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

Risikoevaluering ved koronar CTA og kunstig intelligens-baserede funktionelle analyseteknikker - I (RECOGNIZE-I)

6. juni 2024 opdateret af: RUIYAN ZHANG, Ruijin Hospital

Koronar computertomografi angiografi og funktionel analyse i risikostratificering af koronararteriesygdom: En retrospektiv kohorteundersøgelse

Denne undersøgelse er en multicenter, retrospektiv billeddannelsesundersøgelse. Undersøgelsen har til hensigt retrospektivt at inkludere patienter med akut myokardieinfarkt, som havde modtaget koronar CTA i et bestemt tidsvindue før denne hændelse. Al koronar CTA vil blive analyseret ved anatomisk, funktionel og radiomisk analyse, assisteret af kunstig intelligens. Formålet med denne undersøgelse er at etablere et risikostratifikationssystem for koronararteriesygdom ved koronar CTA.

Studieoversigt

Status

Rekruttering

Betingelser

Detaljeret beskrivelse

Koronar angiografi har været guldstandarden for diagnosticering af koronar hjertesygdom og PCI-beslutningstagning. Værdien af ​​CAG i risikostratificering er dog begrænset på grund af dens invasive natur og manglende evne til at evaluere koronar fysiologi og plakkarakteristika, hvilket ofte fører til over- eller underbehandling. I de senere år, med udviklingen og forbedringen af ​​billedteknologi, er opløsningen og den diagnostiske nøjagtighed af koronararterie-CTA blevet væsentligt forbedret, og den efterfølgende anatomi og funktion (ikke-invasiv CT-FFR osv.) har foretaget vurderingen af ​​koronararterie. arteriel læsionsrisiko multidimensionel. Omfattende og nøjagtig koronararterie CTA-scanning spiller en positiv rolle i etableringen af ​​den passende standard for PCI og forbedring af patienternes prognose. De eksisterende problemer med koronararterie CTA er imidlertid utilstrækkelige billeddannelsesundersøgelser, kompleks billedanalyse, inkonsistente diagnostiske kriterier og utilstrækkelig klinisk evidens. Denne undersøgelse er en af ​​rækken af ​​kliniske undersøgelser om emnet "Risikovurdering ved hjælp af koronar computertomografi og kunstig intelligens baseret funktionel analyseteknikker (RECOGNIZE)". Formålet med undersøgelsen er at etablere et risikostratifikationssystem for koronararteriesygdom ved koronar CTA og anatomisk, funktionel og radiomisk analyse, assisteret af kunstig intelligens.

Undersøgelsestype

Observationel

Tilmelding (Anslået)

300

Kontakter og lokationer

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

Studiekontakt

Undersøgelse Kontakt Backup

Studiesteder

  • Kina
    • Hebei
      • Cangzhou, Hebei, Kina
        • Rekruttering
        • CangZhou Center Hospital
        • Kontakt:
          • Run Guo, M.D.
    • Heilongjiang
      • Harbin, Heilongjiang, Kina
        • Rekruttering
        • First Affiliated Hospital of Harbin Medical University
        • Kontakt:
          • Lei Liu, M.D.
    • Henan
      • Zhengzhou, Henan, Kina
        • Rekruttering
        • First Affiliated Hospital of Zhengzhou University
        • Kontakt:
          • Yingying Zheng, M.D.
    • Hubei
      • Wuhan, Hubei, Kina
        • Rekruttering
        • Union Hospital, Tongji Medical College, Huazhong University of Science and Techonology
        • Kontakt:
          • Tian Xie, M.D.
    • Jiangsu
      • Nanjing, Jiangsu, Kina
        • Rekruttering
        • First Hospital of Nanjing
        • Kontakt:
          • Fei Ye, M.D.
    • Liaoning
      • Dalian, Liaoning, Kina
        • Rekruttering
        • First affiliated hospital of Dalian Medical College
        • Kontakt:
          • Xiaolei Yang, M.D.
      • Shenyang, Liaoning, Kina
        • Rekruttering
        • General Hospital of Northern Theater Command
        • Kontakt:
          • Geng Wang, M.D.
    • Shanghai
      • Shanghai, Shanghai, Kina, 200025
        • Rekruttering
        • Ruijin Hospital, Shanghai Jiaotong University School of Medicine
        • Underforsker:
          • Shuo Feng, M.D.
        • Kontakt:
        • Ledende efterforsker:
          • Ruiyan Zhang, M.D., Ph.D.
        • Underforsker:
          • Lin Lu, M.D., Ph.D.
        • Underforsker:
          • Xiaoqun Wang, M.D., Ph.D.
        • Underforsker:
          • Lili Liu, M.E.
      • Shanghai, Shanghai, Kina
        • Rekruttering
        • Xinhua Hospital, Shanghai Jiaotong University School of Medicine
        • Kontakt:
          • Yachen Zhang, M.D.

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

  • Voksen
  • Ældre voksen

Tager imod sunde frivillige

Ingen

Prøveudtagningsmetode

Sandsynlighedsprøve

Studiebefolkning

Denne undersøgelse er en retrospektiv billeddannelsesundersøgelse. Kliniske optegnelser og billeder af patienter modtog koronar CT-angiografi 3 måneder til 5 år før akut koronar myokardieinfarkt fra ni kliniske centre på tværs af P.R. Kina vil blive samlet.

Beskrivelse

Inklusionskriterier:

  • Alder mellem 18-80 år
  • Modtog koronar CT-angiografi 3 måneder til 5 år før akut koronar myokardieinfarkt. CCTA identificerede koronare aterosklerotiske plaques med diameter stenose ≥ 10 %

Ekskluderingskriterier:

  • Familiær hyperkolesterolæmi
  • Tidligere historie med perkutan koronar intervention (PCI) eller koronararterie bypass graft (CABG)
  • Tidligere historie med myokardieinfarkt før den seneste begivenhed
  • Alvorlig lever- eller nyreinsufficiens

Studieplan

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

Hvordan er undersøgelsen tilrettelagt?

Design detaljer

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Risikoniveau for koronararterieplak
Tidsramme: 3 måneder til 5 år før akut myokardieinfarkt
Koronar plakrisiko blev bestemt ved hjælp af en kunstig intelligens (AI)-styret risikostratificeringsmodel baseret på koronar CTA strukturel, funktionel og radiomisk analyse.
3 måneder til 5 år før akut myokardieinfarkt

Samarbejdspartnere og efterforskere

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

Sponsor

Ruijin Hospital

Efterforskere

  • Ledende efterforsker: Ruiyan Zhang, M.D., Ph.D., Ruijin Hospital
  • Studiestol: Lin Lu, M.D., Ph.D., Ruijin Hospital

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. maj 2023

Primær færdiggørelse (Anslået)

30. juni 2025

Studieafslutning (Anslået)

31. december 2025

Datoer for studieregistrering

Først indsendt

4. maj 2023

Først indsendt, der opfyldte QC-kriterier

29. maj 2023

Først opslået (Faktiske)

1. juni 2023

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

7. juni 2024

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

6. juni 2024

Sidst verificeret

1. juni 2024

Mere information

Begreber relateret til denne undersøgelse

Nøgleord

Yderligere relevante MeSH-vilkår

Andre undersøgelses-id-numre

  • 2022YFC2533502-1

Plan for individuelle deltagerdata (IPD)

Planlægger du at dele individuelle deltagerdata (IPD)?

UBESLUTET

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 .

Abonner