- ICH GCP
- Registr klinických studií v USA
- Klinická studie NCT07328997
Průzkum diagnostických a léčebných strategií a prognostických predikčních modelů pro syndrom akutní dechové tísně na základě rentgenových hodnocení posuzovaných umělou inteligencí
27. prosince 2025 aktualizováno: Shanghai Zhongshan Hospital
Průzkum diagnostických a léčebných strategií a prognostických predikčních modelů pro akutní respirační distress syndrom založený na radiografických hodnoceních posuzovaných umělou inteligencí
Pomocí multicentrických dat z hrudní CT byla vytvořena inteligentní modelová metoda pro hodnocení závažnosti ARDS.
Na základě kvantitativních CT znaků a klinických charakteristik byl vytvořen predikční model pro krátkodobé kritické události (jako jsou rozhodnutí o mechanické ventilaci, strategie polohy na břiše, úmrtí, použití ECMO atd.).
Onemocnění bylo rozděleno do stádií a kvantifikováno a byl vyvinut diagnostický a rizikově stratifikační model pro ARDS, který pomáhá při vedení diagnostických a léčebných strategií pro ARDS.
Přehled studie
Postavení
Dokončeno
Intervence / Léčba
Typ studie
Pozorovací
Zápis (Aktuální)
400
Kontakty a umístění
Tato část poskytuje kontaktní údaje pro ty, kteří studii provádějí, a informace o tom, kde se tato studie provádí.
Studijní místa
-
-
Fengling Rd
-
Shanghai, Fengling Rd, Čína, 200032, P. R.
- Department of critical care medicine, Zhongshan Hospital, Fudan University
-
-
Kritéria účasti
Výzkumníci hledají lidi, kteří odpovídají určitému popisu, kterému se říká kritéria způsobilosti. Některé příklady těchto kritérií jsou celkový zdravotní stav osoby nebo předchozí léčba.
Kritéria způsobilosti
Věk způsobilý ke studiu
- Dospělý
- Starší dospělý
Přijímá zdravé dobrovolníky
Ne
Metoda odběru vzorků
Ukázka pravděpodobnosti
Studijní populace
Studijní populace se skládá z dospělých pacientů s diagnózou syndromu akutní dechové tísně (ARDS), kteří byli přijati na jednotky intenzivní péče (JIP) tří terciárních komplexních nemocnic v Číně.
Způsobilí účastníci jsou retrospektivně identifikováni z elektronických zdravotních záznamů mezi lednem 2020 a prosincem 2024.
Všichni zahrnutí pacienti splňují předem stanovená kritéria pro zařazení a vyloučení na základě Globální definice ARDS z roku 2023 a mají dostupná CT snímání hrudníku a odpovídající klinická data.
Tato kohorta představuje reálnou populaci JIP s různorodými etiologiemi ARDS a různými stupni závažnosti onemocnění.
Popis
Kritéria zařazení:
- Splňuje diagnostická kritéria pro ARDS
- Být přijat na jednotku intenzivní péče
- Jsou k dispozici CT snímky hrudníku
Kritéria vyloučení:
- Věk méně než 18 let
- Chybějící lékařská dokumentace
- Žádné CT snímky hrudníku
Studijní plán
Tato část poskytuje podrobnosti o studijním plánu, včetně toho, jak je studie navržena a co studie měří.
Jak je studie koncipována?
Detaily designu
Kohorty a intervence
Skupina / kohorta |
Intervence / Léčba |
|---|---|
|
Tréninková skupina, testovací skupina, validační skupina
Studie využívá stratifikovanou náhodnou strategii vzorkování s poměrem 8:2 pro vytvoření trénovacích a interních validačních datových sad, spolu s nezávislou externí testovací kohortou z jiného centra.
Nedochází k žádné randomizaci klinických intervencí nebo léčebných postupů.
Model bude vyvinut a vyhodnocen pomocí observačních dat odvozených z reálných klinických postupů a výsledků, s cílem posoudit výkonnost při stratifikaci závažnosti onemocnění, doporučení léčby a predikci mortality.
Výkonnost modelu bude porovnána se zavedenými skóre závažnosti na JIP a stávajícími přístupy založenými na umělé inteligenci podle předem stanoveného plánu statistické analýzy.
|
CT vyšetření
|
Co je měření studie?
Primární výstupní opatření
Měření výsledku |
Popis opatření |
Časové okno |
|---|---|---|
|
Přesnost klasifikace závažnosti ARDS
Časové okno: Výchozí hodnota, definovaná jako v průběhu 24 hodin od pořízení indexového CT hrudníku během přijetí na JIP.
|
Přesnost modelu založeného na umělé inteligenci při klasifikaci závažnosti ARDS (mírné, střední nebo těžké) s využitím referenční klinické klasifikace definované globálními kritérii ARDS z roku 2023 jako standardu pravdy.
|
Výchozí hodnota, definovaná jako v průběhu 24 hodin od pořízení indexového CT hrudníku během přijetí na JIP.
|
|
Míra shody léčebného plánu mezi modelem doporučeným a skutečným klinickým řízením.
Časové okno: Výchozí hodnota, definovaná jako do 24 hodin od pořízení indexového CT hrudníku během přijetí na JIP.
|
Shoda mezi léčebnými strategiemi doporučenými modelem a skutečnými rozhodnutími klinického managementu napříč pěti předem definovanými intervenčními modalitami: umělá plicní ventilace, terapie kyslíkem vysokým průtokem nosem, neinvazivní ventilace, polohování na břicho a neuromuskulární blokáda.
|
Výchozí hodnota, definovaná jako do 24 hodin od pořízení indexového CT hrudníku během přijetí na JIP.
|
|
Přesnost predikce 28denní nemocniční mortality.
Časové okno: Až 28 dní od přijetí na JIP, nebo do propuštění z nemocnice, podle toho, co nastane dříve.
|
Přesnost modelu při predikci celkové úmrtnosti v nemocnici do 28 dnů na základě integrovaných znaků z CT snímků hrudníku a klinických proměnných.
|
Až 28 dní od přijetí na JIP, nebo do propuštění z nemocnice, podle toho, co nastane dříve.
|
Sekundární výstupní opatření
Měření výsledku |
Popis opatření |
Časové okno |
|---|---|---|
|
Srovnávací zlepšení výkonu oproti základním modelům AI.
Časové okno: Výchozí hodnota pro klasifikaci závažnosti a přiřazení léčebného plánu; až 28 dní od přijetí na JIP pro predikci úmrtnosti
|
Absolutní zlepšení výkonnosti navrženého modelu ve srovnání se třemi běžně používanými referenčními modely umělé inteligence v klasifikaci závažnosti ARDS, shodě léčebných plánů a predikci 28denní mortality.
|
Výchozí hodnota pro klasifikaci závažnosti a přiřazení léčebného plánu; až 28 dní od přijetí na JIP pro predikci úmrtnosti
|
|
Kalibrační výkon predikce 28denní mortality.
Časové okno: Až 28 dní od přijetí na JIP, nebo do propuštění z nemocnice, podle toho, co nastane dříve.
|
Kalibrace prediktivního modelu mortality byla hodnocena pomocí kalibračních křivek a kalibračních statistik, aby se vyhodnotila shoda mezi předpokládanou a pozorovanou 28denní nemocniční mortalitou.
|
Až 28 dní od přijetí na JIP, nebo do propuštění z nemocnice, podle toho, co nastane dříve.
|
|
Interpretovatelnost modelu na základě příspěvků zobrazovacích a klinických znaků.
Časové okno: Výchozí hodnota pro extrakci příznaků; až 28 dní od přijetí na JIP pro analýzu asociace s výsledky.
|
Kvantifikace relativních příspěvků zobrazovacích vlastností a klinických proměnných k predikci mortality pomocí Shapley Additive Explanations (SHAP).
Důležitost vlastností bude analyzována celkově a stratifikována podle závažnosti ARDS.
|
Výchozí hodnota pro extrakci příznaků; až 28 dní od přijetí na JIP pro analýzu asociace s výsledky.
|
|
Asociace mezi dodržováním léčby a 28denní nemocniční mortalitou.
Časové okno: Až 28 dní od přijetí na JIP nebo do propuštění z nemocnice, podle toho, co nastane dříve.
|
Souvislost mezi shodou modelu doporučených zásahů a skutečných klinických léčebných postupů a 28denní nemocniční úmrtností, hodnocená pomocí multivariační logistické regrese upravené o klíčové zobrazovací strukturní metriky.
|
Až 28 dní od přijetí na JIP nebo do propuštění z nemocnice, podle toho, co nastane dříve.
|
Spolupracovníci a vyšetřovatelé
Zde najdete lidi a organizace zapojené do této studie.
Sponzor
Publikace a užitečné odkazy
Osoba odpovědná za zadávání informací o studiu tyto publikace poskytuje dobrovolně. Mohou se týkat čehokoli, co souvisí se studiem.
Obecné publikace
- Xirouchaki N, Magkanas E, Vaporidi K, Kondili E, Plataki M, Patrianakos A, Akoumianaki E, Georgopoulos D. Lung ultrasound in critically ill patients: comparison with bedside chest radiography. Intensive Care Med. 2011 Sep;37(9):1488-93. doi: 10.1007/s00134-011-2317-y. Epub 2011 Aug 2.
- Matthay MA, Arabi Y, Arroliga AC, Bernard G, Bersten AD, Brochard LJ, Calfee CS, Combes A, Daniel BM, Ferguson ND, Gong MN, Gotts JE, Herridge MS, Laffey JG, Liu KD, Machado FR, Martin TR, McAuley DF, Mercat A, Moss M, Mularski RA, Pesenti A, Qiu H, Ramakrishnan N, Ranieri VM, Riviello ED, Rubin E, Slutsky AS, Thompson BT, Twagirumugabe T, Ware LB, Wick KD. A New Global Definition of Acute Respiratory Distress Syndrome. Am J Respir Crit Care Med. 2024 Jan 1;209(1):37-47. doi: 10.1164/rccm.202303-0558WS.
- Ding XF, Li JB, Liang HY, Wang ZY, Jiao TT, Liu Z, Yi L, Bian WS, Wang SP, Zhu X, Sun TW. Predictive model for acute respiratory distress syndrome events in ICU patients in China using machine learning algorithms: a secondary analysis of a cohort study. J Transl Med. 2019 Oct 1;17(1):326. doi: 10.1186/s12967-019-2075-0.
- Zhang Z. Prediction model for patients with acute respiratory distress syndrome: use of a genetic algorithm to develop a neural network model. PeerJ. 2019 Sep 16;7:e7719. doi: 10.7717/peerj.7719. eCollection 2019.
- Zeiberg D, Prahlad T, Nallamothu BK, Iwashyna TJ, Wiens J, Sjoding MW. Machine learning for patient risk stratification for acute respiratory distress syndrome. PLoS One. 2019 Mar 28;14(3):e0214465. doi: 10.1371/journal.pone.0214465. eCollection 2019.
- Zhou Y, Feng J, Mei S, Tang R, Xing S, Qin S, Zhang Z, Xu Q, Gao Y, He Z. A deep learning model for predicting COVID-19 ARDS in critically ill patients. Front Med (Lausanne). 2023 Jul 25;10:1221711. doi: 10.3389/fmed.2023.1221711. eCollection 2023.
- Chiumello D, Coppola S, Catozzi G, Danzo F, Santus P, Radovanovic D. Lung Imaging and Artificial Intelligence in ARDS. J Clin Med. 2024 Jan 5;13(2):305. doi: 10.3390/jcm13020305.
- Albahri OS, Zaidan AA, Albahri AS, Zaidan BB, Abdulkareem KH, Al-Qaysi ZT, Alamoodi AH, Aleesa AM, Chyad MA, Alesa RM, Kem LC, Lakulu MM, Ibrahim AB, Rashid NA. Systematic review of artificial intelligence techniques in the detection and classification of COVID-19 medical images in terms of evaluation and benchmarking: Taxonomy analysis, challenges, future solutions and methodological aspects. J Infect Public Health. 2020 Oct;13(10):1381-1396. doi: 10.1016/j.jiph.2020.06.028. Epub 2020 Jul 1.
- Amisha, Malik P, Pathania M, Rathaur VK. Overview of artificial intelligence in medicine. J Family Med Prim Care. 2019 Jul;8(7):2328-2331. doi: 10.4103/jfmpc.jfmpc_440_19.
- Gutierrez G. Artificial Intelligence in the Intensive Care Unit. Crit Care. 2020 Mar 24;24(1):101. doi: 10.1186/s13054-020-2785-y.
- Ahuja AS. The impact of artificial intelligence in medicine on the future role of the physician. PeerJ. 2019 Oct 4;7:e7702. doi: 10.7717/peerj.7702. eCollection 2019.
- Shenoy S, Rajan AK, Rashid M, Chandran VP, Poojari PG, Kunhikatta V, Acharya D, Nair S, Varma M, Thunga G. Artificial intelligence in differentiating tropical infections: A step ahead. PLoS Negl Trop Dis. 2022 Jun 30;16(6):e0010455. doi: 10.1371/journal.pntd.0010455. eCollection 2022 Jun.
- Chiumello D, Marino A, Brioni M, Menga F, Cigada I, Lazzerini M, Andrisani MC, Biondetti P, Cesana B, Gattinoni L. Visual anatomical lung CT scan assessment of lung recruitability. Intensive Care Med. 2013 Jan;39(1):66-73. doi: 10.1007/s00134-012-2707-9. Epub 2012 Sep 19.
- Raghavendran K, Davidson BA, Woytash JA, Helinski JD, Marschke CJ, Manderscheid PA, Notter RH, Knight PR. The evolution of isolated bilateral lung contusion from blunt chest trauma in rats: cellular and cytokine responses. Shock. 2005 Aug;24(2):132-8. doi: 10.1097/01.shk.0000169725.80068.4a.
- Gattinoni L, Caironi P, Pelosi P, Goodman LR. What has computed tomography taught us about the acute respiratory distress syndrome? Am J Respir Crit Care Med. 2001 Nov 1;164(9):1701-11. doi: 10.1164/ajrccm.164.9.2103121. No abstract available.
- Gattinoni L, Pesenti A. The concept of "baby lung". Intensive Care Med. 2005 Jun;31(6):776-84. doi: 10.1007/s00134-005-2627-z. Epub 2005 Apr 6.
- Yadav H, Thompson BT, Gajic O. Fifty Years of Research in ARDS. Is Acute Respiratory Distress Syndrome a Preventable Disease? Am J Respir Crit Care Med. 2017 Mar 15;195(6):725-736. doi: 10.1164/rccm.201609-1767CI.
- Yildirim F, Karaman I, Kaya A. Current situation in ARDS in the light of recent studies: Classification, epidemiology and pharmacotherapeutics. Tuberk Toraks. 2021 Dec;69(4):535-546. doi: 10.5578/tt.20219611.
- Yang P, Sjoding MW. Acute Respiratory Distress Syndrome: Definition, Diagnosis, and Routine Management. Crit Care Clin. 2024 Apr;40(2):309-327. doi: 10.1016/j.ccc.2023.12.003. Epub 2024 Jan 4.
- Tzotzos SJ, Fischer B, Fischer H, Zeitlinger M. Incidence of ARDS and outcomes in hospitalized patients with COVID-19: a global literature survey. Crit Care. 2020 Aug 21;24(1):516. doi: 10.1186/s13054-020-03240-7. No abstract available.
- Riviello ED, Buregeya E, Twagirumugabe T. Diagnosing acute respiratory distress syndrome in resource limited settings: the Kigali modification of the Berlin definition. Curr Opin Crit Care. 2017 Feb;23(1):18-23. doi: 10.1097/MCC.0000000000000372.
- Villar J, Martin-Rodriguez C, Dominguez-Berrot AM, Fernandez L, Ferrando C, Soler JA, Diaz-Lamas AM, Gonzalez-Higueras E, Nogales L, Ambros A, Carriedo D, Hernandez M, Martinez D, Blanco J, Belda J, Parrilla D, Suarez-Sipmann F, Tarancon C, Mora-Ordonez JM, Blanch L, Perez-Mendez L, Fernandez RL, Kacmarek RM; Spanish Initiative for Epidemiology, Stratification and Therapies for ARDS (SIESTA) Investigators Network. A Quantile Analysis of Plateau and Driving Pressures: Effects on Mortality in Patients With Acute Respiratory Distress Syndrome Receiving Lung-Protective Ventilation. Crit Care Med. 2017 May;45(5):843-850. doi: 10.1097/CCM.0000000000002330.
- Garcia-Laorden MI, Lorente JA, Flores C, Slutsky AS, Villar J. Biomarkers for the acute respiratory distress syndrome: how to make the diagnosis more precise. Ann Transl Med. 2017 Jul;5(14):283. doi: 10.21037/atm.2017.06.49.
- McNicholas BA, Rooney GM, Laffey JG. Lessons to learn from epidemiologic studies in ARDS. Curr Opin Crit Care. 2018 Feb;24(1):41-48. doi: 10.1097/MCC.0000000000000473.
- Bellani G, Laffey JG, Pham T, Fan E, Brochard L, Esteban A, Gattinoni L, van Haren F, Larsson A, McAuley DF, Ranieri M, Rubenfeld G, Thompson BT, Wrigge H, Slutsky AS, Pesenti A; LUNG SAFE Investigators; ESICM Trials Group. Epidemiology, Patterns of Care, and Mortality for Patients With Acute Respiratory Distress Syndrome in Intensive Care Units in 50 Countries. JAMA. 2016 Feb 23;315(8):788-800. doi: 10.1001/jama.2016.0291.
- Gorman EA, O'Kane CM, McAuley DF. Acute respiratory distress syndrome in adults: diagnosis, outcomes, long-term sequelae, and management. Lancet. 2022 Oct 1;400(10358):1157-1170. doi: 10.1016/S0140-6736(22)01439-8. Epub 2022 Sep 4.
- Xu H, Sheng S, Luo W, Xu X, Zhang Z. Acute respiratory distress syndrome heterogeneity and the septic ARDS subgroup. Front Immunol. 2023 Nov 14;14:1277161. doi: 10.3389/fimmu.2023.1277161. eCollection 2023.
- Banavasi H, Nguyen P, Osman H, Soubani AO. Management of ARDS - What Works and What Does Not. Am J Med Sci. 2021 Jul;362(1):13-23. doi: 10.1016/j.amjms.2020.12.019. Epub 2020 Dec 26.
- Katzenstein AL, Bloor CM, Leibow AA. Diffuse alveolar damage--the role of oxygen, shock, and related factors. A review. Am J Pathol. 1976 Oct;85(1):209-28. No abstract available.
- Villar J, Szakmany T, Grasselli G, Camporota L. Redefining ARDS: a paradigm shift. Crit Care. 2023 Oct 31;27(1):416. doi: 10.1186/s13054-023-04699-w.
Termíny studijních záznamů
Tato data sledují průběh záznamů studie a předkládání souhrnných výsledků na ClinicalTrials.gov. Záznamy ze studií a hlášené výsledky jsou před zveřejněním na veřejné webové stránce přezkoumány Národní lékařskou knihovnou (NLM), aby se ujistily, že splňují specifické standardy kontroly kvality.
Hlavní termíny studia
Začátek studia (Aktuální)
31. května 2024
Primární dokončení (Aktuální)
30. listopadu 2025
Dokončení studie (Aktuální)
30. listopadu 2025
Termíny zápisu do studia
První předloženo
13. prosince 2025
První předloženo, které splnilo kritéria kontroly kvality
27. prosince 2025
První zveřejněno (Aktuální)
9. ledna 2026
Aktualizace studijních záznamů
Poslední zveřejněná aktualizace (Aktuální)
9. ledna 2026
Odeslaná poslední aktualizace, která splnila kritéria kontroly kvality
27. prosince 2025
Naposledy ověřeno
1. prosince 2025
Více informací
Termíny související s touto studií
Klíčová slova
Další relevantní podmínky MeSH
- Nemoci dýchacích cest
- Plicní onemocnění
- Poranění plic
- Akutní poranění plic
- Diagnostické techniky a postupy
- Diagnóza
- Tomografie
- Diagnostické zobrazování
- Radiografie
- Interpretace obrázků, počítačové asistované
- Radiografické vylepšení obrazu
- Vylepšení obrazu
- Fotografie
- Tomografie, rentgenová
- Tomografie, rentgenová vypočtená
Další identifikační čísla studie
- B2024-180
Plán pro data jednotlivých účastníků (IPD)
Plánujete sdílet data jednotlivých účastníků (IPD)?
ANO
Popis plánu IPD
Bude sdílena individuální data účastníků, která tvoří základ výsledků studie, včetně de-identifikovaných demografických informací, klinických proměnných, laboratorních nálezů, parametrů ventilátoru nebo HFNC a kvantitativních CT znaků odvozených pomocí umělé inteligence.
Veškerá data budou před sdílením plně de-identifikována v souladu s platnými předpisy.
Zobrazovací data (CT snímky) budou rovněž poskytnuta v de-identifikovaném formátu, pokud to umožní zapojená pracoviště.
Časový rámec sdílení IPD
Data jednotlivých účastníků budou k dispozici od 12 měsíců po zveřejnění primárních výsledků a zůstanou přístupná po dobu nejméně 5 let.
Kritéria přístupu pro sdílení IPD
Údaje jednotlivých účastníků budou sdíleny s kvalifikovanými výzkumníky pro vědecky podložené návrhy.
Žádosti musí obsahovat metodologicky vhodný analytický plán a schválení institucionální revizní komise (IRB) nebo etické komise, pokud je to vyžadováno.
Údaje budou sdíleny pouze v de-identifikované formě.
Všechny žádosti budou posouzeny hlavním vyšetřovatelem a řídícím výborem studie, který zhodnotí vědecké zdůvodnění, proveditelnost a soulad s předpisy na ochranu údajů.
Po schválení budou údaje přístupné prostřednictvím zabezpečené platformy pro sdílení dat chráněné heslem.
Typ podpůrných informací pro sdílení IPD
- PROTOKOL STUDY
- MÍZA
- ICF
Informace o lécích a zařízeních, studijní dokumenty
Studuje lékový produkt regulovaný americkým FDA
Ne
Studuje produkt zařízení regulovaný americkým úřadem FDA
Ne
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 .
Klinické studie na ARDS (syndrom akutní respirační tísně)
-
University of GaziantepDokončenoCOVID-19-související akutní respirační distress syndrom (ARDS)Turecko (Türkiye)
-
Shanghai Zhongshan HospitalZatím nenabírámeARDS | Strojové učení | Syndrom akutní respirační tísně (ARDS) | JIP | Větrání v poloze na břiše
-
Fayoum UniversityZatím nenabírámeSyndrom akutní respirační tísně (ARDS)
-
Assistance Publique - Hôpitaux de ParisZatím nenabírámeSyndrom akutní respirační tísně (ARDS)
-
Ain Shams UniversityNáborSyndrom akutní respirační tísně (ARDS)Egypt
-
The Fourth Affiliated Hospital of Zhejiang University...Zatím nenabírámeSyndrom akutní respirační tísně (ARDS)
-
Staidson (Beijing) Biopharmaceuticals Co., LtdNáborSyndrom akutní respirační tísně (ARDS)Čína
-
New York UniversityNational Heart, Lung, and Blood Institute (NHLBI)Zatím nenabírámeSyndrom akutní respirační tísně (ARDS)
-
Fundacion del Hospital Nacional de Paraplejicos...Zatím nenabírámeSyndrom akutní respirační tísně (ARDS)Španělsko
-
Jee Hwan AhnZatím nenabírámeSyndrom akutní respirační tísně (ARDS)Jižní Korea
Klinické studie na CT vyšetření
-
University Hospital Plymouth NHS TrustDokončenoKoronární stenózaSpojené království
-
Imperial College LondonDokončenoMetastatický renální buněčný karcinomSpojené království
-
Xijing HospitalAktivní, ne nábor
-
Jules Bordet InstituteDokončenoKolorektální karcinom Metastatický | Hodnocení včasné reakce | Fdg-PETBelgie
-
Qiubai LiZatím nenabírámeRakovina hlavy a krku | Rakovina slinivky | Rakovina slinivky břišníSpojené státy
-
London Health Sciences CentreDokončeno
-
GE HealthcareDokončeno
-
Central Hospital, Nancy, FrancePfizerNeznámýStrukturální sakro-iliitidaFrancie
-
The First Affiliated Hospital of Xiamen UniversityDokončenoAdenokarcinom plic | PET/CT | 18F-FDG | 68Ga-FAPIČína
-
Rambam Health Care CampusDokončenoKlasický Hodgkinův lymfom | Nodulární skleróza | Smíšená celularita | Deplece lymfocytů | Bohaté na lymfocytyIzrael