Denne side blev automatisk oversat, og nøjagtigheden af ​​oversættelsen er ikke garanteret. Der henvises til engelsk version for en kildetekst.

Identifikation af osteoporosebehandling ved hjælp af maskinlæring (OPTIMAL)

4. januar 2023 opdateret af: NHS Greater Glasgow and Clyde

OPTIMAL - Identifikation af osteoporosebehandling ved hjælp af maskinlæring

OPTIMAL er et pilotgennemførlighedsstudie for en maskinlæring (ML) baseret forbedret screeningssoftware for osteoporose.

Dette værktøj er blevet skabt ved hjælp af maskinlæring, baseret på data fra NHS Greater Glasgow og Clyde. Undersøgelsen vil kontakte personer, som undersøgelsen vurderer at have høj risiko (750 patienter vil blive genidentificeret, og disse vil blive kontaktet fra den højeste risiko, indtil 250 patienter er rekrutteret) og udføre DXA-scanninger, klinisk gennemgang og blodprøver, der er relevant for osteoporose. Disse data vil derefter blive sammenlignet med forudsigelserne lavet af det forbedrede OPTIMAL screeningsværktøj for at teste, hvor effektivt det er.

Studieoversigt

Status

Ikke rekrutterer endnu

Detaljeret beskrivelse

OPTIMAL-forsøget er et gennemførlighedspilotstudie for en forbedret screeningsmetode ved hjælp af et værktøj udviklet ved hjælp af maskinlæring. Dette værktøj er blevet oprettet af Lenus Health Ltd ved hjælp af anonymiserede sundhedsdata fra NHS GG&C for patienter mellem 50 og 80 år fra den 1. januar 2010.

Valideringskohorten vil omfatte alle patienter i GG&C mellem 50 og 80 år fra 1. januar 2022, som ikke vides at have en diagnose osteoporose.

Nanox (israelsk AI-virksomhed) vil bruge deres eksisterende platform til at analysere afidentificerede CT-scanninger af de 5000 patienter, der er identificeret som højeste risiko i denne population, for at vurdere for vertebral fraktur, som vil blive brugt som en parameter i risikovurdering for osteoporose. På grund af tekniske begrænsninger kan kun et udvalg af patienter få deres billeddannelse vurderet af Nanox-platformen. De 5000 patienter med størst risiko vil blive genidentificeret, så deres billeder kan udtrækkes og afidentificeres til analyse. Vi forventer, at cirka 30 % af disse patienter vil have tilgængelig billedbehandling. Identificerbare data forbliver i GG&C-skyen.

Forsøget vil bruge softwaren til at screene for patienter med høj risiko inden for en kohorte af patienter i alderen 50-80 år uden en diagnose af osteoporose. DXA-scanning vil blive brugt som en sandhed. Patienterne vil have DXA-scanning som en del af forsøget.

Der vil være en klinisk gennemgang for at fjerne patienter, der menes at være upassende til forsøget, såsom personer, der nærmer sig slutningen af ​​livet, eller som ikke er i stand til at give samtykke. Årsagen til udelukkelsen vil blive registreret for at tillade revision og vurdering for bias i udvælgelsen.

Patienter, begyndende med dem med størst risiko, vil derefter blive kontaktet af Fracture Liaison Service, indtil 250 er blevet rekrutteret. Dette tal er nået baseret på effektberegninger for at sikre, at dette forsøg effektivt kan sammenligne OPTIMAL-værktøjet med FRAX. Denne kontakt vil være i form af et brev fra frakturforbindelsesteamet og vil komme med et patientinformationsblad og samtykkeerklæring. Disse skemaer er blevet til med input fra en patienterfaringsgruppe.

Deltageren, hvis de accepterer at deltage, vil derefter blive inviteret til et enkelt klinikbesøg på Queen Elizabeth University Hospital.

Ved dette besøg vil en læge gennemgå patienten og stille spørgsmål om deres helbred. De vil få taget blodprøver, som er relevante for osteoporose, såvel som generelt helbred. De vil også have en DXA-scanning for at bekræfte, om de har eller ikke har osteoporose. En FRAX-score vil blive genereret med henblik på sammenligning.

Efter afslutning af datarensning, ved afslutningen af ​​forsøget, vil alle data blive overført til University of Strathclyde sikre servere til analyse af Dr. Conor McKeag, med tilsyn fra Dr. David Young for at vurdere effektiviteten og nøjagtigheden af ​​OPTIMAL-værktøjet. Dette vil blive sammenlignet med FRAX, den nuværende standard for risikoforudsigelse ved osteoporose.

Undersøgelsestype

Observationel

Tilmelding (Forventet)

250

Kontakter og lokationer

Dette afsnit indeholder kontaktoplysninger for dem, der udfører undersøgelsen, og oplysninger om, hvor denne undersøgelse udføres.

Studiekontakt

Studiesteder

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

50 år til 80 år (Voksen, Ældre voksen)

Tager imod sunde frivillige

Ingen

Køn, der er berettiget til at studere

Alle

Prøveudtagningsmetode

Ikke-sandsynlighedsprøve

Studiebefolkning

Patienter mellem 50 og 80 år identificeret som højrisiko ved den indledende model uden en diagnose af osteoporose, hyperparathyroidisme eller anden metabolisk knoglesygdom

Beskrivelse

Inklusionskriterier:

  • Alder >=50 år
  • Alder <=80 år
  • Identificeret som højrisiko ved den oprindelige model

Ekskluderingskriterier:

  • Alder <50 år
  • Alder >80 år
  • BMI <=18 & >=30
  • Registreret diagnose af osteoporose
  • Forudgående ordination af knoglebeskyttende midler såsom:

bisphosphonat (alendronsyre, risedronat, ibandronat, zoledronsyre) / denosumab / raloxifen / strontiumranelat / teriparatid / romosozumab

  • Historie om tidligere DXA-billeddannelse (forudgående kvantificering af BMD)
  • Historie om metabolisk knoglesygdom
  • Anamnese med primær hyperparathyroidisme

Studieplan

Dette afsnit indeholder detaljer om studieplanen, herunder hvordan undersøgelsen er designet, og hvad undersøgelsen måler.

Hvordan er undersøgelsen tilrettelagt?

Design detaljer

  • Observationsmodeller: Kohorte
  • Tidsperspektiver: Fremadrettet

Kohorter og interventioner

Gruppe / kohorte
Intervention / Behandling
Højrisikogruppe
Gruppe identificeret af maskinlæringsmodellen som værende i høj risiko for at udvikle osteoporose.
DXA til diagnosticering af osteoporose
Andre navne:
  • DEXA
  • DXA

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Osteoporose diagnose
Tidsramme: Ved første besøg inden for 6 måneder efter patientidentifikation.
Diagnose af osteoporose baseret på DXA vurdering af knoglemineraltæthed ved klinisk besøg. Dette vil blive gjort ved det enkelte kliniske besøg som en del af forsøget og vil ikke blive gentaget.
Ved første besøg inden for 6 måneder efter patientidentifikation.

Samarbejdspartnere og efterforskere

Det er her, du vil finde personer og organisationer, der er involveret i denne undersøgelse.

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 (Forventet)

1. februar 2023

Primær færdiggørelse (Forventet)

1. juni 2023

Studieafslutning (Forventet)

1. juni 2023

Datoer for studieregistrering

Først indsendt

1. januar 2023

Først indsendt, der opfyldte QC-kriterier

4. januar 2023

Først opslået (Skøn)

10. januar 2023

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Skøn)

10. januar 2023

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

4. januar 2023

Sidst verificeret

1. januar 2023

Mere information

Begreber relateret til denne undersøgelse

Plan for individuelle deltagerdata (IPD)

Planlægger du at dele individuelle deltagerdata (IPD)?

Ingen

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 Dual Energy Xray Absorptiometri

3
Abonner