Multimodal billeddannelse i Vitreo-retinal kirurgi og makuladystrofier (MICAI)
10. februar 2024 opdateret af: RIZZO STANISLAO, Fondazione Policlinico Universitario Agostino Gemelli IRCCS
Multimodal billeddannelse ved vitreo-retinal kirurgi og makulær dystrofier: biomarkører for morfo-funktionel genopretning ved kunstig intelligens
Formålet med undersøgelsen er at identificere morfologiske og funktionelle biomarkører for postoperativ bedring efter vitreoretinal kirurgi ved hjælp af beslutningsstøttesystemer (DSS), baseret på multimodal big-data-analyse ved hjælp af maskinlæringsteknikker i daglig klinisk praksis
Studieoversigt
Status
Rekruttering
Detaljeret beskrivelse
Formålet med undersøgelsen er at identificere morfologiske og funktionelle biomarkører for postoperativ genopretning efter vitreoretinal kirurgi.
Ved at identificere biomarkørerne og vurdere forudsigeligheden af recovery vil det gøre det muligt at fremhæve de kategorier af patienter, der kan have størst gavn af kirurgisk behandling, og at målrette patienten mere præcist til personlig medicin og kirurgi.
Introduktionen af nye beslutningsstøttesystemer (DSS), baseret på multimodal big-data-analyse gennem maskinlæringsteknikker i daglig klinisk praksis, giver ny nyttig information i patientvurdering til personlig kirurgi.
Undersøgelsestype
Observationel
Tilmelding (Anslået)
100
Kontakter og lokationer
Dette afsnit indeholder kontaktoplysninger for dem, der udfører undersøgelsen, og oplysninger om, hvor denne undersøgelse udføres.
Studiekontakt
- Navn: Maria Cristina Savastano, MD,PhD
- Telefonnummer: +39 3384443002
- E-mail: mariacristina.savastano@unicatt.it
Undersøgelse Kontakt Backup
- Navn: Alfonso Savastano, MD,PhD
- E-mail: alfonso.savastano@policlinicogemelli.it
Studiesteder
-
-
-
Rome, Italien, 00168
- Rekruttering
- Prof. Stanislao Rizzo
-
Kontakt:
- Stanislao Rizzo, MD,PhD
-
-
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
1 år og ældre (Barn, Voksen, Ældre voksen)
Tager imod sunde frivillige
Ingen
Prøveudtagningsmetode
Sandsynlighedsprøve
Studiebefolkning
Alle patienter skal gennemgå vitreo-retinal kirurgi for makulær sygdom (dvs. makulært hul, epiretinale membraner, nethindeløsning, makulær dystrofier (retinal præprotese).
Beskrivelse
Inklusionskriterier:
Alle patienter, der skal gennemgå vitreo-retinal kirurgi for:
- Macula hul
- Epiretinale membraner
- Nethindeløsning
- Makuladystrofier (nethindepræprotese)
Ekskluderingskriterier:
- Patienter under 18 år vil blive udelukket; patienter, hvor morfologiske undersøgelser ikke kan udføres på grund af dårligt samarbejde eller uigennemsigtighed af de dioptriske medier (f. hornhindens patologi). Kvaliteten af morfologiske billeder er utilstrækkelig til behandling efter erhvervelse (<6/10).
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 |
Intervention / Behandling |
|---|---|
|
Macula hul
Patienter ramt af makulært hul.
|
Biometriske målinger udført med IOL Master, hvis det kan udføres Kontakt eller immersionsekkobiometri, hvis IOL Master ikke kan udføres
Farve + AF: EIDON, hvis tilgængelig (60° ikke modulbar) Farve: COBRA (60° ikke-modificerbar) AF: Spectralis-Heidelberg (vælg 55°) Andet, hvis tilgængelig (vælg posterior polundersøgelse mellem 50-60°)
OKT B-scanning: 2 scanninger (6 mm) 1 krydslinje OCTA: 3x3 mm + 6x6 mm centreret på fovea 4,5 mm centreret på synsnerven
1) fikseringsmønster 2) retinal følsomhedskort
Lag-for-lag vurdering af nethinden ved hjælp af fokal ERG og mønster ERG i henhold til standardiserede og publicerede metoder, For patienter med visus < 3/10 og ustabil fiksering vil der blive anvendt en protokol baseret på komponentanalyse af den fotopiske ERG fra diffus flash.
|
|
Epiretinale membraner
Patienter ramt af epiretinal membran.
|
Biometriske målinger udført med IOL Master, hvis det kan udføres Kontakt eller immersionsekkobiometri, hvis IOL Master ikke kan udføres
Farve + AF: EIDON, hvis tilgængelig (60° ikke modulbar) Farve: COBRA (60° ikke-modificerbar) AF: Spectralis-Heidelberg (vælg 55°) Andet, hvis tilgængelig (vælg posterior polundersøgelse mellem 50-60°)
OKT B-scanning: 2 scanninger (6 mm) 1 krydslinje OCTA: 3x3 mm + 6x6 mm centreret på fovea 4,5 mm centreret på synsnerven
1) fikseringsmønster 2) retinal følsomhedskort
Lag-for-lag vurdering af nethinden ved hjælp af fokal ERG og mønster ERG i henhold til standardiserede og publicerede metoder, For patienter med visus < 3/10 og ustabil fiksering vil der blive anvendt en protokol baseret på komponentanalyse af den fotopiske ERG fra diffus flash.
|
|
Nethindeløsning
Patienter ramt af nethindeløsning.
|
Biometriske målinger udført med IOL Master, hvis det kan udføres Kontakt eller immersionsekkobiometri, hvis IOL Master ikke kan udføres
Farve + AF: EIDON, hvis tilgængelig (60° ikke modulbar) Farve: COBRA (60° ikke-modificerbar) AF: Spectralis-Heidelberg (vælg 55°) Andet, hvis tilgængelig (vælg posterior polundersøgelse mellem 50-60°)
OKT B-scanning: 2 scanninger (6 mm) 1 krydslinje OCTA: 3x3 mm + 6x6 mm centreret på fovea 4,5 mm centreret på synsnerven
1) fikseringsmønster 2) retinal følsomhedskort
Lag-for-lag vurdering af nethinden ved hjælp af fokal ERG og mønster ERG i henhold til standardiserede og publicerede metoder, For patienter med visus < 3/10 og ustabil fiksering vil der blive anvendt en protokol baseret på komponentanalyse af den fotopiske ERG fra diffus flash.
|
|
Makuladystrofier
Patienter ramt af makulær dystrofier.
|
Biometriske målinger udført med IOL Master, hvis det kan udføres Kontakt eller immersionsekkobiometri, hvis IOL Master ikke kan udføres
Farve + AF: EIDON, hvis tilgængelig (60° ikke modulbar) Farve: COBRA (60° ikke-modificerbar) AF: Spectralis-Heidelberg (vælg 55°) Andet, hvis tilgængelig (vælg posterior polundersøgelse mellem 50-60°)
OKT B-scanning: 2 scanninger (6 mm) 1 krydslinje OCTA: 3x3 mm + 6x6 mm centreret på fovea 4,5 mm centreret på synsnerven
1) fikseringsmønster 2) retinal følsomhedskort
Lag-for-lag vurdering af nethinden ved hjælp af fokal ERG og mønster ERG i henhold til standardiserede og publicerede metoder, For patienter med visus < 3/10 og ustabil fiksering vil der blive anvendt en protokol baseret på komponentanalyse af den fotopiske ERG fra diffus flash.
|
Hvad måler undersøgelsen?
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Forudsigelighed af morfologisk-funktionelle radiomiske data
Tidsramme: 3 år
|
Forudsigelseshastighed for morfologisk-funktionelle radiomiske data for at fastslå graden af genopretning i den postoperative periode ved hjælp af en kunstig intelligens (AI) maskinlæringsmodel.
|
3 år
|
Sekundære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Identificer prædiktive forskelle i henhold til diagnose
Tidsramme: 3 år
|
Inddeling i undergrupper for at identificere prædiktive forskelle i henhold til diagnose
|
3 år
|
|
Sammenhæng med patienternes alder
Tidsramme: 3 år
|
Identificer prædiktive forskelle i henhold til diagnose og korreler dem med patienternes alder
|
3 år
|
|
Sammenhæng med alderen for sygdomsdebut
Tidsramme: 3 år
|
Identificer prædiktive forskelle i henhold til diagnose og korreler dem med alderen for sygdomsdebut
|
3 år
|
Samarbejdspartnere og efterforskere
Det er her, du vil finde personer og organisationer, der er involveret i denne undersøgelse.
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
- Gulshan V, Peng L, Coram M, Stumpe MC, Wu D, Narayanaswamy A, Venugopalan S, Widner K, Madams T, Cuadros J, Kim R, Raman R, Nelson PC, Mega JL, Webster DR. Development and Validation of a Deep Learning Algorithm for Detection of Diabetic Retinopathy in Retinal Fundus Photographs. JAMA. 2016 Dec 13;316(22):2402-2410. doi: 10.1001/jama.2016.17216.
- Harris PA, Taylor R, Minor BL, Elliott V, Fernandez M, O'Neal L, McLeod L, Delacqua G, Delacqua F, Kirby J, Duda SN; REDCap Consortium. The REDCap consortium: Building an international community of software platform partners. J Biomed Inform. 2019 Jul;95:103208. doi: 10.1016/j.jbi.2019.103208. Epub 2019 May 9.
- Duker JS, Kaiser PK, Binder S, de Smet MD, Gaudric A, Reichel E, Sadda SR, Sebag J, Spaide RF, Stalmans P. The International Vitreomacular Traction Study Group classification of vitreomacular adhesion, traction, and macular hole. Ophthalmology. 2013 Dec;120(12):2611-2619. doi: 10.1016/j.ophtha.2013.07.042. Epub 2013 Sep 17.
- Kermany DS, Goldbaum M, Cai W, Valentim CCS, Liang H, Baxter SL, McKeown A, Yang G, Wu X, Yan F, Dong J, Prasadha MK, Pei J, Ting MYL, Zhu J, Li C, Hewett S, Dong J, Ziyar I, Shi A, Zhang R, Zheng L, Hou R, Shi W, Fu X, Duan Y, Huu VAN, Wen C, Zhang ED, Zhang CL, Li O, Wang X, Singer MA, Sun X, Xu J, Tafreshi A, Lewis MA, Xia H, Zhang K. Identifying Medical Diagnoses and Treatable Diseases by Image-Based Deep Learning. Cell. 2018 Feb 22;172(5):1122-1131.e9. doi: 10.1016/j.cell.2018.02.010.
- Esteva A, Kuprel B, Novoa RA, Ko J, Swetter SM, Blau HM, Thrun S. Dermatologist-level classification of skin cancer with deep neural networks. Nature. 2017 Feb 2;542(7639):115-118. doi: 10.1038/nature21056. Epub 2017 Jan 25. Erratum In: Nature. 2017 Jun 28;546(7660):686.
- Schmidt-Erfurth U, Waldstein SM, Klimscha S, Sadeghipour A, Hu X, Gerendas BS, Osborne A, Bogunovic H. Prediction of Individual Disease Conversion in Early AMD Using Artificial Intelligence. Invest Ophthalmol Vis Sci. 2018 Jul 2;59(8):3199-3208. doi: 10.1167/iovs.18-24106.
- Garrity ST, Sarraf D, Freund KB, Sadda SR. Multimodal Imaging of Nonneovascular Age-Related Macular Degeneration. Invest Ophthalmol Vis Sci. 2018 Mar 20;59(4):AMD48-AMD64. doi: 10.1167/iovs.18-24158.
- Acon D, Wu L. Multimodal Imaging in Diabetic Macular Edema. Asia Pac J Ophthalmol (Phila). 2018 Jan-Feb;7(1):22-27. doi: 10.22608/APO.2017504. Epub 2017 Jan 29.
- Spaide RF, Fujimoto JG, Waheed NK, Sadda SR, Staurenghi G. Optical coherence tomography angiography. Prog Retin Eye Res. 2018 May;64:1-55. doi: 10.1016/j.preteyeres.2017.11.003. Epub 2017 Dec 8.
- Sun P, Tandias RM, Yu G, Arroyo JG. SPECTRAL DOMAIN OPTICAL COHERENCE TOMOGRAPHY FINDINGS AND VISUAL OUTCOME AFTER TREATMENT FOR VITREOMACULAR TRACTION. Retina. 2019 Jun;39(6):1054-1060. doi: 10.1097/IAE.0000000000002116.
- Lee CS, Tyring AJ, Deruyter NP, Wu Y, Rokem A, Lee AY. Deep-learning based, automated segmentation of macular edema in optical coherence tomography. Biomed Opt Express. 2017 Jun 23;8(7):3440-3448. doi: 10.1364/BOE.8.003440. eCollection 2017 Jul 1.
- Zur D, Iglicki M, Busch C, Invernizzi A, Mariussi M, Loewenstein A; International Retina Group. OCT Biomarkers as Functional Outcome Predictors in Diabetic Macular Edema Treated with Dexamethasone Implant. Ophthalmology. 2018 Feb;125(2):267-275. doi: 10.1016/j.ophtha.2017.08.031. Epub 2017 Sep 19.
- Beam AL, Kohane IS. Big Data and Machine Learning in Health Care. JAMA. 2018 Apr 3;319(13):1317-1318. doi: 10.1001/jama.2017.18391. No abstract available.
- Ngiam KY, Khor IW. Big data and machine learning algorithms for health-care delivery. Lancet Oncol. 2019 May;20(5):e262-e273. doi: 10.1016/S1470-2045(19)30149-4. Erratum In: Lancet Oncol. 2019 Jun;20(6):293.
- Abramoff MD, Lou Y, Erginay A, Clarida W, Amelon R, Folk JC, Niemeijer M. Improved Automated Detection of Diabetic Retinopathy on a Publicly Available Dataset Through Integration of Deep Learning. Invest Ophthalmol Vis Sci. 2016 Oct 1;57(13):5200-5206. doi: 10.1167/iovs.16-19964.
- Lakhani P, Sundaram B. Deep Learning at Chest Radiography: Automated Classification of Pulmonary Tuberculosis by Using Convolutional Neural Networks. Radiology. 2017 Aug;284(2):574-582. doi: 10.1148/radiol.2017162326. Epub 2017 Apr 24.
- Ting DSW, Cheung CY, Lim G, Tan GSW, Quang ND, Gan A, Hamzah H, Garcia-Franco R, San Yeo IY, Lee SY, Wong EYM, Sabanayagam C, Baskaran M, Ibrahim F, Tan NC, Finkelstein EA, Lamoureux EL, Wong IY, Bressler NM, Sivaprasad S, Varma R, Jonas JB, He MG, Cheng CY, Cheung GCM, Aung T, Hsu W, Lee ML, Wong TY. Development and Validation of a Deep Learning System for Diabetic Retinopathy and Related Eye Diseases Using Retinal Images From Multiethnic Populations With Diabetes. JAMA. 2017 Dec 12;318(22):2211-2223. doi: 10.1001/jama.2017.18152.
- Li Z, He Y, Keel S, Meng W, Chang RT, He M. Efficacy of a Deep Learning System for Detecting Glaucomatous Optic Neuropathy Based on Color Fundus Photographs. Ophthalmology. 2018 Aug;125(8):1199-1206. doi: 10.1016/j.ophtha.2018.01.023. Epub 2018 Mar 2.
- Burlina P, Joshi N, Pacheco KD, Freund DE, Kong J, Bressler NM. Utility of Deep Learning Methods for Referability Classification of Age-Related Macular Degeneration. JAMA Ophthalmol. 2018 Nov 1;136(11):1305-1307. doi: 10.1001/jamaophthalmol.2018.3799.
- Grassmann F, Mengelkamp J, Brandl C, Harsch S, Zimmermann ME, Linkohr B, Peters A, Heid IM, Palm C, Weber BHF. A Deep Learning Algorithm for Prediction of Age-Related Eye Disease Study Severity Scale for Age-Related Macular Degeneration from Color Fundus Photography. Ophthalmology. 2018 Sep;125(9):1410-1420. doi: 10.1016/j.ophtha.2018.02.037. Epub 2018 Apr 10.
- Brown JM, Campbell JP, Beers A, Chang K, Ostmo S, Chan RVP, Dy J, Erdogmus D, Ioannidis S, Kalpathy-Cramer J, Chiang MF; Imaging and Informatics in Retinopathy of Prematurity (i-ROP) Research Consortium. Automated Diagnosis of Plus Disease in Retinopathy of Prematurity Using Deep Convolutional Neural Networks. JAMA Ophthalmol. 2018 Jul 1;136(7):803-810. doi: 10.1001/jamaophthalmol.2018.1934.
- De Fauw J, Ledsam JR, Romera-Paredes B, Nikolov S, Tomasev N, Blackwell S, Askham H, Glorot X, O'Donoghue B, Visentin D, van den Driessche G, Lakshminarayanan B, Meyer C, Mackinder F, Bouton S, Ayoub K, Chopra R, King D, Karthikesalingam A, Hughes CO, Raine R, Hughes J, Sim DA, Egan C, Tufail A, Montgomery H, Hassabis D, Rees G, Back T, Khaw PT, Suleyman M, Cornebise J, Keane PA, Ronneberger O. Clinically applicable deep learning for diagnosis and referral in retinal disease. Nat Med. 2018 Sep;24(9):1342-1350. doi: 10.1038/s41591-018-0107-6. Epub 2018 Aug 13.
- Schmidt-Erfurth U, Sadeghipour A, Gerendas BS, Waldstein SM, Bogunovic H. Artificial intelligence in retina. Prog Retin Eye Res. 2018 Nov;67:1-29. doi: 10.1016/j.preteyeres.2018.07.004. Epub 2018 Aug 1.
- Sarao V, Veritti D, Borrelli E, Sadda SVR, Poletti E, Lanzetta P. A comparison between a white LED confocal imaging system and a conventional flash fundus camera using chromaticity analysis. BMC Ophthalmol. 2019 Nov 19;19(1):231. doi: 10.1186/s12886-019-1241-8.
- Fernandez-Avellaneda P, Breazzano MP, Fragiotta S, Xu X, Zhang Q, Wang RK, Freund KB. BACILLARY LAYER DETACHMENT OVERLYING REDUCED CHORIOCAPILLARIS FLOW IN ACUTE IDIOPATHIC MACULOPATHY. Retin Cases Brief Rep. 2022 Jan 1;16(1):59-66. doi: 10.1097/ICB.0000000000000943.
- Huang NT, Georgiadis C, Gomez J, Tang PH, Drayna P, Koozekanani DD, van Kuijk FJGM, Montezuma SR. Comparing fundus autofluorescence and infrared imaging findings of peripheral retinoschisis, schisis detachment, and retinal detachment. Am J Ophthalmol Case Rep. 2020 Mar 26;18:100666. doi: 10.1016/j.ajoc.2020.100666. eCollection 2020 Jun.
- Stanga PE, Williams JI, Shaarawy SA, Agarwal A, Venkataraman A, Kumar DA, You TT, Hope RS. FIRST-IN-HUMAN CLINICAL STUDY TO INVESTIGATE THE EFFECTIVENESS AND SAFETY OF PARS PLANA VITRECTOMY SURGERY USING A NEW HYPERSONIC TECHNOLOGY. Retina. 2020 Jan;40(1):16-23. doi: 10.1097/IAE.0000000000002365.
- Hubschman JP, Govetto A, Spaide RF, Schumann R, Steel D, Figueroa MS, Sebag J, Gaudric A, Staurenghi G, Haritoglou C, Kadonosono K, Thompson JT, Chang S, Bottoni F, Tadayoni R. Optical coherence tomography-based consensus definition for lamellar macular hole. Br J Ophthalmol. 2020 Dec;104(12):1741-1747. doi: 10.1136/bjophthalmol-2019-315432. Epub 2020 Feb 27.
- Bae K, Lee SM, Kang SW, Kim ES, Yu SY, Kim KT. Atypical epiretinal tissue in full-thickness macular holes: pathogenic and prognostic significance. Br J Ophthalmol. 2019 Feb;103(2):251-256. doi: 10.1136/bjophthalmol-2017-311810. Epub 2018 Apr 26.
- Rizzo S, Tartaro R, Barca F, Caporossi T, Bacherini D, Giansanti F. INTERNAL LIMITING MEMBRANE PEELING VERSUS INVERTED FLAP TECHNIQUE FOR TREATMENT OF FULL-THICKNESS MACULAR HOLES: A COMPARATIVE STUDY IN A LARGE SERIES OF PATIENTS. Retina. 2018 Sep;38 Suppl 1:S73-S78. doi: 10.1097/IAE.0000000000001985.
- Christensen UC. Value of internal limiting membrane peeling in surgery for idiopathic macular hole and the correlation between function and retinal morphology. Acta Ophthalmol. 2009 Dec;87 Thesis 2:1-23. doi: 10.1111/j.1755-3768.2009.01777.x.
- Fukuyama H, Ishikawa H, Komuku Y, Araki T, Kimura N, Gomi F. Comparative analysis of metamorphopsia and aniseikonia after vitrectomy for epiretinal membrane, macular hole, or rhegmatogenous retinal detachment. PLoS One. 2020 May 8;15(5):e0232758. doi: 10.1371/journal.pone.0232758. eCollection 2020.
- Rizzo S, Savastano A, Bacherini D, Savastano MC. Vascular Features of Full-Thickness Macular Hole by OCT Angiography. Ophthalmic Surg Lasers Imaging Retina. 2017 Jan 1;48(1):62-68. doi: 10.3928/23258160-20161219-09.
- Bacherini D, Savastano MC, Dragotto F, Finocchio L, Lenzetti C, Bitossi A, Tartaro R, Giansanti F, Barca F, Savastano A, Caporossi T, Vannozzi L, Sodi A, Luca M, Faraldi F, Virgili G, Rizzo S. Morpho-Functional Evaluation of Full-Thickness Macular Holes by the Integration of Optical Coherence Tomography Angiography and Microperimetry. J Clin Med. 2020 Jan 15;9(1):229. doi: 10.3390/jcm9010229.
- Qi Y, Wang Z, Li SM, You Q, Liang X, Yu Y, Liu W. Effect of internal limiting membrane peeling on normal retinal function evaluated by microperimetry-3. BMC Ophthalmol. 2020 Apr 9;20(1):140. doi: 10.1186/s12886-020-01383-3.
- Smith AJ, Telander DG, Zawadzki RJ, Choi SS, Morse LS, Werner JS, Park SS. High-resolution Fourier-domain optical coherence tomography and microperimetric findings after macula-off retinal detachment repair. Ophthalmology. 2008 Nov;115(11):1923-9. doi: 10.1016/j.ophtha.2008.05.025. Epub 2008 Jul 31.
- Reumueller A, Wassermann L, Salas M, Karantonis MG, Sacu S, Georgopoulos M, Drexler W, Pircher M, Pollreisz A, Schmidt-Erfurth U. Morphologic and Functional Assessment of Photoreceptors After Macula-Off Retinal Detachment With Adaptive-Optics OCT and Microperimetry. Am J Ophthalmol. 2020 Jun;214:72-85. doi: 10.1016/j.ajo.2019.12.015. Epub 2019 Dec 25.
- Falsini B, Serrao S, Fadda A, Iarossi G, Porrello G, Cocco F, Merendino E. Focal electroretinograms and fundus appearance in nonexudative age-related macular degeneration. Quantitative relationship between retinal morphology and function. Graefes Arch Clin Exp Ophthalmol. 1999 Mar;237(3):193-200. doi: 10.1007/s004170050218.
- Falsini B, Bardocci A, Porciatti V, Bolzani R, Piccardi M. Macular dysfunction in multiple sclerosis revealed by steady-state flicker and pattern ERGs. Electroencephalogr Clin Neurophysiol. 1992 Jan;82(1):53-9. doi: 10.1016/0013-4694(92)90182-h.
- Abed E, Placidi G, Campagna F, Federici M, Minnella A, Guerri G, Bertelli M, Piccardi M, Galli-Resta L, Falsini B. Early impairment of the full-field photopic negative response in patients with Stargardt disease and pathogenic variants of the ABCA4 gene. Clin Exp Ophthalmol. 2018 Jul;46(5):519-530. doi: 10.1111/ceo.13115. Epub 2017 Dec 28.
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 2021
Primær færdiggørelse (Anslået)
15. januar 2025
Studieafslutning (Anslået)
16. januar 2025
Datoer for studieregistrering
Først indsendt
17. februar 2023
Først indsendt, der opfyldte QC-kriterier
17. februar 2023
Først opslået (Faktiske)
28. februar 2023
Opdateringer af undersøgelsesjournaler
Sidste opdatering sendt (Faktiske)
13. februar 2024
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
10. februar 2024
Sidst verificeret
1. februar 2024
Mere information
Begreber relateret til denne undersøgelse
Yderligere relevante MeSH-vilkår
Andre undersøgelses-id-numre
- 3680
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 Nethindeløsning
-
University College, LondonIkke rekrutterer endnuProliferativ Vitreoretinopati | Nethindeløsning Rhegmatogen | Proliferativ Vitreoretinopati ved Rhegmatogen Retinal DetachmentDet Forenede Kongerige
-
Unity Health TorontoRekrutteringProliferativ Vitreoretinopati ved Rhegmatogen Retinal DetachmentCanada
-
Lejla Vajzovic, MD, FASRSAfsluttetFrakkers sygdom | Vitreoretinopati | Exudativ retinopati | Degeneration af gitter | Nethindehul | Sicklers syndrom | Nethindeløsning Rhegmatogen | Retinal Detachment Exudative | NethindeløsningstrækForenede Stater
-
University of TorontoOntario Research FundUkendtCentral retinal veneokklusion | Gren retinal veneokklusion | Central retinal arterieokklusion | Branch retinal arterieokklusionCanada
-
Khon Kaen UniversityRekrutteringRetinal vaskulærThailand
-
Khon Kaen UniversityIkke rekrutterer endnu
-
Kasr El Aini HospitalAfsluttet
-
University of ManchesterAfsluttet
-
BioFirst CorporationAfsluttet
Kliniske forsøg med Biometri
-
Heidelberg Engineering GmbHAfsluttet