预测术后呼吸衰竭的机器学习模型
2022年8月29日 更新者：Hyun-Kyu Yoon、Seoul National University Hospital
预测术后呼吸衰竭的机器学习模型的开发和前瞻性评估
本研究的主要目的是开发一种机器学习模型，使用真实世界的本地术前和术中电子健康记录，而不是行政代码，预测术后 7 天内的术后呼吸衰竭。
研究概览
详细说明
众所周知，术后肺部并发症会增加住院时间和医疗费用。
这些并发症中最严重的一种是术后呼吸衰竭，它也与发病率和死亡率有关。
已经开发了许多风险分层模型来识别术后呼吸衰竭风险增加的患者。
然而，这些模型是通过使用传统的逻辑回归分析建立的。
逻辑回归分析的缺点是假设因变量和自变量之间的关系是线性的。
人工智能的最新进展使管理和分析大数据成为可能。
使用机器学习技术和大规模数据的预测模型可以比以前使用传统统计的模型提高预测性能的准确性。
此外，如果将机器学习技术集成到医疗保健系统中，它可能是做出临床决策或实时预测的有用辅助工具。
然而，据我们所知，还没有研究使用机器学习方法调查术后呼吸衰竭的预测因素。
因此，本研究的主要目标是开发一种机器学习模型，使用真实世界的本地术前和术中电子健康记录而不是行政代码来预测术后 7 天内的术后呼吸衰竭，并前瞻性地评估其性能。
研究类型
观察性的
注册 (实际的)
22250
联系人和位置
本节提供了进行研究的人员的详细联系信息，以及有关进行该研究的地点的信息。
学习地点
-
-
-
Seoul、大韩民国
- Hyun-Kyu Yoon
-
-
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、OLDER_ADULT)
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
因非心脏手术接受全身麻醉的成年患者
描述
纳入标准：
- 为非心脏手术接受全身麻醉的成年患者
排除标准：
- 18岁以下
- 手术时间 < 1 小时
- 心脏外科
- 手术仅进行区域或局部麻醉、周围神经阻滞或监测麻醉护理
- 器官移植
- 术前气管插管患者
- 手术前有气管造口术的患者
- 计划进行气管切开术的患者
- 在手术室外进行的手术
- 住院时间 < 24 小时
如果患者在同一住院期间进行了多次手术，我们将第一个手术病例纳入数据集中。
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 |
干预/治疗 |
|---|---|
|
AI_PRF
接受全身麻醉的成人患者
|
前瞻性测试了机器学习模型在术后第 7 天内预测全身麻醉后呼吸衰竭的性能。
|
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 |
|---|---|---|
|
全身麻醉术后呼吸衰竭的发生率
大体时间：术后第7天
|
术后呼吸衰竭定义为机械通气 >48 小时或术后任何重新插管
|
术后第7天
|
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 (实际的)
2021年5月26日
初级完成 (实际的)
2022年5月25日
研究完成 (实际的)
2022年6月25日
研究注册日期
首次提交
2020年8月21日
首先提交符合 QC 标准的
2020年8月21日
首次发布 (实际的)
2020年8月26日
研究记录更新
最后更新发布 (实际的)
2022年9月1日
上次提交的符合 QC 标准的更新
2022年8月29日
最后验证
2022年8月1日
更多信息
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.