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

Forudsigelse af KOLs sværhedsgrad ved hjælp af elektrisk impedanstomografi

5. april 2024 opdateret af: wang kaifei, Chinese PLA General Hospital

Forudsigelse af KOL-bryst-CT-sværhedsgrad ved hjælp af elektrisk impedanstomografi ved maskinlæringsmetoder

Formålet med denne undersøgelse er at forudsige den visuelle CT-score for emfysem med EIT-baserede parametre for at give en ikke-invasiv og bekvem metode til evaluering af lungestruktur og fysiologisk og patologisk progression af KOL.

Studieoversigt

Detaljeret beskrivelse

Metoder: Ved at indsamle lungefunktionsdata, CT-visuelle scores og EIT-data og anvende dybe maskinlæringsalgoritmer til at sammenligne EIT's og PFT's forudsigende evner for CT-visuelle scores af lungeemfysem, sigter denne undersøgelse på at validere EIT's evne til at vurdere progression af KOL.

Undersøgelsestype

Observationel

Tilmelding (Anslået)

150

Kontakter og lokationer

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

Studiekontakt

Studiesteder

    • Beijing
      • Beijing, Beijing, Kina, 100853
        • Rekruttering
        • PLA
        • Kontakt:

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

Ja

Prøveudtagningsmetode

Ikke-sandsynlighedsprøve

Studiebefolkning

Kliniske læger har mistanke om, at en patient kan have KOL baseret på symptomer og fysisk undersøgelse, men en endelig diagnose er ikke blevet bekræftet gennem PFT'er.

Beskrivelse

Inklusionskriterier:

  • Kliniske læger har mistanke om, at en patient kan have KOL baseret på symptomer og fysisk undersøgelse, men en endelig diagnose er ikke blevet bekræftet gennem PFT'er.
  • Alder > 20 år, og kunne kommunikere med læger.
  • Er villig til at underskrive informeret samtykke til undersøgelsens forløb.

Ekskluderingskriterier:

  • Patient afslag på EIT-undersøgelse.
  • CT-scanningsoplysningerne er ufuldstændige, og intervallet mellem lungefunktionstesten og CT-scanningen er mere end 180 dage.

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
Den forudsigelige kraft af EIT og PFT til CT visuel scoring af emfysem
Tidsramme: 1 måneder
forudsigelsesnøjagtigheden mellem dybe maskinlæringsmodeller baseret på PFT-data og EIT-data
1 måneder

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 2023

Primær færdiggørelse (Anslået)

1. juni 2024

Studieafslutning (Anslået)

1. august 2024

Datoer for studieregistrering

Først indsendt

30. marts 2024

Først indsendt, der opfyldte QC-kriterier

5. april 2024

Først opslået (Faktiske)

11. april 2024

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

11. april 2024

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

5. april 2024

Sidst verificeret

1. april 2024

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 .

Abonner