日
更多信息
与本研究相关的术语
其他研究编号
- 2016-076
计划个人参与者数据 (IPD)
计划共享个人参与者数据 (IPD)？
不
药物和器械信息、研究文件
研究美国 FDA 监管的药品
不
研究美国 FDA 监管的设备产品
不
此信息直接从 clinicaltrials.gov 网站检索，没有任何更改。如果您有任何更改、删除或更新研究详细信息的请求，请联系 register@clinicaltrials.gov. clinicaltrials.gov 上实施更改，我们的网站上也会自动更新.