AI-ydelse til påvisning af knoglebrud hos børn
Vurdering af AI-ydeevne til påvisning af knoglebrud hos børn under 2 år i mistanke om børnemishandling.
Den kunstige intelligens (AI) software BoneView (GLEAMER Company, Paris, Frankrig) er designet, testet og valideret til at detektere og lokalisere nylige eller semi-nylige brud på standard røntgenbilleder.
Målet vil være at vurdere AI-ydelsen til påvisning af knoglebrud hos børn under 2 år i mistanke om børnemishandling.
Disse patienter drager fordel af en helkropsradiografi med dobbeltblind aflæsning af en "generalist"-radiolog og en radiolog med ekspertise i børnemishandling. Disse aflæsninger vil blive sammenlignet med AI-resultaterne.
Hypotesen er, at AI er effektiv til påvisning af børnefrakturer og kan være til hjælp, især for radiologer, der ikke er eksperter i børnemishandling.
Studieoversigt
Status
Betingelser
Undersøgelsestype
Tilmelding (Forventet)
Kontakter og lokationer
Studiekontakt
- Navn: Ingrid Millet, PUPH
- Telefonnummer: 33 678887174
- E-mail: i-millet@chu-montpellier.fr
Studiesteder
-
-
-
Montpellier, Frankrig, 34295
- Rekruttering
- University Hospital
-
Kontakt:
- Ingrid Millet, PUPH
- Telefonnummer: 33 0678887174
- E-mail: i-millet@chu-montpellier.fr
-
-
Deltagelseskriterier
Berettigelseskriterier
Aldre berettiget til at studere
Tager imod sunde frivillige
Køn, der er berettiget til at studere
Prøveudtagningsmetode
Studiebefolkning
Beskrivelse
Inklusionskriterier:
- under 2 år
- røntgen af hele kroppen udført for mistanke om børnemishandling
- rapport tilgængelig med dobbeltblind læsning (generalistradiolog og radiolog med ekspertise i børnemishandling)
Eksklusionskriterier:
- Røntgenbillede kan ikke fortolkes (dårlig kvalitet)
- AI ikke relevant
Studieplan
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
- Observationsmodeller: Kohorte
- Tidsperspektiver: Tilbagevirkende kraft
Hvad måler undersøgelsen?
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Procentdel af brud påvist af AI på røntgenbilleder
Tidsramme: 1 dag
|
Procentdel af brud påvist af AI på røntgenbilleder
|
1 dag
|
Samarbejdspartnere og efterforskere
Sponsor
Efterforskere
- Studieleder: Ingrid Millet, PUPH, University Hospital, Montpellier
Datoer for undersøgelser
Studer store datoer
Studiestart (Faktiske)
Primær færdiggørelse (Forventet)
Studieafslutning (Forventet)
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
Yderligere relevante MeSH-vilkår
Andre undersøgelses-id-numre
- RECHMPL22_0224
Plan for individuelle deltagerdata (IPD)
Planlægger du at dele individuelle deltagerdata (IPD)?
IPD-planbeskrivelse
Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter
Studerer et amerikansk FDA-reguleret lægemiddelprodukt
Studerer et amerikansk FDA-reguleret enhedsprodukt
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 .