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

AI-ACLD Study: Artificial Intelligence in Advanced Chronic Liver Disease (AI-ACLD)

21. juli 2026 opdateret af: Antonio Galante

Application of Artificial Intelligence Using Wearable Technology in Patients With Advanced Chronic Liver Disease (ACLD): a Trajectomics Approach.

The research project studies the possibility of using an artificial intelligence-based system in patients with advanced chronic liver disease (liver cirrhosis) to record variations in a patient's health status, with the aim of early identification of clinical improvement or deterioration. The system is based on the collection and processing of various clinical parameters through an Apple Watch. The study aims to evaluate whether the data generated by this system correlate with patients' clinical evolution and whether its use may ultimately contribute to improved care management and quality of life.

Studieoversigt

Status

Afsluttet

Betingelser

Intervention / Behandling

Undersøgelsestype

Observationel

Tilmelding (Faktiske)

8

Kontakter og lokationer

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

Studiesteder

  • Schweiz
      • Lugano, Schweiz, 6900
        • Ente Ospedaliero Cantonale

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

Patients hospitalized at Ente Ospedaliero Cantonale (EOC) in Lugano or Bellinzona or patients followed at the Department for Gastroenterology and Hepatology, Ente Ospedaliero Cantonale will be assessed for inclusion in the study

Beskrivelse

Inclusion Criteria:

  • Adults aged 18-75 years
  • Diagnosis of advanced chronic liver disease (ACLD).
  • Either:
  • hospitalized for hepatic decompensation or acute-on-chronic liver failure (ACLF), including ascites, hepatorenal syndrome, hepatic encephalopathy, bacterial infection, gastrointestinal bleeding, or jaundice; or
  • outpatient with Child-Pugh B cirrhosis and no evidence of hepatic decompensation or ACLF at enrolment.
  • Willing and able to provide written informed consent.

Exclusion Criteria:

  • Inability or refusal to provide written informed consent
  • Inability to wear or correctly use the Apple Watch
  • Patients with hepatocellular carcinoma beyond the Milan Criteria (one lesion up to 5 cm or 3 lesions up to 3 cm in diameter)
  • Presence of hepatic decompensation or ACLF

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
Feasibility and accuracy of machine learning analysis of individual health data collected by wearable device.
Tidsramme: From enrollment to the end of the study (6 months)

The primary outcome is to assess the feasibility and accuracy of machine learning analysis of individual health data collected by wearable device and to describe their patterns during hospitalization due to symptoms of decompensation or ACLF and in outpatients until hospitalization due to decompensation or ACLF in patients with liver cirrhosis. Health data continuously collected through a dedicated wearable device application comprise: heart rate and heart rate variability (HR; HRV), oxygen saturation (SpO₂), ECG (QRS, PQ, PT Tpe interval), sleep quality and duration, daily step count, tremor intensity (Hz), typing speed (taps/time).

The single unit of measure used to assess the feasibility of the wearable device is the usable data acquisition rate (%), defined as the percentage of monitoring data successfully collected and suitable for analysis.
From enrollment to the end of the study (6 months)

Samarbejdspartnere og efterforskere

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

Sponsor

Antonio Galante

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)

29. december 2022

Primær færdiggørelse (Faktiske)

17. januar 2024

Studieafslutning (Faktiske)

17. januar 2024

Datoer for studieregistrering

Først indsendt

16. juli 2026

Først indsendt, der opfyldte QC-kriterier

21. juli 2026

Først opslået (Faktiske)

23. juli 2026

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

23. juli 2026

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

21. juli 2026

Sidst verificeret

1. juli 2026

Mere information

Begreber relateret til denne undersøgelse

Andre undersøgelses-id-numre

  • AI-ACLD Study

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