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

Udvikling og validering af et dybt læringsbaseret system til påvisning og forudsigelse af nærsynethed og nærsynet makulopati

Nærsynethed er blevet et globalt folkesundhedsproblem. Nærsynethed påvirker børns og unges psykiske helbred og udgør en økonomisk byrde. Derfor er tidlig påvisning og forudsigelse af børn med høj risiko for udvikling og progression af nærsynethed afgørende for præcise og effektive indgreb. I denne undersøgelse udviklede vi et dybt læringssystem DeepMyopia, baseret på fundusbilleder med følgende mål: 1) at forudsige myopi-debut og progression; 2) At påvise myopisk makuladegeneration til AI-assisteret diagnose; 3) At forudsige udviklingen af ​​myopisk makuladegeneration; 4) evaluere dets omkostningseffektivitet.

Studieoversigt

Detaljeret beskrivelse

Nærsynethed er blevet et globalt folkesundhedsproblem. Nærsynethed påvirker børns og unges psykiske helbred og udgør en økonomisk byrde. Efterhånden som nærsynet skrider frem, øger det desuden risikoen for okulære komplikationer såsom myopisk makuladegeneration, hvilket fører til irreversibel synsnedsættelse eller endda blindhed. Ifølge Verdenssundhedsorganisationen lever mere end 1 milliard mennesker på verdensplan med synsnedsættelse forårsaget af nærsynethed, hypermetropi og andre problemer på grund af sen opdagelse. Derfor er tidlig påvisning og forudsigelse af børn med høj risiko for udvikling og progression af nærsynethed afgørende for præcise og effektive indgreb.

I denne undersøgelse udviklede vi et dybt læringssystem DeepMyopia, baseret på fundusbilleder med følgende mål: 1) at forudsige myopi-debut og progression; 2) At påvise myopisk makuladegeneration til AI-assisteret diagnose; 3) At forudsige udviklingen af ​​myopisk makuladegeneration; 4) evaluere dets omkostningseffektivitet.

Undersøgelsestype

Observationel

Tilmelding (Faktiske)

30526

Kontakter og lokationer

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

Studiesteder

    • Shanghai
      • Shanghai, Shanghai, Kina, 200041
        • Shanghai Eye Disease Prevention and Treatment 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

  • Barn
  • Voksen

Tager imod sunde frivillige

Ingen

Prøveudtagningsmetode

Sandsynlighedsprøve

Studiebefolkning

SCALE, en prospektiv, skolebaseret undersøgelse, omfatter alle børn i alderen 4 til 14 år i Shanghai.

SCALE-HM, en befolkningsbaseret, prospektiv, eksaminatormaskeret undersøgelse, omfatter børn og unge i alderen mellem 4 og 18 år med høj nærsynethed.

STORM-forsøget, et skolebaseret, prospektivt, eksaminatormaskeret, klyngerandomiseret forsøg, omfatter børn i alderen 6 til 9 år.

SMS-undersøgelsen er en skolebaseret tværsnitsundersøgelse fra Shanghai, der inkluderer børnehave- og folkeskoleelever på 1 og 2 år.

Beijing Children Eye-undersøgelsen omfattede børn, der kom til ambulatoriet på Beijing Friendship Hospital.

JFFT-undersøgelsen indeholder tværsnitsdata fra Shanghai, Yunnan, Indre Mongoliet, Xinjiang og Guangzhou.

Hong Kong Children Eye Study er en befolkningsbaseret kohorteundersøgelse af øjenlidelser hos børn i alderen 6-8 år.

Beskrivelse

Inklusionskriterier:

  1. Emner med fundusbilleder i Shanghai Child and Adolescent Large-scale Eye Study (SCALE);
  2. Forsøg med fundusbilleder i Shanghai Time Outside to Reduce Myopia [STORM]-forsøg;
  3. Forsøgspersoner med fundusbilleder i registreringsundersøgelsen for høj nærsynethed [SCALE-HM]
  4. Forsøgspersoner med fundusbilleder i Shanghai Myopia Screening (SMS) Study;
  5. Emner med fundusbilleder i Beijing Children Eye Study
  6. Emner med fundusbilleder på det første tilknyttede hospital ved Kunming Medical University;
  7. Forsøgspersoner med fundusbilleder på oftalmologisk afdeling på det første tilknyttede hospital ved Xinjiang Medical University;
  8. Forsøgspersoner med fundusbilleder på oftalmologisk afdeling på det tilknyttede hospital i Inner Mongolia Medical University;
  9. Emner med fundusbilleder på Zhongshan Eye Centre, Sun Yat-sen University;
  10. Emner med fundusbilleder i Hong Kong Children Eye Study;

Ekskluderingskriterier:

  • Deltagere med fundusbilleder af dårlig kvalitet

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
Træningsdatasættet
Træningsdatasættet bestod af data fra en skolebaseret, prospektiv kohorte (Shanghai Time Outside to Reduce Myopia [STORM] forsøget) og data fra en anden populationsbaseret, prospektiv undersøgelse, High Myopia Registration Study (SCALE-HM), med årlig opfølgning. Deltagerne i de to undersøgelser blev opdelt i et træningssæt (70 %), et tuningsæt (10 %) og et internt testsæt (20 %), som ikke blev duplikeret af hinanden på deltagerniveau.
Dette dybe læringssystem er i stand til at analysere fundusbilleder til stadieinddeling af nærsynethed, påvisning af myopisk makulopati, cykloplegisk refraktionsestimation og forudsigelse og risikostratificering af nærsynethed og myopisk makulopati.
Det interne valideringsdatasæt
Det interne valideringsdatasæt bestod af data fra en skolebaseret, prospektiv kohorte (Shanghai Time Outside to Reduce Myopia [STORM] forsøget) og data fra en anden populationsbaseret, prospektiv undersøgelse, High Myopia Registration Study (SCALE-HM) , med årlig opfølgning. Deltagerne i de to undersøgelser blev opdelt i et træningssæt (70 %), et tuningsæt (10 %) og et internt testsæt (20 %), som ikke blev duplikeret af hinanden på deltagerniveau.
Dette dybe læringssystem er i stand til at analysere fundusbilleder til stadieinddeling af nærsynethed, påvisning af myopisk makulopati, cykloplegisk refraktionsestimation og forudsigelse og risikostratificering af nærsynethed og myopisk makulopati.
Det eksterne valideringsdatasæt
For at teste ekstrapolationsmulighederne af deep learning-systemet blev to uafhængige datasæt, Joint Five-site Fundus Test (JFFT) og Hong Kong Children Eye Study (HKCES), anvendt som eksterne testsæt. JFFT-studiet, et multi-site datasæt, indeholder tværsnitsdata fra Shanghai, Yunnan, Indre Mongoliet, Xinjiang og Guangzhou. HKCES, en befolkningsbaseret kohorteundersøgelse af øjenlidelser hos børn i alderen 6-8 år.
Dette dybe læringssystem er i stand til at analysere fundusbilleder til stadieinddeling af nærsynethed, påvisning af myopisk makulopati, cykloplegisk refraktionsestimation og forudsigelse og risikostratificering af nærsynethed og myopisk makulopati.

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
score for påvisningsmulighed for nærsynethed
Tidsramme: umiddelbart efter indtastning af data
output af myopi-stadieopgave
umiddelbart efter indtastning af data
score for påvisning af myopisk makulopati
Tidsramme: umiddelbart efter indtastning af data
output af myopisk makulopati detektionsopgave
umiddelbart efter indtastning af data
forudsagt sfærisk ækvivalent
Tidsramme: umiddelbart efter indtastning af data
output af at vurdere sfærisk ækvivalent opgave
umiddelbart efter indtastning af data
forudsagt fremtidig årlig sfærisk ækvivalent
Tidsramme: umiddelbart efter indtastning af data
output af forudsigelse af fremtidig sfærisk ækvivalent opgave
umiddelbart efter indtastning af data
risikoscore for progression af nærsynethed og myopisk makulopati
Tidsramme: umiddelbart efter indtastning af data
output af progressionen af ​​nærsynethed og nærsynet makulopati forudsigelsesopgave
umiddelbart efter indtastning af data

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 (Faktiske)

1. april 2022

Primær færdiggørelse (Faktiske)

1. april 2023

Studieafslutning (Faktiske)

1. april 2023

Datoer for studieregistrering

Først indsendt

18. april 2023

Først indsendt, der opfyldte QC-kriterier

18. april 2023

Først opslået (Faktiske)

28. april 2023

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

28. april 2023

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

18. april 2023

Sidst verificeret

1. april 2023

Mere information

Begreber relateret til denne undersøgelse

Andre undersøgelses-id-numre

  • 2022SQ023

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 Nærsynethed

Abonner