Durch Deep Learning verbesserte Erkennung von Aortenstenose – Die DETECT-AS-Diagnostic-Studie
The DETECT-AS Diagnostic Study will assess the performance of artificial intelligence (AI) risk predictions to detect aortic stenosis using results from portable electrocardiogram (ECG) and cardiac ultrasound devices.
Studienübersicht
Status
Status
Bedingungen
Bedingungen
Intervention / Behandlung
Intervention / Behandlung
Studientyp
Studientyp
Einschreibung (Geschätzt)
Einschreibung
Phase
Phase
- Unzutreffend
Kontakte und Standorte
Studienorte
-
-
Connecticut
-
New Haven, Connecticut, Vereinigte Staaten, 06519
- Yale New Haven Health System
-
-
New York
-
New York, New York, Vereinigte Staaten, 10029
- Icahn School of Medicine at Mount Sinai
-
-
Texas
-
Houston, Texas, Vereinigte Staaten, 77030
- The Methodist Hospital Research Institute
-
-
Teilnahmekriterien
Zulassungskriterien
Zulassungskriterien
Studienberechtigtes Alter
Akzeptiert gesunde Freiwillige
Studienberechtigte Geschlechter
Beschreibung
Inclusion Criteria:
- Age 70 years or older
- Attending a routine outpatient primary care clinic at one of the three enrollment sites
Exclusion Criteria:
- Opted out of research studies
- Non-English speaking
- Urgent or emergent visits, defined as a visit for an illness or injury that needs attention quickly or is life-threatening
- Any echocardiogram within 12 months of clinic visit
- Prior history of moderate or severe AS
- Prior history of aortic valve replacement or repair, including transcatheter and surgical AVR with either a bioprosthetic or mechanical valve
- Presence of implantable cardiac devices, including permanent cardiac pacer, implantable cardioverter-defibrillator, or left ventricular assist device
- Prior heart transplant
- History of dementia
- Documented life expectancy of <1 year or current participation in hospice services.
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
- Hauptzweck: Diagnose
- Zuteilung: Zufällig
- Interventionsmodell: Parallele Zuordnung
- Maskierung: Verdreifachen
Anzahl der Arme
Waffen und Interventionen
Teilnehmergruppe / ArmTeilnehmergruppe / Arm |
Intervention / BehandlungIntervention / Behandlung |
|---|---|
|
Experimental: Intervention
The intervention arm will undergo sequential screening for aortic stenosis using portable 1-lead electrocardiograms (ECGs), followed by point-of-care ultrasound (POCUS), if indicated, by artificial intelligence (AI)-based risk algorithms. |
Portable 1-lead electrocardiogram (ECG) performed with the FDA-approved AliveCor KardiaMobile device. Point-of-care ultrasound performed with the FDA-approved VScan Air device. Artificial intelligence (AI) risk algorithm for aortic stenosis using a 1-lead electrocardiogram Artificial intelligence (AI) risk algorithm for aortic stenosis using cardiac ultrasound plax videos. |
|
Schein-Komparator: Control
The control arm will undergo a portable 1-lead electrocardiogram (ECG), with 10% randomly assigned to undergo point-of-care ultrasound (POCUS). |
Portable 1-lead electrocardiogram (ECG) performed with the FDA-approved AliveCor KardiaMobile device. Point-of-care ultrasound performed with the FDA-approved VScan Air device. |
Was misst die Studie?
Primäre Ergebnismessungen
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Number of participants diagnosed with advanced aortic stenosis (AS) by transthoracic echocardiogram (TTE)
Zeitfenster: Until 12 months from the baseline visit
|
The number of participants diagnosed with advanced AS by TTE at 12 months. Diagnosis of advanced AS is defined as diagnosis of moderate or severe AS as documented in the participant's electronic health record (EHR) at 12 months and adjudication of outcome via review of echocardiographic reports and videos performed by blinded members of the echocardiographic lab at the coordinating center. |
Until 12 months from the baseline visit
|
Mitarbeiter und Ermittler
Sponsor
Sponsor
Mitarbeiter
Mitarbeiter
Ermittler
Ermittler
- Hauptermittler: Rohan Khera, MD, MS, Yale University
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Tatsächlich)
Studienbeginn
Primärer Abschluss (Geschätzt)
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
Schlüsselwörter
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
Andere Studien-ID-Nummern
- 2000038634
- R01AG089981 (US NIH Stipendium/Vertrag)
Plan für individuelle Teilnehmerdaten (IPD)
Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?
Beschreibung des IPD-Plans
A de-identified dataset will be made available following publication of primary results.
Art der unterstützenden IPD-Freigabeinformationen
- STUDIENPROTOKOLL
- SAFT
- ICF
- ANALYTIC_CODE
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 .