Die Implementierung der computergestützten Erkennung in der Ausbildung verbessert die Qualität zukünftiger Koloskopien
Die Implementierung der computergestützten Erkennung in einer anfänglichen Endoskopieschulung verbessert die Qualitätsmaße zukünftiger Koloskopien der Auszubildenden
Studienübersicht
Status
Status
Bedingungen
Bedingungen
Intervention / Behandlung
Intervention / Behandlung
Detaillierte Beschreibung
Studientyp
Studientyp
Einschreibung (Tatsächlich)
Einschreibung
Kontakte und Standorte
Studienorte
-
-
-
Kraków, Polen, 31007
- Jagiellonian University
-
-
Teilnahmekriterien
Zulassungskriterien
Zulassungskriterien
Studienberechtigtes Alter
- Erwachsene
- Älterer Erwachsener
Akzeptiert gesunde Freiwillige
Probenahmeverfahren
Studienpopulation
Beschreibung
Einschlusskriterien:
- erwachsene Teilnehmer, die sich aus verschiedenen Gründen einer Koloskopie unterzogen, die von bestimmten Endoskopikern durchgeführt und anhand von Qualitätsindikatoren bewertet wurde
Ausschlusskriterien:
- eine Geschichte der Darmresektion
- bestätigte entzündliche Darmerkrankung
- Verdacht auf Polypen oder Krebs bei anderen bildgebenden Untersuchungen
- Verdacht auf familiäre adenomatöse Polyposis
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
Anzahl der Gruppen / Kohorten
Kohorten und Interventionen
Gruppe / KohorteGruppe / Kohorte |
Intervention / BehandlungIntervention / Behandlung |
|---|---|
|
Gruppe A
Koloskopien werden von Endoskopikern durchgeführt, die in einer KI-gestützten Umgebung geschult sind.
Die Qualitätsindikatoren werden nach Abschluss des Trainings ohne KI-Verbesserung gemessen.
|
Endoskopiker, die in einer KI-gestützten Umgebung geschult sind.
Ihre Qualitätsindikatoren werden nach Abschluss des Trainings ohne zusätzliche KI-Verbesserung gemessen.
|
|
Gruppe B
Koloskopien werden von konventionell ausgebildeten Endoskopikern durchgeführt.
Die Qualitätsindikatoren werden nach Abschluss des Trainings ohne KI-Verbesserung gemessen.
|
Konventionell ausgebildete Endoskopiker
|
Was misst die Studie?
Primäre Ergebnismessungen
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Rückzugszeit
Zeitfenster: Während der Koloskopie-Untersuchung
|
Die Zeit von der Intubation des Blinddarms bis zum Ende der Untersuchung
|
Während der Koloskopie-Untersuchung
|
|
Cecal-Intubationsrate (CIR)
Zeitfenster: Während der Koloskopie-Untersuchung
|
Der Prozentsatz der Koloskopien mit erfolgreichen Blinddarmintubationen
|
Während der Koloskopie-Untersuchung
|
|
Adenomerkennungsrate (ADR)
Zeitfenster: Während der Koloskopie-Untersuchung
|
Der Prozentsatz der Koloskopien, bei denen das Adenom gefunden wurde
|
Während der Koloskopie-Untersuchung
|
|
Erweiterte Adenomerkennungsrate (AADR)
Zeitfenster: Während der Koloskopie-Untersuchung
|
Der Prozentsatz der Koloskopien, bei denen ein fortgeschrittenes Adenom (>10 mm) festgestellt wurde
|
Während der Koloskopie-Untersuchung
|
|
Adenom pro Koloskopie-Score (APC)
Zeitfenster: Während der Koloskopie-Untersuchung
|
Die durchschnittliche Anzahl der Adenome, die bei einer einzelnen Koloskopie entdeckt wurden
|
Während der Koloskopie-Untersuchung
|
|
Erkennungsrate für gezackte Polypen (SDR)
Zeitfenster: Während der Koloskopie-Untersuchung
|
Der Prozentsatz der Koloskopien, bei denen der gezackte Polyp gefunden wurde
|
Während der Koloskopie-Untersuchung
|
Sekundäre Ergebnismessungen
Sekundäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Erkennungsrate von sich lateral ausbreitenden Tumoren
Zeitfenster: Während der Koloskopie-Untersuchung
|
Der Prozentsatz der Koloskopien, bei denen die sich seitlich ausbreitende Tumorläsion festgestellt wurde
|
Während der Koloskopie-Untersuchung
|
Mitarbeiter und Ermittler
Sponsor
Sponsor
Ermittler
Ermittler
- Hauptermittler: Zofia Orzeszko, MD, Jagiellonian University
- Studienstuhl: Miroslaw Szura, PhD, Prof., Jagiellonian University
Publikationen und hilfreiche Links
Allgemeine Veröffentlichungen
- Repici A, Badalamenti M, Maselli R, Correale L, Radaelli F, Rondonotti E, Ferrara E, Spadaccini M, Alkandari A, Fugazza A, Anderloni A, Galtieri PA, Pellegatta G, Carrara S, Di Leo M, Craviotto V, Lamonaca L, Lorenzetti R, Andrealli A, Antonelli G, Wallace M, Sharma P, Rosch T, Hassan C. Efficacy of Real-Time Computer-Aided Detection of Colorectal Neoplasia in a Randomized Trial. Gastroenterology. 2020 Aug;159(2):512-520.e7. doi: 10.1053/j.gastro.2020.04.062. Epub 2020 May 1.
- Corley DA, Jensen CD, Marks AR, Zhao WK, Lee JK, Doubeni CA, Zauber AG, de Boer J, Fireman BH, Schottinger JE, Quinn VP, Ghai NR, Levin TR, Quesenberry CP. Adenoma detection rate and risk of colorectal cancer and death. N Engl J Med. 2014 Apr 3;370(14):1298-306. doi: 10.1056/NEJMoa1309086.
- Kaminski MF, Regula J, Kraszewska E, Polkowski M, Wojciechowska U, Didkowska J, Zwierko M, Rupinski M, Nowacki MP, Butruk E. Quality indicators for colonoscopy and the risk of interval cancer. N Engl J Med. 2010 May 13;362(19):1795-803. doi: 10.1056/NEJMoa0907667.
- Spadaccini M, Iannone A, Maselli R, Badalamenti M, Desai M, Chandrasekar VT, Patel HK, Fugazza A, Pellegatta G, Galtieri PA, Lollo G, Carrara S, Anderloni A, Rex DK, Savevski V, Wallace MB, Bhandari P, Roesch T, Gralnek IM, Sharma P, Hassan C, Repici A. Computer-aided detection versus advanced imaging for detection of colorectal neoplasia: a systematic review and network meta-analysis. Lancet Gastroenterol Hepatol. 2021 Oct;6(10):793-802. doi: 10.1016/S2468-1253(21)00215-6. Epub 2021 Aug 5.
- Barua I, Vinsard DG, Jodal HC, Loberg M, Kalager M, Holme O, Misawa M, Bretthauer M, Mori Y. Artificial intelligence for polyp detection during colonoscopy: a systematic review and meta-analysis. Endoscopy. 2021 Mar;53(3):277-284. doi: 10.1055/a-1201-7165. Epub 2020 Sep 29.
- Wang P, Liu P, Glissen Brown JR, Berzin TM, Zhou G, Lei S, Liu X, Li L, Xiao X. Lower Adenoma Miss Rate of Computer-Aided Detection-Assisted Colonoscopy vs Routine White-Light Colonoscopy in a Prospective Tandem Study. Gastroenterology. 2020 Oct;159(4):1252-1261.e5. doi: 10.1053/j.gastro.2020.06.023. Epub 2020 Jun 17.
- Glissen Brown JR, Mansour NM, Wang P, Chuchuca MA, Minchenberg SB, Chandnani M, Liu L, Gross SA, Sengupta N, Berzin TM. Deep Learning Computer-aided Polyp Detection Reduces Adenoma Miss Rate: A United States Multi-center Randomized Tandem Colonoscopy Study (CADeT-CS Trial). Clin Gastroenterol Hepatol. 2022 Jul;20(7):1499-1507.e4. doi: 10.1016/j.cgh.2021.09.009. Epub 2021 Sep 14.
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Tatsächlich)
Studienbeginn
Primärer Abschluss (Tatsächlich)
Primärer Abschluss
Studienabschluss (Tatsächlich)
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
- 2024.000.367
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 .