ChiCTR2500110067已完成不适用
通过机器学习方法优化骨科术后疼痛管理：一项大数据研究
自选课题（自筹）1 个研究点 分布在 1 个国家目标入组 40,000 人开始时间: 2015年1月1日最近更新:
试验速览
- 阶段
- 不适用
- 状态
- 已完成
- 发起方
- 入组人数
- 40,000
- 试验地点
- 1
- 主要终点
- 术后疼痛等级预测准确性
研究概览
简要总结
本研究旨在利用机器学习模型预测骨科手术术后短期疼痛，以提高疼痛管理的科学性和准确性，优化术后治疗方案，推进个体化治疗，并节约医疗资源。同时为临床医生提供客观的疼痛评估工具，减少术后疼痛相关并发症，改善患者就医体验，缩短住院时间，并降低药物副作用和依赖性的风险。
研究设计
- 研究类型
- 观察性研究
- 主要目的
- 病例对照研究
- 盲法
- 无
入排标准
- 年龄范围
- 18 至 —（—）
- 性别
- All
入选标准
- •1.年龄在 18 岁及以上；
- •2.在上海市第六人民医院接受过骨科手术；
- •3.有完整的术前和术后医疗记录；
- •4.术后短期（2 周内）有相关药物使用记录（包括有无使用止痛药）；
排除标准
- •1.术前已有严重疼痛病史的患者；
- •2.合并有其他严重系统性疾病，可能影响术后疼痛评估的患者；
- •3.术后疼痛评估数据不完整的患者；
研究组 & 干预措施
术前区域阻滞麻醉和术后病患自控式止痛均未使用
仅术前区域阻滞麻醉
仅术后病患自控式止痛
联合术前区域阻滞麻醉和术后病患自控式止痛
结局指标
主要结局
术后疼痛等级预测准确性
时间窗: 术后 2 周内
次要结局
- 首次镇痛需求预测准确性(术后 2 周内)
- 补救镇痛事件预测准确性(术后 2 周内)
研究者
研究点 (1)
Loading locations...
相似试验
招募中
Unknown
大数据分析建立术后疼痛预测模型术后疼痛ChiCTR2200058466
Unknown
不适用
机器学习驱动的术后慢性疼痛过渡性疼痛服务：一项随机试点研究ChiCTR2500104817四川省科技厅中央引导地方科技发展项目40
Unknown
不适用
日间手术术后疼痛的危险因素：一项前瞻性队列研究ChiCTR2500095991成都市科技项目
Unknown
不适用
基于数据挖掘算法探索术后急性疼痛变化轨迹与术后慢性疼痛的相关性：一项前瞻性队列研究ChiCTR2200062542国家科技重大专项1,200
Unknown
不适用
基于机器学习的老年人髋部骨折术后预后研究以及术前评估系统的构建ChiCTR2400091520自筹资金