Evaluation of a COVID-19 Pneumonia CXR AI Detection Algorithm
Evaluation of a Chest X-Ray AI Neural Network (RadGen SARS-CoV2 Detection System) for the Detection of RT-PCR Confirmed SARS-Cov2 Covid-19 Pneumonia
Přehled studie
Postavení
Postavení
Podmínky
Podmínky
Intervence / Léčba
Intervence / Léčba
Detailní popis
Typ studie
Typ studie
Zápis (Očekávaný)
Zápis
Kontakty a umístění
Studijní místa
-
-
-
Hong Kong, Hongkong
- University of Hong Kong
-
-
Kritéria účasti
Kritéria způsobilosti
Kritéria způsobilosti
Věk způsobilý ke studiu
Přijímá zdravé dobrovolníky
Pohlaví způsobilá ke studiu
Metoda odběru vzorků
Studijní populace
There will be three subsets of study population in this study; patients who were
- RT-PCR confirmed COVID-19 positive
- RT-PCR confirmed COVID-19 negative
- either had a diagnosis of pneumonia before the 1st January 2020.
Popis
Inclusion Criteria:
- All adult patients >18 years of age
- Attended any of the participating institutes between February 1, 2020 until September, 2020
- Underwent both RT-PCR testing and frontal CXR (within 48 hours of PCR testing) for COVID-19 infection
- frontal CXR of patients pre-covid pandemic
Exclusion Criteria:
- Unavailability of patient demographics and clinical data
- Inconclusive RT-PCR results
- CXR considered to be of non-diagnostic quality by the clinical radiology research team at each site
- CXR not in a retrievable or processable format for AI inference
Studijní plán
Jak je studie koncipována?
Detaily designu
Počet skupin / kohort
Kohorty a intervence
Skupina / kohortaSkupina / kohorta |
Intervence / LéčbaIntervence / Léčba |
|---|---|
|
RT-PCR Positive Patients
RT-PCR confirmed patients positive for SARS-CoV-2
|
Deep Learning CNN model
|
|
Negative patients
RT-PCR confirmed patients negative for SARS-CoV-2 or patients with CXR performed before the emergence of COVID-19 pandemic
|
Deep Learning CNN model
|
Co je měření studie?
Primární výstupní opatření
Primární výstupní opatření
Měření výsledku |
Popis opatření |
Časové okno |
|---|---|---|
|
Diagnostic Performance of AI model
Časové okno: 9 months
|
Performance (accuracy, sensitivity, specificity, false-positive rate (FPR), false-negative rate (FNR), and Area Under the Curve (AUC)) of the AI model in detection of COVID-19 pneumonia on their baseline CXR using RT-PCR and historical controls as gold standard in a multi-center / multi-national cohort.
|
9 months
|
Spolupracovníci a vyšetřovatelé
Sponzor
Sponzor
Termíny studijních záznamů
Hlavní termíny studia
Začátek studia (Aktuální)
Začátek studia
Primární dokončení (Očekávaný)
Primární dokončení
Dokončení studie (Očekávaný)
Dokončení studie
Termíny zápisu do studia
První předloženo
První předloženo
První předloženo, které splnilo kritéria kontroly kvality
První předloženo, které splnilo kritéria kontroly kvality
První zveřejněno (Aktuální)
První zveřejněno
Aktualizace studijních záznamů
Poslední zveřejněná aktualizace (Aktuální)
Poslední zveřejněná aktualizace
Odeslaná poslední aktualizace, která splnila kritéria kontroly kvality
Odeslaná poslední aktualizace, která splnila kritéria kontroly kvality
Naposledy ověřeno
Naposledy ověřeno
Více informací
Termíny související s touto studií
Další relevantní podmínky MeSH
Další identifikační čísla studie
Další identifikační čísla studie
- EN-092020
Plán pro data jednotlivých účastníků (IPD)
Plánujete sdílet data jednotlivých účastníků (IPD)?
Informace o lécích a zařízeních, studijní dokumenty
Studuje lékový produkt regulovaný americkým FDA
Studuje produkt zařízení regulovaný americkým úřadem FDA
Tyto informace byly beze změn načteny přímo z webu clinicaltrials.gov. Máte-li jakékoli požadavky na změnu, odstranění nebo aktualizaci podrobností studie, kontaktujte prosím register@clinicaltrials.gov. Jakmile bude změna implementována na clinicaltrials.gov, bude automaticky aktualizována i na našem webu .