ChiCTR2500104133进行中（未招募）早期 1 期
基于机器学习算法构建全麻患儿术中低体温风险预测模型
哈尔滨医科大学研究生科研和实践创新项目1 个研究点 分布在 1 个国家开始时间: 2024年7月1日最近更新:
试验速览
- 阶段
- 早期 1 期
- 状态
- 进行中（未招募）
- 发起方
- 试验地点
- 1
- 主要终点
- 核心体温
研究概览
简要总结
- 通过 Meta 分析明确患儿术中低体温的总体发生率及影响因素。
- 通过前瞻性的资料收集，利用机器学习中的逻辑回归、决策树、随机森林及支持向量机四种算法构建性能优良的术中低体温风险预测模型，并对模型进行内部验证。
- 前瞻性收集多中心样本数据完成时段和空间的外部验证，所构建的模型在新数据集中仍然有较好的预测能力，最后对部分模型进行可视化呈现，形成直观易懂的图表或界面。
研究设计
- 研究类型
- 观察性研究
- 主要目的
- 连续入组
入排标准
- 年龄范围
- 0 至 16（—）
- 性别
- All
入选标准
- •2.麻醉方式包含全身麻醉；
- •3.麻醉持续时间＞30min。
排除标准
- •1.心脏手术或其它需要降低患儿体温的术式；
- •4.基础体温异常，术前核心体温＜36.0℃或＞38.0℃；
- •5.有甲状腺功能亢进或甲状腺功能减退等影响体温的疾病；
- •6.因手术原因或耳道疾病无法测量核心体温者。
研究组 & 干预措施
建模组
验证组
结局指标
主要结局
核心体温
受试者工作特征曲线
曲线下面积
灵敏度
特异度
次要结局
未报告次要终点
研究者
研究点 (1)
Loading locations...
相似试验
Unknown
不适用
围术期患者低体温风险预测模型构建及验证研究ChiCTR1900027124自筹经费2,000
Unknown
不适用
择期神经外科手术麻醉恢复期低体温危险因素分析及预测模型构建ChiCTR2100048666单位自筹、市级财政科技申请
Unknown
不适用
基于术中监测数据构建预测术后不良事件风险的机器学习模型ChiCTR2500104544国家自然科学基金
Unknown
不适用
数据驱动的腹部手术患者体温特征挖掘及其对感染并发症的预测价值研究ChiCTR2500105042四川省科技厅重点研发计划
尚未招募
不适用
Predicting Hypothermia in Gynecological Laparoscopic Surgery Using Machine LearningNCT07353528Chengdu Jinjiang Maternity and Child Health Hospital1,000