ChiCTR2500104544尚未招募不适用
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
国家自然科学基金1 个研究点 分布在 1 个国家开始时间: 2025年5月1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
- 术后结局数据
研究概览
简要总结
本研究正是基于这一背景,旨在收集哈尔滨医科大学附属第四医院手术室就诊的研究参与者的关键信息与术中监测指标数据,构建术中监测数据库,并通过机器学习的方法对围术期并发症及不良事件进行预测。术中数据的智能化分析是迈向精准麻醉的核心挑战。本研究有望为临床麻醉医生提供实时风险预警工具,优化术中管理策略,促进信息共享、助力教学科研、推动麻醉学科发展,提高医疗服务的效率和质量。
研究设计
- 研究类型
- 观察性研究
- 主要目的
- 队列研究
- 盲法
- 无
入排标准
- 性别
- All
入选标准
- •1.近五年内在哈尔滨医科大学附属第四医院手术室接受手术的研究参与者;
- •2.研究参与者本人、法定代理人或授权委托人同意参与研究,并签署知情同意书;
- •3.术中持续监测(ECG、BIS、血流动力学等);
- •4.术后住院时间>=24 小时;
排除标准
- •1.急危重症等研究者认为不适合入组的情况;
- •2.拒绝签署知情同意书的研究参与者;
- •3.监测数据缺失,完整性<80%的病例;
- •4.数据记录不准确,存在明显错误或矛盾的情况;
研究组 & 干预措施
观察组
结局指标
主要结局
术后结局数据
术中高频监测参数信息
次要结局
- 术前基线特征
研究者
研究点 (1)
Loading locations...
相似试验
Unknown
不适用
基于机器学习的围术期老年患者动态风险评估与预测体系研究ChiCTR1900025160国家重点研发计划(2018YFC2001800)
Unknown
不适用
围术期手术人群队列研究ChiCTR2000034039政府30,000
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
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
已完成
不适用
AI vs. Anesthesiologists in Preoperative TriageNCT07459491Damla Kaytancı Özçelik703
