ChiCTR2500104035尚未招募Unknown
大数据驱动的多模态智能麻醉前访视与风险评估设备的研发与转化
自选课题(自筹)1 个研究点 分布在 1 个国家开始时间: 2024年10月1日最近更新:
试验速览
- 阶段
- Unknown
- 状态
- 尚未招募
- 发起方
- 试验地点
- 1
- 主要终点
- 自动生成的术前评估数据:包括从面部图像生成的 Mallampati 分级、颈部活动度、张口度、甲颏间距、颞下颌关节活动度等数据
研究概览
简要总结
本研究旨在开发一个智能化、一体化的术前访视数据采集系统,通过集成面部识别和其他辅助技术,实现术前访视的自动化和标准化。通过该系统,不仅可以提高医生的工作效率,还能为患者提供更为精准的术前评估,有助于提高临床工作效率和手术安全性。最终目标是建立一个可行的术前数据自动化采集与处理平台,并验证其在临床环境中的应用价值,为未来在更大范围内的推广和应用奠定基础。
研究设计
- 研究类型
- Observational
入排标准
- 年龄范围
- 18 至 —(—)
- 性别
- All
入选标准
- •1.上海交通大学医学院附属第九人民医院拟进行全身麻醉手术的患者;
- •2.年龄在 18 岁及以上;
排除标准
- •1.存在严重全身基础疾病的患者,如心力衰竭、呼吸衰竭、神经或精神疾病(包括酒精或药物滥用)、器官移植患者等,可能影响术前评估的准确性;
- •2.母语不通或存在语言交流障碍的患者;
- •3.不按指令规范进行操作或无法完成面部扫描和语音采集的患者;
- •4.其他原因无法遵守研究规范或无法完成研究的患;
研究组 & 干预措施
全人群组
结局指标
主要结局
自动生成的术前评估数据:包括从面部图像生成的 Mallampati 分级、颈部活动度、张口度、甲颏间距、颞下颌关节活动度等数据
时间窗: 术前
次要结局
- 系统完成术前访视花费的时间(术前)
- 患者及患者家属的满意度(术前)
- 声音信息转录的准确性(术前)
- 医生对系统评估结果的满意度(术前)
- 自动生成的 ASA 评分(术前)
研究者
研究点 (1)
Loading locations...
相似试验
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
全身麻醉术后视物模糊的危险因素分析,预测模型构建及应对ChiCTR2300069135自筹经费
Unknown
不适用
全身麻醉围术期神经认知功能与脑多模态磁共振及炎性介质的相关性研究ChiCTR23000702262022 年辽宁省应用基础研究计划联合计划项目
尚未招募
Unknown
基于数字孪生和人工智能的危重创伤诊疗关键技术研发ChiCTR2500106923四川省科技厅200
尚未招募
Unknown
基于多组学分析的高度近视智能化预测与精准诊疗系统研发近视ChiCTR2500106060浙江省科学技术厅3,000
