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

En undersøgelse af kunstig intelligens EKG med EKG-enheder til at påvise hypertrofisk kardiomyopati adskilt fra atletens hjerte

17. marts 2026 opdateret af: Konstantinos Siontis, Mayo Clinic

Prospektiv evaluering af kunstig intelligens EKG med forbrugervendte EKG-enheder til påvisning af hypertrofisk kardiomyopati og skelnen fra atletens hjerte

Formålet med denne undersøgelse er at evaluere AI-EKG-algoritmen for HCM til at detektere HCM og ved at differentiere det fra atletens hjerte ved hjælp af ikke kun standard 12-aflednings-EKG, men også EKG'er opnået med Apple Watch og Alivecor KardiaMobile-enheder.

Studieoversigt

Status

Aktiv, ikke rekrutterende

Betingelser

Intervention / Behandling

Undersøgelsestype

Observationel

Tilmelding (Anslået)

183

Kontakter og lokationer

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

Studiesteder

  • Forenede Stater
    • Minnesota
      • Rochester, Minnesota, Forenede Stater, 55905
        • Mayo Clinic in Rochester

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

Ikke-sandsynlighedsprøve

Studiebefolkning

Ambulante patienter, der er planlagt til aftaler i sportskardiologi- eller HCM-klinikken på Mayo Clinic i Rochester, MN, vil blive kontaktet for at deltage i undersøgelsen.

Beskrivelse

Inklusionskriterier:

  • Patienter med klinisk validerede diagnoser af HCM (n=150) og atletens hjerte (n=150) vil blive identificeret ved forudgående screening af klinikaftaler for hver af specialklinikkerne HCM og Sportskardiologi eller i CV-stipendiaters klinik (i patienter med en etableret diagnose og ingen afventende test). Alle diagnoser skal understøttes af utvetydig billeddiagnostik og andre hjælpedata i henhold til vores standard for pleje og klinikeksperter.

Ekskluderingskriterier:

  • Enhver undtagelse fra ovenstående kriterier.

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
Hypertrofisk kardiomyopati (HCM)
Forsøgspersoner med klinisk validerede diagnoser af HCM vil blive tilmeldt og få et klinisk indiceret 12-aflednings-EKG samt EKG-sporinger indsamlet ved hjælp af et Apple Smart Watch (enkelt-afledning) og AliveCor KardiaMobile (6-afledninger).
Diagnostisk test: 12-aflednings-EKG
En klinisk udført 12-aflednings-EKG-sporing inden for 30 dage efter aftalen vil blive indhentet fra den pågældende journal og vil blive brugt til AI-EKG-analyser.
Diagnostisk test: Apple Smart Watch enkeltaflednings-EKG
En enkelt EKG-sporing vil blive indsamlet ved hjælp af et Apple Smart Watch, og sporing vil blive brugt til AI-EKG-analyser.
Diagnostisk test: AliveCor KardiaMobile 6-aflednings-EKG
En 6-aflednings EKG-sporing vil blive indsamlet ved hjælp af en AliveCor KardiaMobile-enhed, og sporing vil blive brugt til AI-EKG-analyser.
Atleter
Atleter vil blive tilmeldt og har et klinisk indikeret 12-bly EKG opnået såvel som EKG-sporinger indsamlet ved hjælp af et Apple Smart Watch (enkelt-bly) og Alivecor Kardiamobile (6-bly).
Diagnostisk test: 12-aflednings-EKG
En klinisk udført 12-aflednings-EKG-sporing inden for 30 dage efter aftalen vil blive indhentet fra den pågældende journal og vil blive brugt til AI-EKG-analyser.
Diagnostisk test: Apple Smart Watch enkeltaflednings-EKG
En enkelt EKG-sporing vil blive indsamlet ved hjælp af et Apple Smart Watch, og sporing vil blive brugt til AI-EKG-analyser.
Diagnostisk test: AliveCor KardiaMobile 6-aflednings-EKG
En 6-aflednings EKG-sporing vil blive indsamlet ved hjælp af en AliveCor KardiaMobile-enhed, og sporing vil blive brugt til AI-EKG-analyser.

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Fordeling af AI-EKG-sandsynligheder i HCM
Tidsramme: Baseline
Artificial Intelligence (AI)-scorer vil blive målt ved hjælp af AI-algoritmen på EKG-sporinger opnået fra klinisk indiceret 12-aflednings-EKG, Apple Smart Watch (enkelt-afledning) og AliveCor KardiaMobile (6-afledninger) hos forsøgspersoner med HCM. AI-scorerne vil blive brugt til at generere AI-EKG-sandsynligheden for nøjagtig diagnosticering af HCM (mærket som sand positiv, sand negativ, falsk positiv, falsk negativ), og fordelingen af ​​AI-EKG-sandsynligheder vil blive evalueret. En højere fordeling af AI-EKG-sandsynligheder (mere sande positive) vil afspejle bedre diagnostisk ydeevne af AI-EKG-algoritmen.
Baseline
Sammenlignende diagnostisk ydeevne mellem sporinger opnået fra forskellige enheder
Tidsramme: Baseline
Artificial Intelligence (AI)-score vil blive målt ved hjælp af AI-algoritmen på EKG-sporinger opnået fra klinisk indiceret 12-aflednings-EKG, Apple Smart Watch (enkelt-afledning) og AliveCor KardiaMobile (6-afledninger). Diagnostisk ydeevne af AI-algoritmen (mærket som sand positiv, sand negativ, falsk positiv, falsk negativ) baseret på sporing fra hver EKG-formfaktor (12-afledninger, enkeltafledninger, 6-afledninger) vil blive evalueret og sammenlignet.
Baseline

Sekundære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Korrelation med falsk negativ AI EKG resultat
Tidsramme: Baseline
Artificial Intelligence (AI)-score vil blive målt ved hjælp af AI-algoritmen på EKG-sporinger opnået fra klinisk indiceret 12-aflednings-EKG, Apple Smart Watch (enkelt-afledning) og AliveCor KardiaMobile (6-afledninger). Diagnostisk ydeevne af AI-algoritmen (mærket som sand positiv, sand negativ, falsk positiv, falsk negativ) baseret på sporing fra hver EKG-formfaktor (12-afledninger, enkelt-afledninger, 6-afledninger) vil blive evalueret og korrelationen af ​​formularen faktor til et falsk negativt AI-EKG-resultat vil blive bestemt.
Baseline
Distribution af AI-ECG-sandsynligheder hos atleter
Tidsramme: Baseline
Artificial Intelligence (AI) scoringer måles ved hjælp af AI-algoritmen på EKG-sporinger opnået fra klinisk indikeret 12-bly EKG, Apple Smart Watch (enkelt-bly) og Alivecor Kardiamobile (6-bly) hos emner med atleter. AI-scoringerne vil blive brugt til at generere AI-ECG-sandsynligheden for nøjagtigt diagnosticering af HCM (ægte positiv, ægte negativ, falsk positiv, falsk negativ) og fordelingen af ​​AI-ECG-sandsynligheder vil blive evalueret. En højere fordeling af AI-ECG-sandsynligheder (flere sande positive) vil afspejle bedre diagnostisk ydeevne af AI-ECG-algoritmen.
Baseline

Samarbejdspartnere og efterforskere

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

Sponsor

Mayo Clinic

Efterforskere

  • Ledende efterforsker: Konstantinos Siontis, MD, Mayo Clinic

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)

7. maj 2024

Primær færdiggørelse (Faktiske)

25. juni 2025

Studieafslutning (Anslået)

1. december 2026

Datoer for studieregistrering

Først indsendt

26. februar 2024

Først indsendt, der opfyldte QC-kriterier

26. februar 2024

Først opslået (Faktiske)

4. marts 2024

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

19. marts 2026

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

17. marts 2026

Sidst verificeret

1. marts 2026

Mere information

Begreber relateret til denne undersøgelse

Yderligere relevante MeSH-vilkår

Andre undersøgelses-id-numre

  • 23-007685

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

produkt fremstillet i og eksporteret fra U.S.A.

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 12-aflednings-EKG

Søg i lignende forsøg

Sponsorer og samarbejdspartnere

Medicinske tilstande

Narkotikainterventioner

CROs by country

CROs in Nigeria

Betingelser

Sjældne sygdomme

Narkotikainterventioner

Kosttilskud

Sponsor / samarbejdspartnere

Placeringer

Abonner