此页面是自动翻译的,不保证翻译的准确性。请参阅 英文版 对于源文本。

使用机器学习预测声门上气道衰竭的术前特征 (ERICA) (ERICA)

2026年5月8日 更新者:Flora Scheffenbichler、University Hospital Ulm

术前特征可以预测声门上气道至气管导管的故障吗?机器学习算法 (ERICA)

声门上气道装置 (SGA) 是一种安全且行之有效的气道管理技术。 如今,欧洲国家高达 60% 的全身麻醉使用 SGA。 0.2-4.7% SGA 失败并需要转换为气管插管。

ERICA 研究将使用人工智能方法开发一个模型,该模型可以根据术前用药期间可用的术前特征来预测意外 SGA 转换的风险。

研究概览

地位

完全的

干预/治疗

详细说明

术中改变流程不仅导致时间延误,而且还涉及对患者造成压力的措施,例如加深麻醉、再次操纵气道等。

因此,ERICA 的目标是开发一种基于术前信息的机器学习算法,1) 能够准确预测意外 SGA 转换的风险,2) 识别导致从 SGA 转换为气管插管的特征。

I. 开发模型

• 最终数据集将分为训练、测试和验证组。 将创建五个模型来预测从 SGA 到气管插管的术中转换,包括广义线性模型 (GLM)、深度学习、分布式随机森林 (DRF)、xgboost 和梯度增强机 (GBM)。 然后,通过五个模型的组合构建堆叠集成模型。 最后,将选择最佳的人工智能模型。

二.识别导致气道转换和分类的特征。

  • 术中患者体位的改变会改变转换的风险,因此应考虑体位改变的手术
  • 确定导致从 SGA 转换为气管插管的患者和手术相关特征及其重要性。

研究类型

观察性的

注册 (实际的)

44000

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

    • Baden-Wurttemberg
      • Ulm、Baden-Wurttemberg、德国、89073
        • University Hospital Ulm
    • Bavaria
      • Munich、Bavaria、德国、81675
        • Technical University Munich

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

  • 成人
  • 年长者

接受健康志愿者

不

取样方法

非概率样本

研究人群

使用声门上气道装置接受非心脏手术的成年患者(≥18 岁)

描述

纳入标准:

  • 使用声门上气道装置接受全身麻醉进行非心脏手术的成年患者(≥18 岁)

排除标准:

  • 没有任何

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

研究衡量的是什么?

主要结果指标

结果测量
大体时间
计划外 SGA 转换的风险
大体时间:术中
术中

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)

2022年12月1日

初级完成 (实际的)

2024年11月30日

研究完成 (实际的)

2024年12月31日

研究注册日期

首次提交

2024年9月25日

首先提交符合 QC 标准的

2024年9月25日

首次发布 (实际的)

2024年9月27日

研究记录更新

最后更新发布 (实际的)

2026年5月13日

上次提交的符合 QC 标准的更新

2026年5月8日

最后验证

2024年9月1日

更多信息

与本研究相关的术语

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.

订阅