Diagnostisk ydeevne af dyb læring til vinkellukning
3. april 2021 opdateret af: Xiulan Zhang, Sun Yat-sen University
Diagnostisk ydeevne af dybe konvolutionelle neurale netværk for vinkellukkende glaukom: en international multicenterundersøgelse
Primære vinkellukningssygdomme (PACD) ses almindeligvis i Asien.
I klinisk praksis er gonioskopi guldstandarden for vinkelbreddeklassificering i PACD-patienter.
Goniskopi er dog en kontaktundersøgelse og kræver en lang indlæringskurve.
Forreste segment optisk kohærenstomografi (AS-OCT) er en berøringsfri test, som kan opnå tredimensionelle billeder af det forreste segment inden for få sekunder.
Derfor designede efterforskerne undersøgelsen for at verificere, om AS-OCT-baseret dyb læringsalgoritme er i stand til at detektere PACD-emner diagnosticeret ved gonioskopi.
Studieoversigt
Status
Aktiv, ikke rekrutterende
Betingelser
Intervention / Behandling
Undersøgelsestype
Observationel
Tilmelding (Forventet)
3000
Kontakter og lokationer
Dette afsnit indeholder kontaktoplysninger for dem, der udfører undersøgelsen, og oplysninger om, hvor denne undersøgelse udføres.
Studiesteder
-
-
Guangdong
-
Guangzhou, Guangdong, Kina, 51000
- Zhongshan Ophthalmic Center
-
-
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
Trænings- og primære valideringsdatasæt blev indsamlet fra databaserne med elektroniske medicinske og forskningsjournaler på Zhongshan Ophthalmic Center fra 1. september 2016 til 1. september 2019.
Det eksterne testdatasæt blev hentet fra Singapore Eye Research Institute (SERI), Singapore i løbet af juni 2008 til november 2019, og Chulalongkorn University og King Chulalongkorn Memorial Hospital (KCMH, Bangkok, Thailand) fra oktober 2019 til april 2020.
Beskrivelse
Inklusionskriterierne i undersøgelsen var som følger: (1) Alle deltagere skal være ≥ 18 år gamle; (2) Forsøgspersoner havde en tidligere diagnose af ACA-status (smal eller åben, PAS eller ikke-PAS) baseret på gonioskopi, SS-OCT-scanninger og sygehistorie.
Eksklusionskriterier for dataene omfatter: (1) dårlig overensstemmelse ved modtagelse af gonioskopiundersøgelse; (2) uklare AS-OCT-scanninger på grund af blinkende eller ude af fokus; (3) nylig brug af miotika inden for en måned; 4) sekundær vinkellukning som følge af subluksation eller dislokation, uveitis, neovaskulær glaukom, et al.; 5) anamnese med øjenkirurgi eller laseriridotomi; 6) patienter, der tidligere har haft en episode med primær vinkellukning (som blev opnået i historien ved at spørge patienterne).
Studieplan
Dette afsnit indeholder detaljer om studieplanen, herunder hvordan undersøgelsen er designet, og hvad undersøgelsen måler.
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
- Observationsmodeller: Andet
- Tidsperspektiver: Tilbagevirkende kraft
Kohorter og interventioner
Gruppe / kohorte |
Intervention / Behandling |
|---|---|
|
Vinkellukningsgruppe
|
OCT-scanningerne af studieemner ville blive importeret til algoritmen.
Automatiseret klassificering af vinkelbredde og detektion af synechia vil blive udført af algoritmen.
Den diagnostiske ydeevne af algoritmen ville blive sammenlignet med gonioskopioptegnelser.
|
|
Åben vinkelgruppe
|
OCT-scanningerne af studieemner ville blive importeret til algoritmen.
Automatiseret klassificering af vinkelbredde og detektion af synechia vil blive udført af algoritmen.
Den diagnostiske ydeevne af algoritmen ville blive sammenlignet med gonioskopioptegnelser.
|
|
Perifer synechia (PAS) gruppe
|
OCT-scanningerne af studieemner ville blive importeret til algoritmen.
Automatiseret klassificering af vinkelbredde og detektion af synechia vil blive udført af algoritmen.
Den diagnostiske ydeevne af algoritmen ville blive sammenlignet med gonioskopioptegnelser.
|
|
Ikke-perifer synechia (PAS) gruppe
|
OCT-scanningerne af studieemner ville blive importeret til algoritmen.
Automatiseret klassificering af vinkelbredde og detektion af synechia vil blive udført af algoritmen.
Den diagnostiske ydeevne af algoritmen ville blive sammenlignet med gonioskopioptegnelser.
|
Hvad måler undersøgelsen?
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Område under modtagerens driftskurve (AUC)
Tidsramme: Umiddelbart efter opnåelse af AS-OCT-billederne
|
AUC-værdi for dyb læringsalgoritmen i vinkelbreddeklassificering og synechia-detektion
|
Umiddelbart efter opnåelse af AS-OCT-billederne
|
Sekundære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Følsomhed og specificitet
Tidsramme: Umiddelbart efter opnåelse af AS-OCT-billederne
|
Sensitivitet og specificitet af den automatiserede algoritme i vinkelbreddeklassificering og synechia-detektion
|
Umiddelbart efter opnåelse af AS-OCT-billederne
|
Samarbejdspartnere og efterforskere
Det er her, du vil finde personer og organisationer, der er involveret i denne undersøgelse.
Sponsor
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)
15. januar 2019
Primær færdiggørelse (Forventet)
1. december 2021
Studieafslutning (Forventet)
1. marts 2022
Datoer for studieregistrering
Først indsendt
23. januar 2020
Først indsendt, der opfyldte QC-kriterier
23. januar 2020
Først opslået (Faktiske)
27. januar 2020
Opdateringer af undersøgelsesjournaler
Sidste opdatering sendt (Faktiske)
8. april 2021
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
3. april 2021
Sidst verificeret
1. april 2021
Mere information
Begreber relateret til denne undersøgelse
Yderligere relevante MeSH-vilkår
Andre undersøgelses-id-numre
- 2018KYPJ074
Plan for individuelle deltagerdata (IPD)
Planlægger du at dele individuelle deltagerdata (IPD)?
Ja
IPD-planbeskrivelse
Billeddata fra forsøgspersoner ville være tilgængelige for andre forskere efter rimelig anmodning.
En del af dataene vil være åbne som offentlige datasæt, efter at den relaterede artikel er offentliggjort.
IPD-delingstidsramme
En del af dataene vil være åbne som offentlige datasæt, efter at den relaterede artikel er offentliggjort.
IPD-deling Understøttende informationstype
- Studieprotokol
- Analytisk kode
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 .