Indvirkningen af det automatiske polypdetektionssystem på adenomdetektionsfrekvensen
Indvirkningen af det automatiske polypdetektionssystem på adenomdetektionsfrekvensen - et multicenter, prospektivt, randomiseret kontrolleret forsøg
Studieoversigt
Status
Status
Betingelser
Betingelser
Intervention / Behandling
Intervention / Behandling
Undersøgelsestype
Undersøgelsestype
Tilmelding (Forventet)
Tilmelding
Fase
Fase
- Ikke anvendelig
Kontakter og lokationer
Studiekontakt
Studiekontakt
- Navn: Zhaoshen Li, M.D
- Telefonnummer: 86-21-31161365
- E-mail: li.zhaoshen@hotmail.com
Undersøgelse Kontakt Backup
- Navn: Yu Bai, M.D
- Telefonnummer: 86-21-31161335
- E-mail: baiyu1998@hotmail.com
Studiesteder
-
-
-
Shanghai, Kina, 200433
- Rekruttering
- Changhai Hospital, Second Military Medical University
-
-
Deltagelseskriterier
Berettigelseskriterier
Berettigelseskriterier
Aldre berettiget til at studere
Tager imod sunde frivillige
Køn, der er berettiget til at studere
Beskrivelse
Inklusionskriterier:
- Patienter i alderen 40-85 år, som har indikationer for screening, overvågning og diagnostik.
- Patienter, der har skrevet under, oplyser samtykkeskema.
Ekskluderingskriterier:
- Patienter, der har gennemgået tyktarmsresektion
- Patienter med intrakraniel og/eller centralnervesystemsygdom, herunder hjerneinfarkt og hjerneblødning.
- Patienter med svær kronisk kardiopulmonal og nyresygdom.
- Patienter, der er uvillige eller ude af stand til at give samtykke.
- Patienter, der ikke er egnede til koloskopi
- Patienter, der fik akut eller terapeutisk koloskopi
- Patienter med graviditet, inflammatorisk tarmsygdom, polypose af tyktarm, kolorektal cancer eller tarmobstruktion
- Patienter, der tager aspirin, clopidogrel eller andre antikoagulantia
- Patienter med abstinenser < 6 min
Studieplan
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
- Primært formål: DIAGNOSTISK
- Tildeling: TILFÆLDIGT
- Interventionel model: PARALLEL
- Maskning: INGEN
Antal våben
Våben og indgreb
Deltagergruppe / ArmDeltagergruppe / Arm |
Intervention / BehandlingIntervention / Behandling |
|---|---|
|
EKSPERIMENTEL: AI-assisteret tilbagetrækningsgruppe
Et deep learning-baseret automatisk polypdetektionssystem blev brugt til at hjælpe endoskopisten.
|
Når koloskopister trækker koloskopierne tilbage og inspicerer tyktarmen, blev videostreamingen af koloskopier i realtid skiftet til det automatiske polypdetektionssystem, hvilket gjorde det muligt at opdage læsioner i realtid.
Når en potentiel polyp detekteres af systemet, vil der være en sporingsboks på en tilstødende monitor for at lokalisere læsionen med en samtidig lydalarm.
|
|
NO_INTERVENTION: Rutinemæssig tilbagetrækningsgruppe
Rutinemæssig tilbagetrækning uden hjælp.
|
Hvad måler undersøgelsen?
Primære resultatmål
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
adenom detektionsrate (ADR)
Tidsramme: 30 minutter
|
antallet af patienter med mindst ét adenom divideret med det samlede antal patienter.
|
30 minutter
|
Sekundære resultatmål
Sekundære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
polyp detektionshastighed (PDR)
Tidsramme: 30 minutter
|
antallet af patienter med mindst én polyp divideret med det samlede antal patienter.
|
30 minutter
|
|
adenom per koloskopi
Tidsramme: 30 minutter
|
antallet af adenomer påvist under koloskopi trækker sig tilbage divideret med antallet af koloskopier.
|
30 minutter
|
|
polyp pr koloskopi
Tidsramme: 30 minutter
|
antallet af polypper opdaget under koloskopi trækker sig tilbage divideret med antallet af koloskopier.
|
30 minutter
|
Samarbejdspartnere og efterforskere
Sponsor
Sponsor
Samarbejdspartnere
Samarbejdspartnere
Publikationer og nyttige links
Generelle publikationer
- Urban G, Tripathi P, Alkayali T, Mittal M, Jalali F, Karnes W, Baldi P. Deep Learning Localizes and Identifies Polyps in Real Time With 96% Accuracy in Screening Colonoscopy. Gastroenterology. 2018 Oct;155(4):1069-1078.e8. doi: 10.1053/j.gastro.2018.06.037. Epub 2018 Jun 18.
- Ahmad OF, Soares AS, Mazomenos E, Brandao P, Vega R, Seward E, Stoyanov D, Chand M, Lovat LB. Artificial intelligence and computer-aided diagnosis in colonoscopy: current evidence and future directions. Lancet Gastroenterol Hepatol. 2019 Jan;4(1):71-80. doi: 10.1016/S2468-1253(18)30282-6. Epub 2018 Dec 6.
Datoer for undersøgelser
Studer store datoer
Studiestart (FAKTISKE)
Studiestart
Primær færdiggørelse (FORVENTET)
Primær færdiggørelse
Studieafslutning (FORVENTET)
Studieafslutning
Datoer for studieregistrering
Først indsendt
Først indsendt
Først indsendt, der opfyldte QC-kriterier
Først indsendt, der opfyldte QC-kriterier
Først opslået (FAKTISKE)
Først opslået
Opdateringer af undersøgelsesjournaler
Sidste opdatering sendt (FAKTISKE)
Sidste opdatering sendt
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
Sidst verificeret
Sidst verificeret
Mere information
Begreber relateret til denne undersøgelse
Yderligere relevante MeSH-vilkår
Andre undersøgelses-id-numre
Andre undersøgelses-id-numre
- AI-2
Plan for individuelle deltagerdata (IPD)
Planlægger du at dele individuelle deltagerdata (IPD)?
Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter
Studerer et amerikansk FDA-reguleret lægemiddelprodukt
Studerer et amerikansk FDA-reguleret enhedsprodukt
Disse oplysninger blev hentet direkte fra webstedet clinicaltrials.gov uden ændringer. Hvis du har nogen anmodninger om at ændre, fjerne eller opdatere dine undersøgelsesoplysninger, bedes du kontakte register@clinicaltrials.gov. Så snart en ændring er implementeret på clinicaltrials.gov, vil denne også blive opdateret automatisk på vores hjemmeside .