Eine Studie zum EKG mit künstlicher Intelligenz mit EKG-Geräten zur Erkennung einer hypertrophen Kardiomyopathie, die sich vom Herzen eines Sportlers unterscheidet
Prospektive Bewertung des EKGs mit künstlicher Intelligenz mit verbraucherorientierten EKG-Geräten zur Erkennung hypertropher Kardiomyopathie und zur Unterscheidung vom Herzen eines Sportlers
Studienübersicht
Status
Status
Bedingungen
Bedingungen
Intervention / Behandlung
Intervention / Behandlung
Studientyp
Studientyp
Einschreibung (Geschätzt)
Einschreibung
Kontakte und Standorte
Studienkontakt
Studienkontakt
- Name: Konstantinos Siontis, MD
- Telefonnummer: (507) 255-1051
- E-Mail: Siontis.Konstantinos@mayo.edu
Studieren Sie die Kontaktsicherung
- Name: Shaun Crawford
- Telefonnummer: 507-422-5666
- E-Mail: crawford.shaun@mayo.edu
Studienorte
-
-
Minnesota
-
Rochester, Minnesota, Vereinigte Staaten, 55905
- Mayo Clinic in Rochester
-
-
Teilnahmekriterien
Zulassungskriterien
Zulassungskriterien
Studienberechtigtes Alter
- Erwachsene
- Älterer Erwachsener
Akzeptiert gesunde Freiwillige
Probenahmeverfahren
Studienpopulation
Beschreibung
Einschlusskriterien:
- Patienten mit klinisch validierten Diagnosen von HCM (n=150) und Sportlerherz (n=150) werden durch Vorab-Screening der Kliniktermine für jede der Fachkliniken für HCM und Sportkardiologie oder in der CV-Fellows-Klinik (in) identifiziert Patienten mit gesicherter Diagnose und ohne ausstehende Tests). Alle Diagnosen müssen gemäß unserem Pflegestandard und nach Ermessen von Klinikexperten durch eindeutige Bildgebungs- und andere Zusatzdaten gestützt werden.
Ausschlusskriterien:
- Jede Ausnahme von den oben genannten Kriterien.
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
Anzahl der Gruppen / Kohorten
Kohorten und Interventionen
Gruppe / KohorteGruppe / Kohorte |
Intervention / BehandlungIntervention / Behandlung |
|---|---|
|
Hypertrophe Kardiomyopathie (HCM)
Probanden mit klinisch validierter HCM-Diagnose werden eingeschrieben und erhalten ein klinisch indiziertes 12-Kanal-EKG sowie EKG-Aufzeichnungen, die mit einer Apple Smart Watch (Einzelkanal) und AliveCor KardiaMobile (6 Kanal) erfasst werden.
|
Eine klinisch durchgeführte 12-Kanal-EKG-Aufzeichnung innerhalb von 30 Tagen nach dem Termin wird aus der Krankenakte des Patienten entnommen und für AI-EKG-Analysen verwendet.
Eine einzelne Ableitungs-EKG-Aufzeichnung wird mit einer Apple Smart Watch erfasst und die Aufzeichnung wird für AI-EKG-Analysen verwendet.
Eine 6-Kanal-EKG-Aufzeichnung wird mit einem AliveCor KardiaMobile-Gerät erfasst und die Aufzeichnung wird für AI-EKG-Analysen verwendet.
|
|
Athleten
Der Athleten wird eingeschrieben und verfügt über ein klinisch angegebenes 12-Lead-EKG sowie EKG-Tracings, die mit einer Apple Smart Watch (Single-Lead) und Alivecor Kardiamobile (6-Lead) gesammelt wurden.
|
Eine klinisch durchgeführte 12-Kanal-EKG-Aufzeichnung innerhalb von 30 Tagen nach dem Termin wird aus der Krankenakte des Patienten entnommen und für AI-EKG-Analysen verwendet.
Eine einzelne Ableitungs-EKG-Aufzeichnung wird mit einer Apple Smart Watch erfasst und die Aufzeichnung wird für AI-EKG-Analysen verwendet.
Eine 6-Kanal-EKG-Aufzeichnung wird mit einem AliveCor KardiaMobile-Gerät erfasst und die Aufzeichnung wird für AI-EKG-Analysen verwendet.
|
Was misst die Studie?
Primäre Ergebnismessungen
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Verteilung der AI-EKG-Wahrscheinlichkeiten bei HCM
Zeitfenster: Grundlinie
|
Die Ergebnisse der künstlichen Intelligenz (KI) werden mithilfe des KI-Algorithmus an EKG-Aufzeichnungen gemessen, die aus klinisch indizierten 12-Kanal-EKGs, Apple Smart Watch (einzelne Ableitungen) und AliveCor KardiaMobile (6-Kanal) bei Patienten mit HCM gewonnen wurden.
Die KI-Scores werden verwendet, um die KI-EKG-Wahrscheinlichkeit einer genauen Diagnose von HCM zu generieren (gekennzeichnet als wahr positiv, wahr negativ, falsch positiv, falsch negativ) und die Verteilung der KI-EKG-Wahrscheinlichkeiten wird ausgewertet.
Eine höhere Verteilung der AI-EKG-Wahrscheinlichkeiten (mehr echte positive Ergebnisse) spiegelt eine bessere diagnostische Leistung des AI-EKG-Algorithmus wider.
|
Grundlinie
|
|
Vergleich der diagnostischen Leistung zwischen Aufzeichnungen, die von verschiedenen Geräten erhalten wurden
Zeitfenster: Grundlinie
|
Die Ergebnisse der künstlichen Intelligenz (KI) werden mithilfe des KI-Algorithmus an EKG-Aufzeichnungen gemessen, die aus klinisch indizierten 12-Kanal-EKGs, Apple Smart Watch (einzelne Ableitungen) und AliveCor KardiaMobile (6-Ableitungen) stammen.
Die diagnostische Leistung des KI-Algorithmus (gekennzeichnet als wahr positiv, wahr negativ, falsch positiv, falsch negativ) basierend auf der Aufzeichnung jedes EKG-Formfaktors (12 Ableitungen, Einzelableitungen, 6 Ableitungen) wird bewertet und verglichen.
|
Grundlinie
|
Sekundäre Ergebnismessungen
Sekundäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Korrelation mit falsch negativen AI-EKG-Ergebnissen
Zeitfenster: Grundlinie
|
Die Ergebnisse der künstlichen Intelligenz (KI) werden mithilfe des KI-Algorithmus an EKG-Aufzeichnungen gemessen, die aus klinisch indizierten 12-Kanal-EKGs, Apple Smart Watch (einzelne Ableitungen) und AliveCor KardiaMobile (6-Ableitungen) stammen.
Die diagnostische Leistung des KI-Algorithmus (gekennzeichnet als wahr positiv, wahr negativ, falsch positiv, falsch negativ) basierend auf der Aufzeichnung jedes EKG-Formfaktors (12 Ableitungen, Einzelableitungen, 6 Ableitungen) wird bewertet und die Korrelation der Form Der Faktor, der zu einem falsch negativen AI-EKG-Ergebnis führt, wird ermittelt.
|
Grundlinie
|
|
Verteilung der AI-ECG-Wahrscheinlichkeiten bei Athleten
Zeitfenster: Grundlinie
|
Die KI-Werte für künstliche Intelligenz (KI) werden unter Verwendung des AI-Algorithmus auf EKG-Tracings gemessen, die von klinisch angegebenen 12-Führungs-EKG, Apple Smart Watch (Single-Lead) und Alivecor Kardiamobile (6-Lead) in Probanden mit Athleten erhalten wurden.
Die KI-Werte werden verwendet, um die AI-ECG-Wahrscheinlichkeit einer genauen Diagnose von HCM (echte positive, wahre negative, falsch positive, falsch negative) zu erzeugen, und die Verteilung der AI-ECG-Wahrscheinlichkeiten wird bewertet.
Eine höhere Verteilung der AI-ECG-Wahrscheinlichkeiten (mehr echte Positive) spiegelt eine bessere diagnostische Leistung des AI-ECG-Algorithmus wider.
|
Grundlinie
|
Mitarbeiter und Ermittler
Sponsor
Sponsor
Ermittler
Ermittler
- Hauptermittler: Konstantinos Siontis, MD, Mayo Clinic
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Tatsächlich)
Studienbeginn
Primärer Abschluss (Tatsächlich)
Primärer Abschluss
Studienabschluss (Geschätzt)
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
Zusätzliche relevante MeSH-Bedingungen
- Aortenklappenerkrankung
- Herz-Kreislauf-Erkrankungen
- Herzkrankheiten
- Herzklappenerkrankungen
- Kardiomyopathien
- Aortenstenose, subvalvulär
- Aortenklappenstenose
- Kardiomyopathie, hypertroph
- Diagnosetechniken und Verfahren
- Diagnose
- Diagnosetechniken, kardiovaskulär
- Herzfunktionstests
- Elektrodiagnose
- Elektrokardiographie
Andere Studien-ID-Nummern
Andere Studien-ID-Nummern
- 23-007685
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
Produkt, das in den USA hergestellt und aus den USA exportiert wird
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 .