Diagnostický výkon CT s nízkou dávkou pro akutní břišní stavy (DETECT_Acute)
Diagnostický výkon rekonstrukce obrazu hlubokého učení v nízkodávkovém CT pro detekci akutních břišních stavů
Cílem této non-inferiority observační studie je posoudit diagnostický výkon nízkodávkovaného CT s rekonstrukcí obrazu hlubokého učení (DLIR) u dospělých účastníků s akutními břišními stavy. Hlavní výzkumná otázka zní:
• Může nízkodávkované CT s DLIR dosáhnout stejného diagnostického výkonu jako standardní CT pro diagnostiku akutních břišních stavů.
Účastníci budou vyšetřeni dalším nízkodávkovým CT přímo po standardním CT. Účastník bude mít vlastní kontrolu.
Přehled studie
Postavení
Postavení
Podmínky
Podmínky
Intervence / Léčba
Intervence / Léčba
Detailní popis
Pozadí Počítačová tomografie (CT) se stala základním nástrojem moderní klinické medicíny. Díky široké dostupnosti byl v posledních desetiletích pozorován rychlý nárůst používání CT zobrazení. Se souvisejícím zvýšením radiační expozice se potenciální zvýšené riziko radiací vyvolaných malignit stalo problémem veřejného zdraví. To platí zejména pro CT vyšetření břicha a pánve, které v současnosti tvoří 50 % kolektivní dávky CT. Vzhledem k tomu, že přínos snížení dávky obecně je kompenzován zhoršením kvality obrazu, je v klinické praxi aspirováno na technologické pokroky ke snížení dávky záření bez snížení kvality obrazu.
Při rekonstrukci obrazu CT je od počátku 70. let dominantním algoritmem techniky rekonstrukce obrazu filtrovaná zpětná projekce (FBP), kterou v roce 2009 doplnily první komerční algoritmy iterativní rekonstrukce (IR).
Nový algoritmus rekonstrukce obrazu hlubokého učení (DLIR) získal klinické schválení v roce 2019 (TrueFidelity, GE Healthcare, Milwaukee, WI). Objevují se také další algoritmy specifické pro dodavatele pro rekonstrukci obrazu hlubokého učení (AiCE, Canon Medical Systems, Otawara, Japonsko). Jak je vysvětleno v technické bílé knize, algoritmus DLIR, který byl trénován s datovými soubory FBP s vysokými a nízkými dávkami napříč případy fantomů a pacientů, se snaží potlačit obrazový šum, aniž by došlo ke snížení kvality obrazu. Použití rekonstrukce obrazu s hlubokým učením prokázalo potenciál pro zlepšení kvality obrazu a snížení dávky bez posunu textury šumu.
U pacientů s akutními abdominálními stavy je CT břicha a pánve považováno za nejlepší diagnostický přístup první nebo druhé linie. Pro tyto pacienty je rychlá a přesná diagnóza velmi důležitá, aby se zabránilo zpoždění léčby a následným komplikacím, jako je perforace gastrointestinálního traktu v případě apendicitidy nebo divertikulitidy. Na druhou stranu je také důležité vyvarovat se zbytečných chirurgických zákroků a s tím souvisejících komplikací. Případný nízkodávkový CT protokol proto musí poskytovat non-inferiorní diagnostický výkon, aby se usnadnila rychlá diagnóza a zabránilo se přeléčení a neprůkazným vyšetřením.
Byly hlášeny slibné výsledky týkající se nízkodávkových CT vyšetření s modelovým IR a snížením dávky až o 75–80 %. Se zavedením DLIR se však zdá být proveditelné ještě další snížení dávky. Naše vlastní výsledky ze studie vnímání kvality obrazu pomocí DLIR ukazují, že snížení dávky až o 92,5 % ve srovnání se standardním CT může zachovat přijatelnou kvalitu diagnostického obrazu (zatím nepublikovaná práce).
Na tomto základě je účelem této studie zhodnotit diagnostickou výkonnost nízkodávkovaného CT s DLIR pro diagnostiku akutních břišních stavů v non-inferiority prostředí s velkou velikostí vzorku poskytované dvěma velkými traumatologickými centry v severní Evropě.
Cíle
Hlavní:
Vyhodnotit diagnostický výkon pro akutní abdominální stavy kontrastního CT s nízkou dávkou s DLIR „TrueFidelity“ (TF) ve srovnání se standardním CT s plnou dávkou.
Sekundární:
Hodnotit technickou a vnímanou kvalitu obrazu (kvalitativní i kvantitativní).
Etika
Schválení bude získáno od regionální etické komise a pověřence pro ochranu údajů institucí.
Od všech účastníků bude získán písemný informovaný souhlas. Tento projekt bude v souladu s Helsinskou deklarací.
Rizika Minimální rizika existují kvůli mírnému zvýšení radiační expozice. Dodatečná radiační zátěž ve výši 27,5 % je v rámci národní variace radiační zátěže z CT vyšetření provedených pro odpovídající klinické úkoly. Výzkumníci odhadli průměrnou dodatečnou efektivní dávku na 1,5 mSv, což odpovídá přibližně 4 měsícům přirozené radiační expozice v Norsku (4,1 mSv/rok). Dodatečná radiační expozice se promítá do teoretického nadměrného celoživotního rizika smrtelné rakoviny vyvolané zářením mezi 0,004 – 0,03 %. Klinická rizika z této expozice jsou považována za minimální/nevýznamná.
Materiál a metody Studie bude registrována na ClinicalTrials.gov před zahájením. Metody a výsledky studie budou uvedeny v souladu s prohlášením Standards for Reporting of Diagnostic Accuracy Studies (STARD) z roku 2015. Je třeba poznamenat, že řídící skupina STARD-AI připravuje rozšíření specifické pro AI. Pokud budou tyto pokyny STARD-AI zveřejněny před koncem studie, budou také výsledky hlášeny v souladu s tímto dokumentem. Pro kompenzaci specifických prvků AI, které nejsou řešeny ve STARD, se budou vyšetřovatelé v případě potřeby spoléhat na kontrolní seznam pro umělou inteligenci v lékařském zobrazování (CLAIM), který je vytvořen podle směrnice STARD.
Pilotní projekt Bude proveden pilotní projekt zahrnující 10 pacientů rozdělených rovným dílem mezi Oslo a Odense, aby bylo možné otestovat logistiku studie a upravit úroveň radiační dávky nízkodávkovaného CT.
Protokol vyšetření / zobrazení Vyšetření budou prováděna podle místních rutinních postupů a zavedených protokolů CT (CT skener: GE Revolution).
Kromě CT se standardním vyšetřovacím protokolem bude provedeno nízkodávkové CT vyšetření nepřesahující 30 % radiační dávky standardního CT. Nízkodávkové CT snímky budou rekonstruovány s vysokou TF. Nízkodávkové CT bude provedeno přímo po standardním CT, aby se předešlo zkreslení z rozdílů v načasování kontrastní fáze.
Místo a místní studijní populace Studie bude provedena jako multicentrická studie zahrnující Oslo a Odense s prospektivním sběrem dat.
Odhadovaná celková studovaná populace bude rovnoměrně rozdělena mezi obě nemocnice.
Vyhodnocení snímku Nízkodávkované CT nebude použito pro diagnostické účely nebo léčbu pacienta. Vyhodnocení a porovnání snímků bude prováděno odděleně od klinického rutinního pracovního postupu.
Všechna nízkodávková CT vyšetření budou nezávisle hodnocena dvěma rezidentními radiology a dvěma zkušenými radiology specializovanými na abdominální radiologii s více než 10letou praxí v abdominálním CT. Čtenáři budou zaslepeni pro všechny informace z předchozích vyšetření, primární CT zprávu, jakýkoli nález ostatních čtenářů, veškeré informace související s léčbou a pro konečnou diagnózu.
Budou mít přístup ke klinickým doporučením a laboratorním testům provedeným před původním CT vyšetřením. Vyhodnocení obrazu bude prováděno v klinickém prostředí radiologů pomocí diagnostických monitorů.
Ve výsledné analýze bude diagnóza pro každého pacienta z CT s nízkou dávkou porovnána s původní radiologickou diagnózou založenou na CT s plnou dávkou.
Pro souhlas intra čtenáře bude každému čtenáři dvakrát předložen náhodný výběr z 10 % případů.
Technická kvalita obrazu je hodnocena umístěním oblastí zájmu (ROI) v homogenním segmentu portální žíly, přilehlé normální aortě jaterního parenchymu, ve svalech erector spinae a v podkožním tuku. Bude vypočítán poměr kontrastu k šumu (CNR).
Kvalita vnímaného obrazu bude hodnocena nejméně dvěma radiology na stupnici Likertova typu podle kritérií kvality obrazu založených na evropských pokynech pro kvalitu obrazu při CT břicha.
Statistika Pro analýzu studijních dat bude použit speciální statistický software jako Stata a SPSS. Hladina významnosti alfa bude nastavena na 5 % a budou použity 95% intervaly spolehlivosti. Kappa statistika bude použita pro mezi a intra čtenářskou dohodu. Pro hodnocení kvality obrazu bude použita logistická regrese. Pro hodnocení numerických proměnných budou použity vhodné parametrické nebo neparametrické testy. Diagnostický výkon bude definován oblastí pod křivkou, senzitivitou, specificitou, pozitivní a negativní prediktivní hodnotou. Významné rozdíly v senzitivitě a specificitě určí McNemarův test.
Výpočet výkonu a velikost vzorku K prokázání noninferiority, pokud jde o diagnostický výkon nízkodávkovaného CT ve srovnání se standardním CT, bude použit design studie noninferiority. Vyšetřovatelé odhadli citlivost standardního CT na 90 %. Prevalence akutních břišních stavů s viditelným korelátem na standardním CT se odhaduje na 70 % mezi všemi doporučeními splňujícími kritéria pro zařazení. Rozpětí non-inferiority 10 % pro senzitivitu bylo považováno za klinicky přijatelné, tj. pravděpodobnost pozitivních nálezů na CT s nízkou dávkou v případě pozitivního standardního CT byla předpokládána 90 %.
S_L = Pravděpodobnost (pozitivní CT s nízkou dávkou | pozitivní standardní CT)
0-hypotéza byla definována jako:
S_L < 90 %
Alternativní hypotéza pak byla definována jako:
S_L > 90 % Pro identifikaci jednostranného 6% rozdílu (zvýšení) od okraje non-inferiority se silou 80 % a hladinou alfa významnosti 5 %, vyšetřovatelé odhadli požadované pacienty s pozitivním CT nálezem na n= 116 (binominální rozdělení). Celkový počet potřebných pacientů byl poté vypočten na 116/0,7=166.
Typ studie
Typ studie
Zápis (Aktuální)
Zápis
Kontakty a umístění
Kritéria účasti
Kritéria způsobilosti
Kritéria způsobilosti
Věk způsobilý ke studiu
Přijímá zdravé dobrovolníky
Metoda odběru vzorků
Studijní populace
Popis
Kritéria pro zařazení:
- Pacienti ve fázi hodnocení pro akutní stav břicha, kteří jsou odesláni na CT břicha a pánve.
- Věk >18 let
- Pacienti musí být schopni dát svůj ústní a písemný souhlas s účastí ve studii.
Kritéria vyloučení:
- Kontraindikace týkající se CT vyšetření se zvýšeným kontrastem, jako jsou známé nežádoucí účinky jodovaných kontrastních látek nebo klaustrofobie.
- Těhotenství.
Studijní plán
Jak je studie koncipována?
Detaily designu
- Observační modely: Kohorta
- Časové perspektivy: Budoucí
Počet skupin / kohort
Kohorty a intervence
Skupina / kohortaSkupina / kohorta |
Intervence / LéčbaIntervence / Léčba |
|---|---|
|
Bolest břicha
Účastníci hodnocení pro akutní břišní stav, kteří jsou odesláni na CT břicha a pánve.
|
Bude provedeno nízkodávkové CT vyšetření nepřesahující 30% radiační dávky standardního CT.
Nízkodávkové CT snímky budou rekonstruovány pomocí TrueFidelity high.
Nízkodávkové CT bude provedeno přímo po standardním CT, aby se předešlo vychýlení z rozdílů v načasování kontrastní fáze.
|
Co je měření studie?
Primární výstupní opatření
Primární výstupní opatření
Měření výsledku |
Popis opatření |
Časové okno |
|---|---|---|
|
Diagnostic performance of low-dose CT
Časové okno: 6 to 12 months
|
Diagnostic performance of low-dose CT compared to standard CT according to ICD 10 diagnosis. Diagnostic performance measured in terms of: Sensitivity, derived from mixed-effects logistic regression. |
6 to 12 months
|
Sekundární výstupní opatření
Sekundární výstupní opatření
Měření výsledku |
Popis opatření |
Časové okno |
|---|---|---|
|
Diagnostic performance
Časové okno: 6 to 12 month
|
Diagnostic performance measured in terms of: Specificity, positive predictive value, negative predictive value, and accuracy derived from mixed-effects logistic regression.
|
6 to 12 month
|
|
Radiation dose
Časové okno: 6 to 12 months
|
Compare radiation dose; low-dose vs standard CT: Radiation dose measured in terms of DLP and CTDIvol. |
6 to 12 months
|
|
Reading time.
Časové okno: 6 to 12 month
|
Reading time difference between low-dose CT and standard CT.
|
6 to 12 month
|
|
Perceived image quality
Časové okno: 6 to 12 months
|
Compare perceived image quality; low-dose vs standard CT: Perceived image quality scored on a ordinal, 5-point Likert scale (at least two readers). |
6 to 12 months
|
|
Image quality - noise
Časové okno: 6 to 12 months
|
Compare technical image quality; low-dose vs standard CT: Image noise in terms of standard deviation within a region of interest (ROI); numerical as Hounsfield unit (HU), several points of measurement. |
6 to 12 months
|
|
Image quality - contrast-to-noise ratio
Časové okno: 6 to 12 months
|
Compare technical image quality; low-dose vs standard CT: Contrast-to-noise ratio; numerical, several points of measurement. Calculated according to: CNR=(│〖HU〗_Kidney - 〖HU〗_(Water )│)/√((〖SD〗_Kidney 2 + 〖SD〗_Water 2 )/2) |
6 to 12 months
|
|
Diagnoses
Časové okno: 6 to 12 months
|
Descriptive exploration of diagnoses among patients referred to CT examinations; diagnoses according to ICD 10.
|
6 to 12 months
|
Spolupracovníci a vyšetřovatelé
Sponzor
Sponzor
Spolupracovníci
Spolupracovníci
Vyšetřovatelé
Vyšetřovatelé
- Vrchní vyšetřovatel: Anselm Schulz, PhD, Oslo University Hospital
Publikace a užitečné odkazy
Obecné publikace
- Berrington de Gonzalez A, Mahesh M, Kim KP, Bhargavan M, Lewis R, Mettler F, Land C. Projected cancer risks from computed tomographic scans performed in the United States in 2007. Arch Intern Med. 2009 Dec 14;169(22):2071-7. doi: 10.1001/archinternmed.2009.440.
- Brenner DJ, Hall EJ. Computed tomography--an increasing source of radiation exposure. N Engl J Med. 2007 Nov 29;357(22):2277-84. doi: 10.1056/NEJMra072149. No abstract available.
- Novelline RA, Rhea JT, Rao PM, Stuk JL. Helical CT in emergency radiology. Radiology. 1999 Nov;213(2):321-39. doi: 10.1148/radiology.213.2.r99nv01321.
- OECD. Computed tomography (CT) exams. 2018.
- Mettler FA Jr, Thomadsen BR, Bhargavan M, Gilley DB, Gray JE, Lipoti JA, McCrohan J, Yoshizumi TT, Mahesh M. Medical radiation exposure in the U.S. in 2006: preliminary results. Health Phys. 2008 Nov;95(5):502-7. doi: 10.1097/01.HP.0000326333.42287.a2.
- Pan X, Sidky EY, Vannier M. Why do commercial CT scanners still employ traditional, filtered back-projection for image reconstruction? Inverse Probl. 2009 Jan 1;25(12):1230009. doi: 10.1088/0266-5611/25/12/123009.
- Beister M, Kolditz D, Kalender WA. Iterative reconstruction methods in X-ray CT. Phys Med. 2012 Apr;28(2):94-108. doi: 10.1016/j.ejmp.2012.01.003. Epub 2012 Feb 10.
- Hsieh JL, E.; Nett, B.; Tang, J.; Thibault JB.; Sahney, S. A new era of image reconstruction: TrueFidelity. Technical white paper on deep learning image reconstruction. 2019.
- Jensen CT, Liu X, Tamm EP, Chandler AG, Sun J, Morani AC, Javadi S, Wagner-Bartak NA. Image Quality Assessment of Abdominal CT by Use of New Deep Learning Image Reconstruction: Initial Experience. AJR Am J Roentgenol. 2020 Jul;215(1):50-57. doi: 10.2214/AJR.19.22332. Epub 2020 Apr 14.
- Njolstad T, Schulz A, Godt JC, Brogger HM, Johansen CK, Andersen HK, Martinsen ACT. Improved image quality in abdominal computed tomography reconstructed with a novel Deep Learning Image Reconstruction technique - initial clinical experience. Acta Radiol Open. 2021 Apr 9;10(4):20584601211008391. doi: 10.1177/20584601211008391. eCollection 2021 Apr.
- Solomon J, Lyu P, Marin D, Samei E. Noise and spatial resolution properties of a commercially available deep learning-based CT reconstruction algorithm. Med Phys. 2020 Sep;47(9):3961-3971. doi: 10.1002/mp.14319. Epub 2020 Jul 6.
- Greffier J, Hamard A, Pereira F, Barrau C, Pasquier H, Beregi JP, Frandon J. Image quality and dose reduction opportunity of deep learning image reconstruction algorithm for CT: a phantom study. Eur Radiol. 2020 Jul;30(7):3951-3959. doi: 10.1007/s00330-020-06724-w. Epub 2020 Feb 25.
- Brady SL, Trout AT, Somasundaram E, Anton CG, Li Y, Dillman JR. Improving Image Quality and Reducing Radiation Dose for Pediatric CT by Using Deep Learning Reconstruction. Radiology. 2021 Jan;298(1):180-188. doi: 10.1148/radiol.2020202317. Epub 2020 Nov 17.
- Larson DB, Johnson LW, Schnell BM, Salisbury SR, Forman HP. National trends in CT use in the emergency department: 1995-2007. Radiology. 2011 Jan;258(1):164-73. doi: 10.1148/radiol.10100640. Epub 2010 Nov 29.
- Rud B, Vejborg TS, Rappeport ED, Reitsma JB, Wille-Jorgensen P. Computed tomography for diagnosis of acute appendicitis in adults. Cochrane Database Syst Rev. 2019 Nov 19;2019(11):CD009977. doi: 10.1002/14651858.CD009977.pub2.
- Kabir SA, Kabir SI, Sun R, Jafferbhoy S, Karim A. How to diagnose an acutely inflamed appendix; a systematic review of the latest evidence. Int J Surg. 2017 Apr;40:155-162. doi: 10.1016/j.ijsu.2017.03.013. Epub 2017 Mar 6.
- Moloney F, James K, Twomey M, Ryan D, Grey TM, Downes A, Kavanagh RG, Moore N, Murphy MJ, Bye J, Carey BW, McSweeney SE, Deasy C, Andrews E, Shanahan F, Maher MM, O'Connor OJ. Low-dose CT imaging of the acute abdomen using model-based iterative reconstruction: a prospective study. Emerg Radiol. 2019 Apr;26(2):169-177. doi: 10.1007/s10140-018-1658-z. Epub 2018 Nov 17.
- Poletti PA, Becker M, Becker CD, Halfon Poletti A, Rutschmann OT, Zaidi H, Perneger T, Platon A. Emergency assessment of patients with acute abdominal pain using low-dose CT with iterative reconstruction: a comparative study. Eur Radiol. 2017 Aug;27(8):3300-3309. doi: 10.1007/s00330-016-4712-9. Epub 2017 Jan 12.
- Widmark A. Diagnostic reference level (DRL) in Norway 2017. Results, revision:and establishment of new DRL.NRPA Report 2018:3. Norwegian Radiation Protection Authority, Østerås 2018.
- Komperød M, Rudjord AL, Skuterud L, Dyve JE. Radiation Doses from the Environment. Calculations of the Public's Exposure to Radiation from the Environment in Norway. Strålevern Rapport 2015:11 Østerås: Norwegian Radiation Protection Authority 2015.
- Bossuyt PM, Reitsma JB, Bruns DE, Gatsonis CA, Glasziou PP, Irwig L, Lijmer JG, Moher D, Rennie D, de Vet HC, Kressel HY, Rifai N, Golub RM, Altman DG, Hooft L, Korevaar DA, Cohen JF; STARD Group. STARD 2015: An Updated List of Essential Items for Reporting Diagnostic Accuracy Studies. Radiology. 2015 Dec;277(3):826-32. doi: 10.1148/radiol.2015151516. Epub 2015 Oct 28.
- Sounderajah V, Ashrafian H, Golub RM, Shetty S, De Fauw J, Hooft L, Moons K, Collins G, Moher D, Bossuyt PM, Darzi A, Karthikesalingam A, Denniston AK, Mateen BA, Ting D, Treanor D, King D, Greaves F, Godwin J, Pearson-Stuttard J, Harling L, McInnes M, Rifai N, Tomasev N, Normahani P, Whiting P, Aggarwal R, Vollmer S, Markar SR, Panch T, Liu X; STARD-AI Steering Committee. Developing a reporting guideline for artificial intelligence-centred diagnostic test accuracy studies: the STARD-AI protocol. BMJ Open. 2021 Jun 28;11(6):e047709. doi: 10.1136/bmjopen-2020-047709.
- Mongan J, Moy L, Kahn CE Jr. Checklist for Artificial Intelligence in Medical Imaging (CLAIM): A Guide for Authors and Reviewers. Radiol Artif Intell. 2020 Mar 25;2(2):e200029. doi: 10.1148/ryai.2020200029. eCollection 2020 Mar. No abstract available.
- Report EUR 16262 EN. European guidelines on quality criteria for computed tomography. 2000.
- Ahn S, Park SH, Lee KH. How to demonstrate similarity by using noninferiority and equivalence statistical testing in radiology research. Radiology. 2013 May;267(2):328-38. doi: 10.1148/radiol.12120725.
- Eng KA, Abadeh A, Ligocki C, Lee YK, Moineddin R, Adams-Webber T, Schuh S, Doria AS. Acute Appendicitis: A Meta-Analysis of the Diagnostic Accuracy of US, CT, and MRI as Second-Line Imaging Tests after an Initial US. Radiology. 2018 Sep;288(3):717-727. doi: 10.1148/radiol.2018180318. Epub 2018 Jun 19.
- Expert Panel on Gastrointestinal Imaging:; Garcia EM, Camacho MA, Karolyi DR, Kim DH, Cash BD, Chang KJ, Feig BW, Fowler KJ, Kambadakone AR, Lambert DL, Levy AD, Marin D, Moreno C, Peterson CM, Scheirey CD, Siegel A, Smith MP, Weinstein S, Carucci LR. ACR Appropriateness Criteria(R) Right Lower Quadrant Pain-Suspected Appendicitis. J Am Coll Radiol. 2018 Nov;15(11S):S373-S387. doi: 10.1016/j.jacr.2018.09.033.
- Expert Panel on Gastrointestinal Imaging:; Peterson CM, McNamara MM, Kamel IR, Al-Refaie WB, Arif-Tiwari H, Cash BD, Chernyak V, Goldstein A, Grajo JR, Hindman NM, Horowitz JM, Noto RB, Porter KK, Srivastava PK, Zaheer A, Carucci LR. ACR Appropriateness Criteria(R) Right Upper Quadrant Pain. J Am Coll Radiol. 2019 May;16(5S):S235-S243. doi: 10.1016/j.jacr.2019.02.013.
- Akagi M, Nakamura Y, Higaki T, Narita K, Honda Y, Zhou J, Yu Z, Akino N, Awai K. Deep learning reconstruction improves image quality of abdominal ultra-high-resolution CT. Eur Radiol. 2019 Nov;29(11):6163-6171. doi: 10.1007/s00330-019-06170-3. Epub 2019 Apr 11.
Termíny studijních záznamů
Hlavní termíny studia
Začátek studia (Aktuální)
Začátek studia
Primární dokončení (Aktuální)
Primární dokončení
Dokončení studie (Aktuální)
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
Klíčová slova
Další relevantní podmínky MeSH
- Bolest
- Neurologické projevy
- Patologické procesy
- Příznaky a symptomy, zažívací
- Střevní nemoci
- Infekce
- Nemoci trávicího systému
- Gastrointestinální onemocnění
- Onemocnění slinivky břišní
- Nemoci žlučových cest
- Gastroenteritida
- Nemoci žlučníku
- Cekální choroby
- Intraabdominální infekce
- Patologické stavy, příznaky a symptomy
- Příznaky a symptomy
- Cholecystitida
- Bolest břicha
- Pankreatitida
- Choroba
- Akutní bolest
- Cholecystitida, akutní
- Apendicitida
Další identifikační čísla studie
Další identifikační čísla studie
- PVO ref. 22/11840
- 22/11840 (Jiný identifikátor: Data protection officer at Oslo University Hospital)
- 468490 (Jiný identifikátor: Regional Comittees for Medical Research Ethics South East)
Plán pro data jednotlivých účastníků (IPD)
Plánujete sdílet data jednotlivých účastníků (IPD)?
Popis plánu 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 .