Denne side blev automatisk oversat, og nøjagtigheden af ​​oversættelsen er ikke garanteret. Der henvises til engelsk version for en kildetekst.

Kunstig intelligens-assisteret diagnose og prognose i COVID-19 ved hjælp af elektrokardiogrammer (AI-COV-19)

24. august 2021 opdateret af: Imperial College London

Kunstig intelligens-assisteret diagnose og prognose i COVID-19 ved hjælp af elektrokardiogrammer og billeddannelse

Coronavirus Disease 2019 (COVID-19) har været udbredt over hele verden siden december 2019. Det er meget smitsomt, og alvorlige tilfælde kan føre til akut åndedrætsbesvær eller multipel organsvigt. Den 11. marts 2020 vurderede WHO, at COVID-19 kan karakteriseres som en pandemi. Med udviklingen af ​​maskinlæring har deep learning-baseret kunstig intelligens (AI) teknologi vist enorm succes inden for medicinsk dataanalyse på grund af dens kapacitet til at udtrække rige funktioner fra billeddannelse og komplekse kliniske datasæt. I denne undersøgelse sigter vi mod at bruge kliniske data indsamlet som en del af rutinemæssig klinisk pleje (hjertesporinger, røntgenbilleder og CT-scanninger) til at træne kunstig intelligens og maskinlæringsalgoritmer for præcist at forudsige sygdomsforløbet hos patienter med Covid-19 infektion ved hjælp af disse datasæt.

Studieoversigt

Status

Status

Angiver den aktuelle rekrutteringsstatus eller den udvidede adgangsstatus.
Rekruttering

Betingelser

Betingelser

Den sygdom, lidelse, syndrom, sygdom eller skade, der undersøges. På ClinicalTrials.gov kan tilstande også omfatte andre sundhedsrelaterede problemer, såsom levetid, livskvalitet og sundhedsrisici.

Intervention / Behandling

Intervention / Behandling

En proces eller handling, der er i fokus for en klinisk undersøgelse. Interventioner omfatter lægemidler, medicinsk udstyr, procedurer, vacciner og andre produkter, der enten er til undersøgelse eller allerede er tilgængelige. Interventioner kan også omfatte ikke-invasive tilgange, såsom uddannelse eller ændring af kost og motion.

Detaljeret beskrivelse

Coronavirus Disease 2019 (COVID-19) har været udbredt over hele verden siden december 2019. Det er meget smitsomt, og alvorlige tilfælde kan føre til akut åndedrætsbesvær eller multipel organsvigt og i sidste ende død. Sygdommen kan bekræftes ved at bruge revers-transkription polymerase kædereaktion (RT-PCR) test. EKG'er, røntgenbilleder af thorax og CT-scanninger er rige kilder til data, der giver indsigt i sygdom, som ellers ikke ville være tilgængelig.

At vide, hvem der skal indlægges på hospitalet eller intensivafdelingen, redder liv, da det hjælper med at afbøde ressourcemangel. Nye værktøjer til kunstig intelligens såsom Deep learning vil muliggøre en kompleks vurdering af billeddannelsen og kliniske data, der potentielt kan hjælpe klinikere med at stille en hurtigere og mere præcis diagnose, bedre triage patienter og vurdere behandlingsrespons og i sidste ende bedre forudsigelse af resultatet. Vores gruppe har betydelig erfaring med at implementere maskinlæringsalgoritmer på enorme mængder af EKG'er, såsom fra den britiske biobank, og foreslår at udvide vores teknikker til data fra patienter med Covid-19.

Dette er et retrospektivt datastudie om patienter med mistænkelig og bekræftet COVID-19.

Undersøgelsen sigter mod at rekruttere op til 2000 patienter, som vil blive henvist til at få EKG, røntgen af ​​thorax eller CT-scanninger hos Chelsea og Westminster Hospital NHS Foundation Trust, Imperial College Healthcare NHS Trust og London North West London University Healthcare NHS Trust.

For at blive inkluderet i denne undersøgelse skal patienten:

  • har EKG'er, røntgen af ​​thorax og/eller CT-scanning af thorax (med eller uden kontrast)
  • laboratorie-Covid-19-virusnukleinsyretest (RTPCR-assay med svælgprøver) eller klinisk mistanke om Covid19-infektion
  • være i alderen >18 år Patienter med suboptimale EKG'er, røntgenbilleder af thorax og CT-undersøgelser på grund af artefakter vil blive udelukket. Patienter vil også blive udelukket, hvis tidsintervallet mellem EKG'er, CT-thorax og RT-PCR-analysen var længere end 7 dage.

Denne undersøgelse modtog HRA og Health and Care Research Wales (HCRW) godkendelse den 18. maj 2020 efter gennemgang af forskningsetisk komité på et møde afholdt den 13. maj 2020 (protokolnummer: 20HH5967; REC-reference: 20/HRA/2467).

Undersøgelsestype

Undersøgelsestype

Beskriver karakteren af ​​en klinisk undersøgelse. Undersøgelsestyper omfatter interventionelle undersøgelser (også kaldet kliniske forsøg), observationsundersøgelser (herunder patientregistre) og udvidet adgang.
Observationel

Tilmelding (Forventet)

Tilmelding

Antallet af deltagere i en klinisk undersøgelse. Den "forventede" tilmelding er det mål for antallet af deltagere, som forskerne skal bruge til undersøgelsen.
2000

Kontakter og lokationer

Dette afsnit indeholder kontaktoplysninger for dem, der udfører undersøgelsen, og oplysninger om, hvor denne undersøgelse udføres.

Studiesteder

  • Det Forenede Kongerige
      • London, Det Forenede Kongerige, HA1 3UJ
        • Rekruttering
        • London North West University Healthcare NHS Trust
        • Kontakt:
      • London, Det Forenede Kongerige, TW7 6AF
      • London, Det Forenede Kongerige, W12 0NN
        • Aktiv, ikke rekrutterende
        • Imperial College London (Hammersmith campus)
      • London, Det Forenede Kongerige, W2 1NY

Deltagelseskriterier

Forskere leder efter personer, der passer til en bestemt beskrivelse, kaldet berettigelseskriterier. Nogle eksempler på disse kriterier er en persons generelle helbredstilstand eller tidligere behandlinger.

Berettigelseskriterier

Berettigelseskriterier

De nøglekrav, som personer, der ønsker at deltage i et klinisk studie, skal opfylde eller de egenskaber, de skal have. Kvalifikationskriterier består af både inklusionskriterier (som er nødvendige for at en person kan deltage i undersøgelsen) og eksklusionskriterier (som forhindrer en person i at deltage). Typer af berettigelseskriterier omfatter, om en undersøgelse accepterer raske frivillige, har alders- eller aldersgruppekrav eller er begrænset af køn.

Aldre berettiget til at studere

14 år og ældre (Voksen, Ældre voksen)

Tager imod sunde frivillige

Ingen

Køn, der er berettiget til at studere

Alle

Prøveudtagningsmetode

Ikke-sandsynlighedsprøve

Studiebefolkning

Dette er et retrospektivt datastudie om patienter med mistænkelig og bekræftet COVID-19.

Undersøgelsen sigter mod at rekruttere op til 2000 patienter, som vil blive henvist til at få EKG, røntgen af ​​thorax eller CT-scanninger hos Chelsea og Westminster Hospital NHS Foundation Trust, Imperial College Healthcare NHS Trust og London North West London University Healthcare NHS Trust.

Beskrivelse

Inklusionskriterier:

  • har EKG'er, røntgen af ​​thorax og/eller CT-scanning af thorax (med eller uden kontrast)
  • positiv laboratorie-Covid-19-virusnukleinsyretest (RTPCR-assay med svælgprøver) eller klinisk mistanke om Covid-19-infektion
  • være i alderen >18 år

Ekskluderingskriterier:

  • Suboptimale EKG'er, røntgenbilleder af thorax eller CT-undersøgelser til dyb indlæringsmetoder på grund af artefakter, herunder alvorlige
  • bevægelsesartefakter, der forårsager sløring af konturerne af eller væsentlige artefakter på grund af metallisk protese, som forårsager billedforringelse
  • Tidsintervallet mellem EKG'er, CT-thorax og RT-PCR-analysen var længere end 7 dage

Studieplan

Dette afsnit indeholder detaljer om studieplanen, herunder hvordan undersøgelsen er designet, og hvad undersøgelsen måler.

Hvordan er undersøgelsen tilrettelagt?

Design detaljer

  • Observationsmodeller: Kohorte
  • Tidsperspektiver: Tilbagevirkende kraft

Hvad måler undersøgelsen?

Primære resultatmål

Primære resultatmål

I et klinisk studies protokol er det planlagte resultatmål, der er det vigtigste for at evaluere effekten af ​​en intervention/behandling. De fleste kliniske undersøgelser har ét primært resultatmål, men nogle har mere end ét.
Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Nøjagtighed af maskinlæring for at kunne forudsige resultatet af coronavirus (COVID-19) infektion
Tidsramme: Ved afslutningen af ​​dataanalyser, cirka 1 år
Nøjagtighed, med hvilken computerbaseret analyse (machine learning) kan diagnosticere og/eller prognosticere Covid-19 Antal deltagere med COVID19, der døde eller overlevede efter hospitalsindlæggelse
Ved afslutningen af ​​dataanalyser, cirka 1 år
Nøjagtighed af maskinlæring for at kunne forudsige prognose for coronavirus (COVID-19) infektion
Tidsramme: Ved afslutningen af ​​dataanalyser, cirka 1 år
Antal deltagere, der krævede invasiv vs ikke-invasiv ventilation vs afdelingsbaseret pleje vs døde
Ved afslutningen af ​​dataanalyser, cirka 1 år

Sekundære resultatmål

Sekundære resultatmål

I en klinisk undersøgelses protokol er et planlagt resultatmål, der ikke er lige så vigtigt som det primære resultatmål for at evaluere effekten af ​​en intervention, men som stadig er af interesse. De fleste kliniske undersøgelser har mere end ét sekundært resultatmål.
Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Nøjagtighed af maskinlæring for at kunne forudsige hjerteinvolvering af coronavirus (COVID-19) infektion
Tidsramme: Ved afslutningen af ​​dataanalyser, cirka 1 år
Antal deltagere, der havde COVID19-relaterede hjerteproblemer.
Ved afslutningen af ​​dataanalyser, cirka 1 år
Nøjagtighed af maskinlæring vs menneskelig vurdering for at diagnosticere infektion med coronavirus (COVID-19).
Tidsramme: Ved afslutningen af ​​dataanalyser, cirka 1 år
Antal deltagere, der kan identificeres som havende COVID19 ved hjælp af maskinlæring vs. menneskelig eller anden klinisk test eller vurdering
Ved afslutningen af ​​dataanalyser, cirka 1 år

Samarbejdspartnere og efterforskere

Det er her, du vil finde personer og organisationer, der er involveret i denne undersøgelse.

Sponsor

Sponsor

Den organisation eller person, der igangsætter undersøgelsen, og som har myndighed og kontrol over undersøgelsen.
Imperial College London

Samarbejdspartnere

Samarbejdspartnere

En anden organisation end sponsoren, der yder støtte til en klinisk undersøgelse. Denne støtte kan omfatte aktiviteter relateret til finansiering, design, implementering, dataanalyse eller rapportering.
Imperial College Healthcare NHS Trust
London North West Healthcare NHS Trust
Chelsea and Westminster Hospital NHS Foundation Trust

Datoer for undersøgelser

Disse datoer sporer fremskridtene for indsendelser af undersøgelsesrekord og resumeresultater til ClinicalTrials.gov. Studieregistreringer og rapporterede resultater gennemgås af National Library of Medicine (NLM) for at sikre, at de opfylder specifikke kvalitetskontrolstandarder, før de offentliggøres på den offentlige hjemmeside.

Studer store datoer

Studiestart (Faktiske)

Studiestart

Den faktiske dato, hvor den første deltager blev tilmeldt en klinisk undersøgelse. Den "forventede" undersøgelses startdato er den dato, som forskerne tror vil være undersøgelsens startdato.
26. maj 2020

Primær færdiggørelse (Forventet)

Primær færdiggørelse

Den dato, hvor den sidste deltager i et klinisk studie blev undersøgt eller modtog en intervention for at indsamle endelige data for det primære resultatmål. Hvorvidt det kliniske studie sluttede i henhold til protokollen eller blev afsluttet, påvirker ikke denne dato. For kliniske undersøgelser med mere end ét primært resultatmål med forskellige afslutningsdatoer refererer dette udtryk til den dato, hvor dataindsamlingen er afsluttet for alle de primære resultatmål. Den "forventede" primære afslutningsdato er den dato, som forskerne tror vil være den primære afslutningsdato for undersøgelsen.
1. maj 2022

Studieafslutning (Forventet)

Studieafslutning

Den dato, hvor den sidste deltager i et klinisk studie blev undersøgt eller modtog en intervention/behandling for at indsamle endelige data for de primære resultatmål, sekundære udfaldsmål og uønskede hændelser (det vil sige den sidste deltagers sidste besøg). Den "forventede" undersøgelses afslutningsdato er den dato, som forskerne tror vil være undersøgelsens afslutningsdato.
1. maj 2022

Datoer for studieregistrering

Først indsendt

Først indsendt

Den dato, hvor undersøgelsens sponsor eller investigator første gang indsendte en undersøgelsespost til ClinicalTrials.gov. Der er typisk en forsinkelse på et par dage mellem den første indsendte dato og postens tilgængelighed på ClinicalTrials.gov (den første offentliggjorte dato).
7. august 2020

Først indsendt, der opfyldte QC-kriterier

Først indsendt, der opfyldte QC-kriterier

Den dato, hvor undersøgelsens sponsor eller investigator første gang indsender en undersøgelsespost, der er i overensstemmelse med National Library of Medicine (NLM) kvalitetskontrol (QC) gennemgangskriterier. Sponsoren eller investigatoren skal muligvis revidere og indsende en undersøgelsespost en eller flere gange, før NLM's kvalitetskontrolkriterier er opfyldt. Det er sponsorens eller investigatorens ansvar at sikre, at undersøgelsesposten er i overensstemmelse med NLM QC-gennemgangskriterierne.
11. august 2020

Først opslået (Faktiske)

Først opslået

Datoen, hvor undersøgelsesposten først var tilgængelig på ClinicalTrials.gov efter National Library of Medicine (NLM) kvalitetskontrol (QC) gennemgang er afsluttet. Der er typisk en forsinkelse på et par dage mellem den dato, hvor undersøgelsens sponsor eller investigator indsendte undersøgelsesposten, og den første offentliggjorte dato.
12. august 2020

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

Sidste opdatering sendt

Den seneste dato, hvor ændringer i en undersøgelsespost blev gjort tilgængelig på ClinicalTrials.gov. Der kan være en forsinkelse mellem det tidspunkt, hvornår ændringerne blev indsendt til ClinicalTrials.gov af undersøgelsens sponsor eller investigator (datoen for sidste opdatering afsendt) og den sidste opdatering, der blev sendt.
30. august 2021

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

Den seneste dato, hvor undersøgelsens sponsor eller investigator indsendte ændringer til en undersøgelsespost, der er i overensstemmelse med National Library of Medicine (NLM) kvalitetskontrol (QC) gennemgangskriterier. Det er sponsorens eller investigatorens ansvar at sikre, at undersøgelsesposten er i overensstemmelse med NLM QC-gennemgangskriterierne.
24. august 2021

Sidst verificeret

Sidst verificeret

Den seneste dato, hvor undersøgelsens sponsor eller investigator bekræftede oplysningerne om en klinisk undersøgelse på ClinicalTrials.gov som nøjagtige og aktuelle. Hvis en undersøgelse med rekrutteringsstatus som rekruttering; rekrutterer endnu ikke; eller aktiv, ikke rekruttering er ikke blevet bekræftet inden for de seneste 2 år, er undersøgelsens rekrutteringsstatus vist som ukendt.
1. august 2021

Mere information

Begreber relateret til denne undersøgelse

Nøgleord

Yderligere relevante MeSH-vilkår

Andre undersøgelses-id-numre

Andre undersøgelses-id-numre

Andre identifikatorer eller ID-numre end NCT-nummeret, der er tildelt til en klinisk undersøgelse af undersøgelsens sponsor, finansieringsgivere eller andre. Disse numre kan omfatte unikke identifikatorer fra andre forsøgsregistre og National Institutes of Health-bevillingsnumre.
  • 20HH5967

Plan for individuelle deltagerdata (IPD)

Planlægger du at dele individuelle deltagerdata (IPD)?

Ja

IPD-planbeskrivelse

Dette er en undersøgelse, der anvender retrospektive, pseudo-anonymiserede data, der blev erhvervet som en del af rutinemæssig klinisk behandling af patienterne. Der er ingen direkte risici for patienternes helbred. De vigtigste spørgsmål drejer sig om datasikkerhed og opbevaring. For at løse dette vil medlemmer af det direkte plejeteam, som ikke er medlemmer af forskerteamet, udføre pseudo-anonymiseringen af ​​dataene og videregive et sæt pseudo-anonymiserede data til forskerholdet uden adgang til pseudo-anonymiseringen kode. Forskerholdet vil derfor ikke være i stand til at identificere patienterne ud fra disse data. De pseudo-anonymiserede data vil også blive opbevaret sikkert for yderligere at minimere risici.

IPD-delingstidsramme

inden for studietiden

IPD-delingsadgangskriterier

Forskere af undersøgelsen

IPD-deling Understøttende informationstype

  • Studieprotokol
  • Statistisk analyseplan (SAP)

Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter

Studerer et amerikansk FDA-reguleret lægemiddelprodukt

Ingen

Studerer et amerikansk FDA-reguleret enhedsprodukt

Ingen

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 .

Cookieindstillinger

Vi bruger cookies for at sikre, at vi giver dig den bedste oplevelse på vores hjemmeside. For flere detaljer skal du læse omhyggeligt vores Politik om beskyttelse af personlige oplysninger og cookies. ...>>>Du kan når som helst ændre dine præferencer eller trække dit samtykke tilbage ved at slette cookies fra din hjemmeside eller computer som beskrevet i politikken. Accepter det og vælg dine præferencer ved at markere de tilsvarende felter i afsnittet "Administrer indstillinger" nedenfor. Læs vores servicevilkår omhyggeligt, inden du fortsætter med at bruge nogen del af dette websted.
«Administrer indstillinger