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

Evaluering af diagnostisk nøjagtighed af kunstig intelligens i behandlingsplanlægning for ikke-voksende klasse II-sager

20. januar 2025 opdateret af: Israa Abuobieda Ibrahim Elbagari, Cairo University

Målet med denne observationsundersøgelse er at evaluere den diagnostiske nøjagtighed af kunstig intelligens i ikke-voksende klasse II-tilfælde. Det vigtigste spørgsmål, det sigter mod at besvare, er:

Er kunstig intelligens (AI) nøjagtig ved valg af en behandlingsmodalitet til ikke -voksende klasse II -tilfælde -hvad hvad enten til camouflage eller kirurgisk behandling?

Deltagerne gennemgik allerede ortodontisk behandling, deres forbehandling og post-behandlingsposter indsamles fra Archive of Orthodontic Department ved Kairo University

Studieoversigt

Status

Ikke rekrutterer endnu

Undersøgelsestype

Observationel

Tilmelding (Anslået)

193

Kontakter og lokationer

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

Studiekontakt

Undersøgelse Kontakt Backup

  • Navn: israa abuobieda elbagari, Msc candidate
  • Telefonnummer: +201129684395
  • E-mail: iskyme722@gmail.com

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

Egyptiske ikke-voksende personer med klasse II Malocclusion

Beskrivelse

Inkluderingskriterier:

Tilfælde af ikke-voksende patienter med klasse II Malocclusion

Ekskluderingskriterier:

Voksende patient med klasse II malocclusion

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
Tidsramme
Nøjagtighed af kunstig intelligens ved valg af \ forudsigelse af den bedste behandlingsmodalitet
Tidsramme: fra tilmelding til slutningen af ​​behandlingen efter 1 år
fra tilmelding til slutningen af ​​behandlingen efter 1 år

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 (Anslået)

1. januar 2025

Primær færdiggørelse (Anslået)

1. juni 2025

Studieafslutning (Anslået)

1. december 2025

Datoer for studieregistrering

Først indsendt

20. januar 2025

Først indsendt, der opfyldte QC-kriterier

20. januar 2025

Først opslået (Faktiske)

25. marts 2025

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

25. marts 2025

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

20. januar 2025

Sidst verificeret

1. januar 2024

Mere information

Begreber relateret til denne undersøgelse

Andre undersøgelses-id-numre

  • AI accuracy for Class II 2024

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 .

Abonner