En undersøgelse af kunstig intelligens EKG med EKG-enheder til at påvise hypertrofisk kardiomyopati adskilt fra atletens hjerte
Prospektiv evaluering af kunstig intelligens EKG med forbrugervendte EKG-enheder til påvisning af hypertrofisk kardiomyopati og skelnen fra atletens hjerte
Studieoversigt
Status
Status
Betingelser
Betingelser
Intervention / Behandling
Intervention / Behandling
Undersøgelsestype
Undersøgelsestype
Tilmelding (Anslået)
Tilmelding
Kontakter og lokationer
Studiekontakt
Studiekontakt
- Navn: Konstantinos Siontis, MD
- Telefonnummer: (507) 255-1051
- E-mail: Siontis.Konstantinos@mayo.edu
Undersøgelse Kontakt Backup
- Navn: Shaun Crawford
- Telefonnummer: 507-422-5666
- E-mail: crawford.shaun@mayo.edu
Studiesteder
-
-
Minnesota
-
Rochester, Minnesota, Forenede Stater, 55905
- Mayo Clinic in Rochester
-
-
Deltagelseskriterier
Berettigelseskriterier
Berettigelseskriterier
Aldre berettiget til at studere
- Voksen
- Ældre voksen
Tager imod sunde frivillige
Prøveudtagningsmetode
Studiebefolkning
Beskrivelse
Inklusionskriterier:
- Patienter med klinisk validerede diagnoser af HCM (n=150) og atletens hjerte (n=150) vil blive identificeret ved forudgående screening af klinikaftaler for hver af specialklinikkerne HCM og Sportskardiologi eller i CV-stipendiaters klinik (i patienter med en etableret diagnose og ingen afventende test). Alle diagnoser skal understøttes af utvetydig billeddiagnostik og andre hjælpedata i henhold til vores standard for pleje og klinikeksperter.
Ekskluderingskriterier:
- Enhver undtagelse fra ovenstående kriterier.
Studieplan
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
Antal grupper/kohorter
Kohorter og interventioner
Gruppe / kohorteGruppe / kohorte |
Intervention / BehandlingIntervention / Behandling |
|---|---|
|
Hypertrofisk kardiomyopati (HCM)
Forsøgspersoner med klinisk validerede diagnoser af HCM vil blive tilmeldt og få et klinisk indiceret 12-aflednings-EKG samt EKG-sporinger indsamlet ved hjælp af et Apple Smart Watch (enkelt-afledning) og AliveCor KardiaMobile (6-afledninger).
|
En klinisk udført 12-aflednings-EKG-sporing inden for 30 dage efter aftalen vil blive indhentet fra den pågældende journal og vil blive brugt til AI-EKG-analyser.
En enkelt EKG-sporing vil blive indsamlet ved hjælp af et Apple Smart Watch, og sporing vil blive brugt til AI-EKG-analyser.
En 6-aflednings EKG-sporing vil blive indsamlet ved hjælp af en AliveCor KardiaMobile-enhed, og sporing vil blive brugt til AI-EKG-analyser.
|
|
Atleter
Atleter vil blive tilmeldt og har et klinisk indikeret 12-bly EKG opnået såvel som EKG-sporinger indsamlet ved hjælp af et Apple Smart Watch (enkelt-bly) og Alivecor Kardiamobile (6-bly).
|
En klinisk udført 12-aflednings-EKG-sporing inden for 30 dage efter aftalen vil blive indhentet fra den pågældende journal og vil blive brugt til AI-EKG-analyser.
En enkelt EKG-sporing vil blive indsamlet ved hjælp af et Apple Smart Watch, og sporing vil blive brugt til AI-EKG-analyser.
En 6-aflednings EKG-sporing vil blive indsamlet ved hjælp af en AliveCor KardiaMobile-enhed, og sporing vil blive brugt til AI-EKG-analyser.
|
Hvad måler undersøgelsen?
Primære resultatmål
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Fordeling af AI-EKG-sandsynligheder i HCM
Tidsramme: Baseline
|
Artificial Intelligence (AI)-scorer vil blive målt ved hjælp af AI-algoritmen på EKG-sporinger opnået fra klinisk indiceret 12-aflednings-EKG, Apple Smart Watch (enkelt-afledning) og AliveCor KardiaMobile (6-afledninger) hos forsøgspersoner med HCM.
AI-scorerne vil blive brugt til at generere AI-EKG-sandsynligheden for nøjagtig diagnosticering af HCM (mærket som sand positiv, sand negativ, falsk positiv, falsk negativ), og fordelingen af AI-EKG-sandsynligheder vil blive evalueret.
En højere fordeling af AI-EKG-sandsynligheder (mere sande positive) vil afspejle bedre diagnostisk ydeevne af AI-EKG-algoritmen.
|
Baseline
|
|
Sammenlignende diagnostisk ydeevne mellem sporinger opnået fra forskellige enheder
Tidsramme: Baseline
|
Artificial Intelligence (AI)-score vil blive målt ved hjælp af AI-algoritmen på EKG-sporinger opnået fra klinisk indiceret 12-aflednings-EKG, Apple Smart Watch (enkelt-afledning) og AliveCor KardiaMobile (6-afledninger).
Diagnostisk ydeevne af AI-algoritmen (mærket som sand positiv, sand negativ, falsk positiv, falsk negativ) baseret på sporing fra hver EKG-formfaktor (12-afledninger, enkeltafledninger, 6-afledninger) vil blive evalueret og sammenlignet.
|
Baseline
|
Sekundære resultatmål
Sekundære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Korrelation med falsk negativ AI EKG resultat
Tidsramme: Baseline
|
Artificial Intelligence (AI)-score vil blive målt ved hjælp af AI-algoritmen på EKG-sporinger opnået fra klinisk indiceret 12-aflednings-EKG, Apple Smart Watch (enkelt-afledning) og AliveCor KardiaMobile (6-afledninger).
Diagnostisk ydeevne af AI-algoritmen (mærket som sand positiv, sand negativ, falsk positiv, falsk negativ) baseret på sporing fra hver EKG-formfaktor (12-afledninger, enkelt-afledninger, 6-afledninger) vil blive evalueret og korrelationen af formularen faktor til et falsk negativt AI-EKG-resultat vil blive bestemt.
|
Baseline
|
|
Distribution af AI-ECG-sandsynligheder hos atleter
Tidsramme: Baseline
|
Artificial Intelligence (AI) scoringer måles ved hjælp af AI-algoritmen på EKG-sporinger opnået fra klinisk indikeret 12-bly EKG, Apple Smart Watch (enkelt-bly) og Alivecor Kardiamobile (6-bly) hos emner med atleter.
AI-scoringerne vil blive brugt til at generere AI-ECG-sandsynligheden for nøjagtigt diagnosticering af HCM (ægte positiv, ægte negativ, falsk positiv, falsk negativ) og fordelingen af AI-ECG-sandsynligheder vil blive evalueret.
En højere fordeling af AI-ECG-sandsynligheder (flere sande positive) vil afspejle bedre diagnostisk ydeevne af AI-ECG-algoritmen.
|
Baseline
|
Samarbejdspartnere og efterforskere
Sponsor
Sponsor
Efterforskere
Efterforskere
- Ledende efterforsker: Konstantinos Siontis, MD, Mayo Clinic
Datoer for undersøgelser
Studer store datoer
Studiestart (Faktiske)
Studiestart
Primær færdiggørelse (Faktiske)
Primær færdiggørelse
Studieafslutning (Anslået)
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
- 23-007685
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
produkt fremstillet i og eksporteret fra U.S.A.
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 .