ChiCTR2400089243尚未招募不适用
构建基于机器学习模型的围术期睡眠监测算法：一项前瞻性队列研究
中央高水平医院临床科研业务费资助（ 北京大学第一医院科技成果转化孵育引导基金项目）1 个研究点 分布在 1 个国家开始时间: 2024年9月10日最近更新:
试验速览
- 阶段
- 不适用
- 状态
- 尚未招募
- 发起方
- 试验地点
- 1
- 主要终点
- 睡眠-觉醒状态的灵敏度和特异度
研究概览
简要总结
本项目采用心率变异性（Heart rate variability，HRV）和身体运动加速度作为联合指标，旨在开发一种基于机器学习模型的睡眠监测算法。与金标准多导睡眠监测（polysomnography，PSG）相比较，本研究拟实现基于机器学习算法的围术期便携睡眠监测仪使用，对围术期患者睡眠-觉醒状态的识别灵敏度和特异度分别达到 90%，实现方便、快速和准确地监测麻醉手术后患者的睡眠结构，用以解决围术期患者睡眠结构监测设备 PSG 昂贵、PSG 操作过程专业复杂和其他体动睡眠仪睡眠结构识别准确率低的问题。
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
- 18 至 90（—）
- 性别
- All
入选标准
- •拟接受择期外科手术患者；
排除标准
- •预期住院时间小于 48 小时；
- •预期麻醉结束时间超过手术当天 20:00；
- •近一个月内服用睡眠治疗药物，如苯二氮卓类、褪黑素等；
- •拟接受心脏外科手术或神经外科手术；
- •可能影响 HRV 分析的心律失常，如持续性房颤、频发室性早搏、病态窦房结综合征、房室传导阻滞等；
- •正在参与其他研究项目。
研究组 & 干预措施
Case series
结局指标
主要结局
睡眠-觉醒状态的灵敏度和特异度
次要结局
- 清醒状态的灵敏度和特异度
- REM 睡眠期的灵敏度和特异度
- N1 睡眠期的灵敏度和特异度
- N2 睡眠期的灵敏度和特异度
- N3 睡眠期的灵敏度和特异度
研究者
研究点 (1)
Loading locations...
相似试验
Unknown
不适用
基于人口特征及围术期相关因素构建机器算法模型预测术后睡眠障碍ChiCTR2300071807无经费
Unknown
不适用
基于队列的乳腺癌术后睡眠障碍危险因素筛选与预测模型构建及验证研究ChiCTR2200060607北京大学肿瘤医院科学研究基金择优资助项目300
Unknown
不适用
围术期睡眠障碍危险因素调查ChiCTR1800020192自费400
Unknown
不适用
术前睡眠障碍对日间手术患者术后精神运动恢复的影响ChiCTR2400082693宁波市第二医院临床研究项目
Unknown
不适用
胸腹腔镜大手术术后睡眠障碍危险因素分析：前瞻性队列研究ChiCTR2100054088导师课题经费及研究生科研经费200