Sammenligning af Aurora Fundus-kamera med traditionelt kamera ved diabetisk retinopati med visuel kunstig intelligens
3. april 2019 opdateret af: Fenghua Wang, Shanghai General Hospital, Shanghai Jiao Tong University School of Medicine
Sammenligning af Aurora Fundus-kamera med traditionelt fundus-kamera ved diabetisk retinopati med Phoebus visuel kunstig intelligens
Denne undersøgelse har til formål at sammenligne effekten af Aurora håndholdt fundus kamera med traditionelt desktop fundus kamera i fundus fotografering screening af diabetespatienter, og at evaluere effekten af kunstig intelligens algoritme i diagnosticering af diabetisk retinopati.
Studieoversigt
Status
Ukendt
Betingelser
Detaljeret beskrivelse
Aurora håndholdte fundus-kameraer bruges til at tage fundusfotografering på diabetespatienter i 3 oftalmiske diabetisk retinopati-screeningscentre i Kina for at sammenligne dens effekt med hospitalets traditionelle funduskamera på skrivebordet og evaluere den hjælpediagnostiske effekt af Phoebus kunstig intelligens-algoritme ved diabetisk retinopati.
Undersøgelsestype
Observationel
Tilmelding (Forventet)
300
Kontakter og lokationer
Dette afsnit indeholder kontaktoplysninger for dem, der udfører undersøgelsen, og oplysninger om, hvor denne undersøgelse udføres.
Studiesteder
-
-
Shanghai
-
Shanghai, Shanghai, Kina, 200080
- Shanghai General Hospital, Shanghai Jiao Tong University School of Medicine
-
-
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
Aldre berettiget til at studere
18 år og ældre (Voksen, Ældre voksen)
Tager imod sunde frivillige
Ingen
Køn, der er berettiget til at studere
Alle
Prøveudtagningsmetode
Ikke-sandsynlighedsprøve
Studiebefolkning
Patienter, der blev diagnosticeret med diabetes, mere end 18 år, mandlige eller kvindelige kinesiske patienter.
Beskrivelse
Inklusionskriterier:
- Deltagerne er mere end 18 år, mandlige eller kvindelige kinesiske patienter;
- Diagnosticeret med diabetes;
- Der skal indhentes forudgående skriftligt informeret samtykke
Ekskluderingskriterier:
- Patienter med usynlig fundus forårsaget af enhver årsag;
- Patienter eller hans/hendes licensgiver vil ikke underskrive et informeret samtykke eller følge denne protokol;
- Gravid kvinde
Studieplan
Dette afsnit indeholder detaljer om studieplanen, herunder hvordan undersøgelsen er designet, og hvad undersøgelsen måler.
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
Kohorter og interventioner
Gruppe / kohorte |
|---|
|
Gruppe 1
Center 1: Traditionelt kamera (Canon) vs Aurora-kamera
|
|
Gruppe 2
Center 2: Traditionelt kamera (Zeiss) vs Aurora-kamera
|
|
Gruppe 3
Center 3: Traditionelt kamera (Topcon) vs Aurora-kamera
|
Hvad måler undersøgelsen?
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Billedkvalitet af Aurora kamera
Tidsramme: inden for 3 måneder
|
Score for billedkvalitet
|
inden for 3 måneder
|
Sekundære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Udfald af guldstandarden
Tidsramme: inden for 3 måneder
|
Guldstandard: 8 fotografier af én patient (4 med Aurora-kamera, 4 med traditionelt kamera) af øjenlæge (dobbeltblændet)
|
inden for 3 måneder
|
|
Billede af Aurora-kamera
Tidsramme: 1 måned
|
Billeder taget med Aurora-kamera
|
1 måned
|
|
Billede af traditionelt kamera (Center 1: Canon)
Tidsramme: 1 måned
|
Billede taget med traditionelt kamera（Center 1: Canon, pupil ikke udvidet）
|
1 måned
|
|
Billede af traditionelt kamera (Center 2: Zeiss)
Tidsramme: 1 måned
|
Billede taget med traditionelt kamera（Center 2: Zeiss, pupil udvidet）
|
1 måned
|
|
Billede af traditionelt kamera (Center 3: Topcon)
Tidsramme: 1 måned
|
Billede taget med traditionelt kamera（Center 3: Topcon, pupil udvidet）
|
1 måned
|
|
Resultatet af kunstig intelligens algoritme
Tidsramme: 3 måneder
|
Resultat af kunstig intelligens-algoritme (normal eller henvisning påkrævet)
|
3 måneder
|
Samarbejdspartnere og efterforskere
Det er her, du vil finde personer og organisationer, der er involveret i denne undersøgelse.
Efterforskere
- Ledende efterforsker: Fenghua Wang, Shanghai General Hospital, Shanghai Jiao Tong University School of Medicine
Publikationer og nyttige links
Den person, der er ansvarlig for at indtaste oplysninger om undersøgelsen, leverer frivilligt disse publikationer. Disse kan handle om alt relateret til undersøgelsen.
Generelle publikationer
- Jin G, Xiao W, Ding X, Xu X, An L, Congdon N, Zhao J, He M. Prevalence of and Risk Factors for Diabetic Retinopathy in a Rural Chinese Population: The Yangxi Eye Study. Invest Ophthalmol Vis Sci. 2018 Oct 1;59(12):5067-5073. doi: 10.1167/iovs.18-24280.
- Zheng X, Zhang L. A study of retinopathy analysis in type 2 diabetes patients in Chinese population. Pak J Pharm Sci. 2018 Sep;31(5(Supplementary)):2041-2046.
- Hendrick AM, Gibson MV, Kulshreshtha A. Diabetic Retinopathy. Prim Care. 2015 Sep;42(3):451-64. doi: 10.1016/j.pop.2015.05.005.
- Wong TY, Bressler NM. Artificial Intelligence With Deep Learning Technology Looks Into Diabetic Retinopathy Screening. JAMA. 2016 Dec 13;316(22):2366-2367. doi: 10.1001/jama.2016.17563. No abstract available.
- Abramoff MD, Niemeijer M, Russell SR. Automated detection of diabetic retinopathy: barriers to translation into clinical practice. Expert Rev Med Devices. 2010 Mar;7(2):287-96. doi: 10.1586/erd.09.76.
- Li Z, Keel S, Liu C, He Y, Meng W, Scheetz J, Lee PY, Shaw J, Ting D, Wong TY, Taylor H, Chang R, He M. An Automated Grading System for Detection of Vision-Threatening Referable Diabetic Retinopathy on the Basis of Color Fundus Photographs. Diabetes Care. 2018 Dec;41(12):2509-2516. doi: 10.2337/dc18-0147. Epub 2018 Oct 1.
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)
1. november 2018
Primær færdiggørelse (Forventet)
1. maj 2019
Studieafslutning (Forventet)
1. maj 2019
Datoer for studieregistrering
Først indsendt
3. april 2019
Først indsendt, der opfyldte QC-kriterier
3. april 2019
Først opslået (Faktiske)
4. april 2019
Opdateringer af undersøgelsesjournaler
Sidste opdatering sendt (Faktiske)
4. april 2019
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
3. april 2019
Sidst verificeret
1. april 2019
Mere information
Begreber relateret til denne undersøgelse
Yderligere relevante MeSH-vilkår
Andre undersøgelses-id-numre
- Shanghai1stAI
Plan for individuelle deltagerdata (IPD)
Planlægger du at dele individuelle deltagerdata (IPD)?
JA
IPD-planbeskrivelse
Klinisk undersøgelsesrapport vil blive offentliggjort
IPD-delingstidsramme
starter 6 måneder efter offentliggørelsen
IPD-delingsadgangskriterier
Dr. Fenghua Wang vil gennemgå anmodninger og kriterier.
IPD-deling Understøttende informationstype
- CSR
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 .
Kliniske forsøg med Diabetisk retinopati
-
Assiut UniversityUkendtom Vitreomacular Interface Abnormalities in Diabetic Retinopathy