基于临床数据的髋部骨折后死亡率预测人工智能模型
基于临床数据开发预测髋部骨折手术后30天及1年死亡率的人工智能模型：一项回顾性队列研究
髋部骨折是导致发病率和死亡率升高的重要原因，尤其在老年患者中更为显著。准确预测术后死亡率对于风险分层和临床决策至关重要。传统评分系统，如诺丁汉髋部骨折评分，在捕捉临床变量之间复杂的非线性关系方面存在局限性。
本回顾性队列研究旨在开发和验证一种基于人工智能的模型，以预测接受髋部骨折手术患者的30天死亡率。研究将从电子健康记录中提取约1000名在2022年1月1日至2025年12月1日期间接受手术的患者的临床和实验室数据。变量包括人口统计学特征、合并症、实验室参数、围手术期数据以及术后并发症。
人工智能模型的性能将被评估，并与传统的风险评分系统进行比较。本研究旨在确定基于人工智能的方法是否能为髋部骨折患者术后死亡率提供更准确的预测。
研究概览
地位
条件
研究类型
注册 (实际的)
联系人和位置
学习地点
-
-
-
Ankara、土耳其（türkiye）、06200
- Dr. Abdurrahman Yurtaslan Ankara Oncology Training and Research Hospital
-
-
参与标准
资格标准
适合学习的年龄
- 成人
- 年长者
接受健康志愿者
取样方法
研究人群
本研究人群包括2022年1月1日至2025年12月1日期间，在一家三级肿瘤专科培训与研究医院接受髋部骨折手术治疗的患者。 该队列回顾性提取自电子健康记录，包含约1000名患者。
人群涵盖不同人口统计学特征、合并症及围手术期风险状况的个体。 临床数据包括人口统计学信息、基线功能与认知状态、合并症、实验室参数、术中变量及术后并发症。
恶性肿瘤患者及接受翻修手术的患者被排除在外。 本研究人群代表了一个真实世界临床队列，用于开发和验证基于人工智能的模型，以预测髋部骨折术后30天死亡率。
描述
纳入标准：
于2022年1月1日至2025年12月1日期间接受髋部骨折手术治疗的患者 年龄≥18岁 电子健康档案系统中具备完整的人口统计学、临床和实验室数据 记录有30天随访或死亡状态
排除标准：
恶性肿瘤患者 接受髋关节翻修手术的患者 分析所需关键临床或实验室数据缺失或不完整的患者 30天死亡状态不可用或无记录的患者
学习计划
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 |
措施说明 |
大体时间 |
|---|---|---|
|
30天术后死亡率
大体时间：手术后30天及1年后
|
根据医院记录和电子健康数据确定的髋部骨折手术后30天内发生的全因死亡率。
|
手术后30天及1年后
|
合作者和调查者
出版物和有用的链接
一般刊物
- Ju M, Lee S, Marvich HM, Lin S. Accessing Alkoxy Radicals via Frustrated Radical Pairs: Diverse Oxidative Functionalizations of Tertiary Alcohols. J Am Chem Soc. 2024 Jul 24;146(29):19696-19703. doi: 10.1021/jacs.4c07125. Epub 2024 Jul 16.
- Wanchaijiraboon P, Sainamthip P, Teeyapun N, Luangdilok S, Poovorawan Y, Wanlapakorn N, Tanasanvimon S, Sriuranpong V, Susiriwatananont T, Zungsontiporn N, Pakvisal N. Safety Following COVID-19 Booster Vaccine with BNT162b2 Compared to mRNA-1273 in Solid Cancer Patients Previously Vaccinated with ChAdOx1 or CoronaVac. Vaccines (Basel). 2023 Feb 3;11(2):356. doi: 10.3390/vaccines11020356.
- Gonzalez Martinez J, Chen JJ, Aung T, Constantine T, Gonzalez-Martinez JA. Comparative Feasibility and Complication Analyses of Extraoperative (Bedside) Removal of Stereo-Electroencephalography Electrodes. Stereotact Funct Neurosurg. 2025;103(5):302-311. doi: 10.1159/000545984. Epub 2025 Apr 23.
研究记录日期
研究主要日期
学习开始 (实际的)
初级完成 (实际的)
研究完成 (实际的)
研究注册日期
首次提交
首先提交符合 QC 标准的
首次发布 (实际的)
研究记录更新
最后更新发布 (实际的)
上次提交的符合 QC 标准的更新
最后验证
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.