- ICH GCP
- US Clinical Trials Registry
- Klinisk forsøg NCT05175690
Evaluering af AudibleHealth Dx AI/ML-baseret Dx SaMD ved hjælp af FCV-SDS til diagnosticering af COVID-19 sygdom
Evaluering af den kunstige intelligens/maskinlæringsbaserede diagnostiske software som en medicinsk enhed ved brug af tvungen hostevokaliseringssignaldatasignaturer til diagnosticering af COVID-19 sygdom
AudibleHealth Dx er en diagnostisk software som en medicinsk enhed (Dx SaMD), der består af et ensemble af software-subrutiner, der interagerer med en proprietær database med signaldatasignaturer (SDS), ved hjælp af kunstig intelligens/maskinlæring (AI/ML) til at analysere tvungen hostevokaliseringssignaldatasignaturer (FCV-SDS) til diagnostiske formål.
Denne undersøgelse vil evaluere ydeevnen af AudibleHealth Dx sammenlignet med en standardbehandlingstest med omvendt transkriptasepolymerasekædereaktion (RT-PCR) til diagnosticering af COVID-19. Tovejs Sanger-sekventering vil blive brugt til at reducere antallet af falsk negative og falsk positive resultater.
Et sekundært formål med undersøgelsen vil være brugervenlighedstest af enheden for deltagere og udbydere.
Studieoversigt
Status
Betingelser
Intervention / Behandling
Detaljeret beskrivelse
Undersøgelsen er et prospektivt, multi-site, non-inferiority-forsøg, der sammenligner AudibleHealth Dx med Emergency Use Authorization (EUA) godkendt COVID-19 RT-PCR-test for at demonstrere non-inferiority af PPA og NPA, når denne enhed bruges til at diagnosticere COVID. -19 sygdom. AudibleHealth Dx-testen, "Xpert Xpress SARS-CoV-2 RT-PCR"-testen (varenavn) og tovejs Sanger-sekventering vil blive udført for hver deltager under et enkelt møde. Deltagere og personale vil blive blindet over for AudibleHealth Dx-resultater og RT-PCR-status på testtidspunktet. Ingen vil kende begge resultater i realtid med undtagelse af webstedskoordinatorerne og den ublindede statistiker, der specifikt er autoriseret til at have disse resultater til tilmelding, revision, datasporing og datakompilering. Afblænding af resultaterne vil ske, efter at AudibleHealth Dx-, RT-PCR- og variantsekvenseringsresultaterne er opnået. Resultaterne for RT-PCR-testen vil blive modtaget af deltageren i henhold til det kliniske steds protokol. Variant sekventeringsresultater vil blive håndteret af hvert sted i henhold til deres protokol.
Målet for tilmelding til dette forsøg vil være 65 COVID-19 positive tilfælde og 247 COVID-19 negative tilfælde, forudsat en prævalens på 0,17 for i alt 312 forsøgspersoner, der opfylder alle inklusionskriterier.
Undersøgelsestype
Tilmelding (Faktiske)
Kontakter og lokationer
Studiesteder
-
-
Florida
-
Tampa, Florida, Forenede Stater, 33612
- University of South Florida
-
-
Deltagelseskriterier
Berettigelseskriterier
Aldre berettiget til at studere
Tager imod sunde frivillige
Køn, der er berettiget til at studere
Prøveudtagningsmetode
Studiebefolkning
Beskrivelse
Inklusionskriterier:
- Mand eller kvinde, 18 år eller ældre
- Til stede til elektiv, ambulant COVID-19 RT-PCR-test
- Mød FDA EUA godkendte indikationer til brug for RT-PCR næsepodningstesten for COVID-19
- Erklæret villighed til at overholde alle forsøgsprocedurer og tilgængelighed i forsøgets varighed
- Informeret samtykke skal indhentes inden testning
Ekskluderingskriterier:
- Under 18 år
- Ude af stand til at hoste frivilligt
- Til stede med akut traumatisk skade på hoved, nakke, hals, bryst, mave eller krop
- Patent trakeostomi stomi
- Nylig traume eller operation i brystet/maven/stammen, nylig/vedvarende neurovaskulær skade eller nyligt intrakraniel operation
- Sygehistorie med cribriform pladeskade eller cribriform pladekirurgi, diaphragmatisk brok, ekstern stråle nakke/hals/kæbestråling, phrenic nerveskade/parese, radikal nakke/hals/kæbekirurgi, stemmebåndstraumer eller knuder
- Da personer med afasi kan have svært ved at producere en FCV-SDS inden for den tid, appen har tildelt, vil denne population også blive udelukket fra det aktuelle forsøg
Studieplan
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
Kohorter og interventioner
Gruppe / kohorte |
Intervention / Behandling |
---|---|
Forsøgsbefolkning
Forsøgspopulationen vil blive tilmeldt fra voksne, der præsenterer for elektiv, ambulant COVID-19-test på et enkelt center, potentielt med flere teststeder (afhængigt af lokale behov på forsøgstidspunktet).
Undersøgelsesudstyret vil blive leveret til deltagerne via en mobiltelefon, der er forudindlæst med Common off-the-shelf original equipment manufacturer (COTS OEM) software og undersøgelses Dx SaMD.
Undersøgelsesudstyret vil blive evalueret under et enkelt møde, hvor et FCV-SDS vil blive indsamlet.
Ingen opfølgende besøg eller deltagerkontakter vil blive involveret i dette forsøg.
|
AudibleHealth Dx er en Dx SaMD til undersøgelse, der består af et ensemble af softwareunderrutiner, der interagerer med en proprietær database med signaldatasignaturer (SDS) ved hjælp af kunstig intelligens/maskinlæring (AI/ML) til at analysere signaldatasignaturer for tvungen hostevokalisering (FCV-SDS). ) til diagnostiske formål. Den tilsigtede anvendelse af AudibleHealth Dx AI/ML-baserede Dx SaMD ved hjælp af FCV-SDS er til diagnosticering af akutte og kroniske sygdomme. AudibleHealth Dx er en sky-baseret AI/ML (låst ML) diagnostisk software som medicinsk enhed (Dx SaMD) med en mobil app baseret grafisk brugergrænseflade (GUI) designet til at fungere med COTS Android Operating System (OS) og Apple OS baseret mobile enheder. AudibleHealth Dx-systemet bruger en tvungen hostevokalisering (FCV) signaldatasignatur (SDS) til at diagnosticere COVID-19 sygdom hos ambulante voksne. Resultater sendes til bestillende læger, statslige sundhedsafdelinger og deltagere ved hjælp af sundhedsniveau 7 (HL7) kompatible kommunikationsprotokoller.
Andre navne:
|
Hvad måler undersøgelsen?
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
---|---|---|
Ikke-mindreværd af den positive procentaftale (PPA)
Tidsramme: Deltagerne vil have et enkelt møde, der varer mindre end en time; forventet studievarighed er 6 uger. Måltilmelding er 65 positive og 247 negative deltagere. (Foreløbig analyse vil blive udført halvvejs.)
|
At demonstrere non-inferiority af den positive procentoverenskomst (PPA) i AudibleHealth Dx sammenlignet med EUA godkendt COVID-19 RT-PCR-test (specifikt Xpert Xpress SARS-CoV-2 RT-PCR-testen til diagnose af COVID-19 sygdom.)
|
Deltagerne vil have et enkelt møde, der varer mindre end en time; forventet studievarighed er 6 uger. Måltilmelding er 65 positive og 247 negative deltagere. (Foreløbig analyse vil blive udført halvvejs.)
|
Non-inferiority af den negative procent aftale (NPA)
Tidsramme: Deltagerne vil have et enkelt møde, der varer mindre end en time; forventet studievarighed er 6 uger. Måltilmelding er 65 positive og 247 negative deltagere. (Foreløbig analyse vil blive udført halvvejs.)
|
At demonstrere non-inferiority af den negative procentoverenskomst (NPA) i AudibleHealth Dx sammenlignet med EUA godkendt COVID-19 RT-PCR-test (specifikt Xpert Xpress SARS-CoV-2 RT-PCR-test til diagnose af COVID-19 sygdom.)
|
Deltagerne vil have et enkelt møde, der varer mindre end en time; forventet studievarighed er 6 uger. Måltilmelding er 65 positive og 247 negative deltagere. (Foreløbig analyse vil blive udført halvvejs.)
|
Samarbejdspartnere og efterforskere
Publikationer og nyttige links
Generelle publikationer
- Amoh J, Odame K. Deep Neural Networks for Identifying Cough Sounds. IEEE Trans Biomed Circuits Syst. 2016 Oct;10(5):1003-1011. doi: 10.1109/TBCAS.2016.2598794. Epub 2016 Sep 16.
- Arevalo-Rodriguez I, Buitrago-Garcia D, Simancas-Racines D, Zambrano-Achig P, Del Campo R, Ciapponi A, Sued O, Martinez-Garcia L, Rutjes AW, Low N, Bossuyt PM, Perez-Molina JA, Zamora J. False-negative results of initial RT-PCR assays for COVID-19: A systematic review. PLoS One. 2020 Dec 10;15(12):e0242958. doi: 10.1371/journal.pone.0242958. eCollection 2020.
- Assandri R, Canetta C, Vigano G, Buscarini E, Scartabellati A, Montanelli A. Laboratory markers included in the Corona Score can identify false negative results on COVID-19 RT-PCR in the emergency room. Biochem Med (Zagreb). 2020 Oct 15;30(3):030402. doi: 10.11613/BM.2020.030402. Epub 2020 Aug 5.
- Bahreini F, Najafi R, Amini R, Khazaei S, Bashirian S. Reducing False Negative PCR Test for COVID-19. Int J MCH AIDS. 2020;9(3):408-410. doi: 10.21106/ijma.421. Epub 2020 Oct 8.
- Chaimayo C, Kaewnaphan B, Tanlieng N, Athipanyasilp N, Sirijatuphat R, Chayakulkeeree M, Angkasekwinai N, Sutthent R, Puangpunngam N, Tharmviboonsri T, Pongraweewan O, Chuthapisith S, Sirivatanauksorn Y, Kantakamalakul W, Horthongkham N. Rapid SARS-CoV-2 antigen detection assay in comparison with real-time RT-PCR assay for laboratory diagnosis of COVID-19 in Thailand. Virol J. 2020 Nov 13;17(1):177. doi: 10.1186/s12985-020-01452-5.
- Chen YH, DeMets DL, Lan KK. Increasing the sample size when the unblinded interim result is promising. Stat Med. 2004 Apr 15;23(7):1023-38. doi: 10.1002/sim.1688.
- Imran A, Posokhova I, Qureshi HN, Masood U, Riaz MS, Ali K, John CN, Hussain MI, Nabeel M. AI4COVID-19: AI enabled preliminary diagnosis for COVID-19 from cough samples via an app. Inform Med Unlocked. 2020;20:100378. doi: 10.1016/j.imu.2020.100378. Epub 2020 Jun 26.
- Katz AP, Civantos FJ, Sargi Z, Leibowitz JM, Nicolli EA, Weed D, Moskovitz AE, Civantos AM, Andrews DM, Martinez O, Thomas GR. False-positive reverse transcriptase polymerase chain reaction screening for SARS-CoV-2 in the setting of urgent head and neck surgery and otolaryngologic emergencies during the pandemic: Clinical implications. Head Neck. 2020 Jul;42(7):1621-1628. doi: 10.1002/hed.26317. Epub 2020 Jun 12.
- Khomsay, S., Vanijjirattikhan, R., & Suwatthikul, J. (2019). Cough detection using PCA and Deep Learning. Paper presented at the 2019 International Conference on Information and Communication Technology Convergence (ICTC)
- Kosasih K, Abeyratne UR, Swarnkar V, Triasih R. Wavelet augmented cough analysis for rapid childhood pneumonia diagnosis. IEEE Trans Biomed Eng. 2015 Apr;62(4):1185-94. doi: 10.1109/TBME.2014.2381214. Epub 2014 Dec 18.
- Krizhevsky, A., Sutskever, I., & Hinton, G. E. (2012). Imagenet classification with deep convolutional neural networks. Advances in neural information processing systems, 25, 1097-1105.
- Kucirka LM, Lauer SA, Laeyendecker O, Boon D, Lessler J. Variation in False-Negative Rate of Reverse Transcriptase Polymerase Chain Reaction-Based SARS-CoV-2 Tests by Time Since Exposure. Ann Intern Med. 2020 Aug 18;173(4):262-267. doi: 10.7326/M20-1495. Epub 2020 May 13.
- Laguarta J, Hueto F, Subirana B. COVID-19 Artificial Intelligence Diagnosis Using Only Cough Recordings. IEEE Open J Eng Med Biol. 2020 Sep 29;1:275-281. doi: 10.1109/OJEMB.2020.3026928. eCollection 2020.
- Liu JM, You M, Wang Z, Li GZ, Xu X, Qiu Z. Cough event classification by pretrained deep neural network. BMC Med Inform Decis Mak. 2015;15 Suppl 4(Suppl 4):S2. doi: 10.1186/1472-6947-15-S4-S2. Epub 2015 Nov 25.
- Mehta CR, Pocock SJ. Adaptive increase in sample size when interim results are promising: a practical guide with examples. Stat Med. 2011 Dec 10;30(28):3267-84. doi: 10.1002/sim.4102. Epub 2010 Nov 30.
- Moore NM, Li H, Schejbal D, Lindsley J, Hayden MK. Comparison of Two Commercial Molecular Tests and a Laboratory-Developed Modification of the CDC 2019-nCoV Reverse Transcriptase PCR Assay for the Detection of SARS-CoV-2. J Clin Microbiol. 2020 Jul 23;58(8):e00938-20. doi: 10.1128/JCM.00938-20. Print 2020 Jul 23.
- Nemati E, Rahman MM, Nathan V, Vatanparvar K, Kuang J. A Comprehensive Approach for Classification of the Cough Type. Annu Int Conf IEEE Eng Med Biol Soc. 2020 Jul;2020:208-212. doi: 10.1109/EMBC44109.2020.9175345.
- Sharan RV, Abeyratne UR, Swarnkar VR, Porter P. Automatic Croup Diagnosis Using Cough Sound Recognition. IEEE Trans Biomed Eng. 2019 Feb;66(2):485-495. doi: 10.1109/TBME.2018.2849502. Epub 2018 Jun 21. Erratum In: IEEE Trans Biomed Eng. 2019 May;66(5):1491.
- Yu F, Yan L, Wang N, Yang S, Wang L, Tang Y, Gao G, Wang S, Ma C, Xie R, Wang F, Tan C, Zhu L, Guo Y, Zhang F. Quantitative Detection and Viral Load Analysis of SARS-CoV-2 in Infected Patients. Clin Infect Dis. 2020 Jul 28;71(15):793-798. doi: 10.1093/cid/ciaa345.
Datoer for undersøgelser
Studer store datoer
Studiestart (FAKTISKE)
Primær færdiggørelse (FAKTISKE)
Studieafslutning (FAKTISKE)
Datoer for studieregistrering
Først indsendt
Først indsendt, der opfyldte QC-kriterier
Først opslået (FAKTISKE)
Opdateringer af undersøgelsesjournaler
Sidste opdatering sendt (FAKTISKE)
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
Sidst verificeret
Mere information
Begreber relateret til denne undersøgelse
Nøgleord
- SARS-CoV-2
- Coronavirussygdom 2019
- Kunstig intelligens
- Tilbagevendende neuralt netværk
- AI
- SARS-CoV-2 infektion
- 2019 Ny Coronavirus-sygdom
- Maskinelæring
- Omicron
- FCV
- SDS
- Covid-19-pandemi
- Delta
- FCV-SDS
- Signaldatasignatur
- Tvungen hostevokalisering
- Dx SaMD
- SaMD
- Diagnostisk software som medicinsk udstyr
- Software som medicinsk udstyr
- AI/ML
- Konvolutionelt neuralt netværk
- ML
- Coronavirus sygdom-19
- COVID-19 virusinfektion
- 2019-nCoV sygdom
- 2019-nCoV-infektion
- COVID-19 virussygdom
- 2019 Ny Coronavirus-infektion
- COVID-19 pandemier
- SARS Coronavirus 2-infektion
- Svært akut respiratorisk syndrom Coronavirus 2-infektion
- Klassificer
- CNN
- RNN
- Oracle
- Ensemble
Yderligere relevante MeSH-vilkår
Andre undersøgelses-id-numre
- Pro00057996
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 .
Kliniske forsøg med COVID-19
-
Anavasi DiagnosticsIkke rekrutterer endnu
-
Ain Shams UniversityRekruttering
-
Israel Institute for Biological Research (IIBR)Afsluttet
-
Colgate PalmoliveAfsluttet
-
Christian von BuchwaldAfsluttet
-
Luye Pharma Group Ltd.Shandong Boan Biotechnology Co., LtdAktiv, ikke rekrutterende
-
University of ZurichLabor Speiz; Swiss Armed Forces; Universitätsspital ZürichTilmelding efter invitation
-
Alexandria UniversityAfsluttet
-
Henry Ford Health SystemAfsluttet
Kliniske forsøg med Diagnostisk software som medicinsk udstyr
-
Nova Scotia Health AuthorityAfsluttetSomatiske symptomer og relaterede lidelser | Intensiv kortvarig dynamisk psykoterapiCanada
-
metaMe HealthAfsluttetIrritabelt tarmsyndromForenede Stater
-
Imperial College LondonRekrutteringBronkiektasi | Søvnforstyrrelse | Astma | Cystisk fibrose | Bronkitis | Primær ciliær dyskinesiDet Forenede Kongerige
-
Haukeland University HospitalAfsluttetKoronar hjertesygdomNorge