Computergestützte Antepartum-Überwachung mit nicht-invasivem fötalem EKG für Risikoschwangerschaften
Studienübersicht
Status
Status
Bedingungen
Bedingungen
Intervention / Behandlung
Intervention / Behandlung
Detaillierte Beschreibung
Studientyp
Studientyp
Einschreibung (Voraussichtlich)
Einschreibung
Kontakte und Standorte
Studienkontakt
Studienkontakt
- Name: Oren Grunwald, MD
- Telefonnummer: +972506914415
- E-Mail: oren.grunwald@gmail.com
Teilnahmekriterien
Zulassungskriterien
Zulassungskriterien
Studienberechtigtes Alter
Akzeptiert gesunde Freiwillige
Studienberechtigte Geschlechter
Probenahmeverfahren
Studienpopulation
Beschreibung
Einschlusskriterien:
- Einlingsschwangerschaften.
- Niedrigrisikoschwangerschaft: Frauen aus der Nachsorgeklinik (nach 40 Schwangerschaftswochen), in der wir routinemäßig Non-Stress-Tests und Ultraschall durchführen.
- Hochrisikoschwangerschaft: Frauen, die wegen verschiedener Indikationen ins Krankenhaus eingeliefert werden: IUGR, Diabetes, Bluthochdruck, nicht beruhigende fetale Herzfrequenz, verminderte fetale Bewegungen
Ausschlusskriterien:
- Nicht-Einlingsschwangerschaften.
- Sie möchten nicht an der Studie teilnehmen
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
Anzahl der Gruppen / Kohorten
Kohorten und Interventionen
Gruppe / KohorteGruppe / Kohorte |
Intervention / BehandlungIntervention / Behandlung |
|---|---|
|
Schwangere mit geringem Risiko
Normalkohorte: Diese Kohorte besteht aus Schwangerschaften, die nicht gefährdet sind.
Die Daten werden während der normalen Untersuchung im Rahmen des üblichen Pflegepfads aufgezeichnet
|
Nicht-invasives fötales EKG
Fetaler Herzfrequenzmonitor
|
|
Risikoschwangere
Risikokohorte: Diese Kohorte besteht aus Risikoschwangerschaften, die regelmäßig zum Zweck der fetalen Überwachung erfasst werden.
Insbesondere rekrutieren die Forscher Schwangerschaften mit intrauterinem Wachstum eingeschränkten Föten für diese Studie.
|
Nicht-invasives fötales EKG
Fetaler Herzfrequenzmonitor
|
Was misst die Studie?
Primäre Ergebnismessungen
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Identifizierung einer anormalen fetalen Herzfrequenz durch NI-FECG
Zeitfenster: 2 Jahre
|
Zum Vergleich der klinischen Interpretation der NI-FECG erhaltenen Kurve der fetalen Herzfrequenz mit der Interpretation der fetalen Herzfrequenz aus der fetalen Herzfrequenz, die aus einem konventionellen CTG erhalten wurde.
Dies umfasst das verblindete Lesen und Bewerten der FHF, die aus dem NI-FECG und dem CTG von einem Gremium aus erfahrenen Klinikern erhalten wurde.
|
2 Jahre
|
|
Computergestütztes NI-FEKG zur Vorhersage abnormaler FHF-Spuren
Zeitfenster: 2 Jahre
|
Vergleich der computergestützten Analyse der FHF-Spur, die mit NI-FECG erhalten wurde, mit der klinischen visuellen Interpretation der FHF-Spur, die mit CTG (übliche Sorgfalt) erhalten wurde.
Dies beinhaltet die Implementierung von Algorithmen, die Standard-14 und neue Merkmale erkennen können, die die fetale HRV (FHRV) bewerten, und die Ausarbeitung eines maschinellen Lernmodells, das abnormale Spuren aus diesen Merkmalen vorhersagen kann
|
2 Jahre
|
|
Vergleich zwischen computergestütztem CTG und NI-FEKG
Zeitfenster: 4 Jahre
|
Vergleich der Vorhersagekraft von computergestütztem CTG mit computergestütztem NI-FEKG für die Beurteilung abnormaler Spuren.
Zu diesem Zweck wird ein maschinelles Lernmodell trainiert (1) mit Merkmalen, die aus der mit CTG erhaltenen FHF-Kurve extrahiert wurden, und (2) mit Merkmalen, die aus der mit der NI-FEKG-Kurve erhaltenen FHF extrahiert wurden
|
4 Jahre
|
|
Entwicklung eines tragbaren NI-FEKG-Monitors für die fetale Fernüberwachung.
Zeitfenster: 4 Jahre
|
Entwicklung eines tragbaren NI-FEKG-Monitors, mit dem das fötale EKG beim Patienten zu Hause aufgezeichnet werden kann.
Der Monitor überträgt die Daten an einen Remote-Server, wo eine Quellentrennung durchgeführt wird, um das fötale EKG zu extrahieren.
Algorithmen, die zum Extrahieren charakteristischer Merkmale implementiert sind, und das maschinelle Lernmodell werden ausgeführt, um vorherzusagen, ob die Spuren normal oder abnormal sind.
Die Ausarbeitung eines solchen Algorithmus ist besonders relevant für Regionen mit eingeschränkten Ressourcen, in denen medizinische Experten knapp sind.
|
4 Jahre
|
Mitarbeiter und Ermittler
Sponsor
Sponsor
Mitarbeiter
Mitarbeiter
Ermittler
Ermittler
- Hauptermittler: Oren Grunwald, MD, Rambam Health Care Campus
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (ERWARTET)
Studienbeginn
Primärer Abschluss (ERWARTET)
Primärer Abschluss
Studienabschluss (ERWARTET)
Studienabschluss
Studienanmeldedaten
Zuerst eingereicht
Zuerst eingereicht
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst gepostet (TATSÄCHLICH)
Zuerst gepostet
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (TATSÄCHLICH)
Letztes Update gepostet
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Zuletzt verifiziert
Zuletzt verifiziert
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Schlüsselwörter
Andere Studien-ID-Nummern
Andere Studien-ID-Nummern
- 0529-19-RMB
Plan für individuelle Teilnehmerdaten (IPD)
Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?
Arzneimittel- und Geräteinformationen, Studienunterlagen
Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt
Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt
Diese Informationen wurden ohne Änderungen direkt von der Website clinicaltrials.gov abgerufen. Wenn Sie Ihre Studiendaten ändern, entfernen oder aktualisieren möchten, wenden Sie sich bitte an register@clinicaltrials.gov. Sobald eine Änderung auf clinicaltrials.gov implementiert wird, wird diese automatisch auch auf unserer Website aktualisiert .