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。

利用通气参数并结合人工智能和深度学习技术，开发 ARDS 患者脱机成功的评分和预测模型

2024年12月26日更新者：Bakirkoy Dr. Sadi Konuk Research and Training Hospital

本研究旨在开发一种人工智能支持的评分模型，以优化 ARDS 患者机械通气的脱机过程。将对 25,000 名患者的数据进行回顾性分析，重点关注呼吸机参数和血流动力学变量。该模型旨在为临床决策支持系统做出贡献。

研究概览

地位

完全的

条件

详细说明

本研究的目的是利用诊断为 ARDS 的患者机械通气过程中获得的呼吸机参数，开发人工智能和深度学习支持的评分系统。该系统旨在预测和优化脱机过程，促进成功摆脱机械通气。

在此背景下，我们的研究将分析从 Metavision 系统获得的 25,000 名患者的数据。从该数据池中，ARDS 患者将被筛选并分为两组：成功脱离机械通气的患者（已脱离机械通气的患者）和未成功脱离机械通气的患者（未脱离机械通气的患者）。将详细检查两组的呼吸机参数，包括氧合指数、驱动压力和总机械功率。

将使用人工智能和深度学习算法对收集到的数据进行分析，以开发能够预测患者脱机过程的评分系统。该系统旨在指导临床医生进行患者管理并提高撤机程序的成功率。

本研究的结果旨在为 ARDS 患者的脱机过程提供更有效、更安全的管理。此外，人工智能支持的评分系统在重症监护病房的实施预计将促进广泛采用并提高患者护理质量。

研究类型

观察性的

注册 (实际的)

25000

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

火鸡
- - Istanbul、火鸡
    - Bakirkoy Dr Sadi Konuk Research and Training Hospital

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

诊断为 ARDS 并在 ICU 随访超过 48 小时的插管患者。

描述

纳入标准：

ARDS诊断
年满 18 岁
插管并随后机械通气
入住重症监护室
完整的临床支持和决策系统数据

排除标准：

缺失数据
18岁以下
其次是非 ARDS 病症
终端状态

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

团体/队列数

队列和干预

团体/队列
断奶那些成功脱离机械通气的人
未断奶那些没有脱离机械通气的人

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
成功断奶大体时间：48小时	这项研究的主要结果将是成功脱离机械通气。	48小时

次要结果测量

结果测量	措施说明	大体时间
机械通气参数大体时间：48小时	确定机械功率对患者治疗结果的影响。	48小时

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。

赞助

Bakirkoy Dr. Sadi Konuk Research and Training Hospital

调查人员

学习椅：Zafer Cukurova, M.D、Bakırkoy Dr. Sadi Konuk Training and Research Hospital

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)

2024年12月10日

初级完成 (实际的)

2024年12月24日

研究完成 (实际的)

2024年12月24日

研究注册日期

首次提交

2024年12月11日

首先提交符合 QC 标准的

2024年12月26日

首次发布 (实际的)

2025年3月25日

研究记录更新

最后更新发布 (实际的)