Diese Seite wurde automatisch übersetzt und die Genauigkeit der Übersetzung wird nicht garantiert. Bitte wende dich an die englische Version für einen Quelltext.

CT-Biomarker-Identifizierung durch künstliche Intelligenz für die COVID-19-Prognose (COVID 19-IA)

7. März 2025 aktualisiert von: Centre Hospitalier Universitaire de Nīmes

Identifizierung von Thorax-CT-Scan-Biomarkern durch Deep Learning zur Bewertung der Prognose von Patienten mit COVID-19-Krankheit

Die Studienhypothese lautet, dass die Niedrigdosis-Computertomographie (LDCT) in Verbindung mit künstlicher Intelligenz durch Deep Learning bildgebende Biomarker erzeugen würde, die mit der kurz- und mittelfristigen Prognose des Patienten in Verbindung stehen.

Ziel dieser Studie ist es, schnell eine frühzeitige Entscheidungshilfe (ab der ersten Krankenhauskonsultation des Patienten mit Symptomen im Zusammenhang mit SARS-CoV-2) auf der Grundlage der Integration mehrerer Biomarker (klinisch, biologisch, thorakale Bildgebung) zur Verfügung zu stellen Scanner), was sowohl eine personalisierte Medizin als auch eine bessere Antizipation der Entwicklung des Patienten in Bezug auf die Pflegeorganisation ermöglicht.

Studienübersicht

Status

Zurückgezogen

Bedingungen

Intervention / Behandlung

Studientyp

Beobachtungs

Kontakte und Standorte

Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.

Studienorte

  • Frankreich
      • Marseille, Frankreich
        • CHU La Timone
      • Montpellier, Frankreich
        • CHU Montpellier
      • Nîmes, Frankreich
        • CHU de Nîmes
      • Poitiers, Frankreich
        • CHU Poitiers
      • Strasbourg, Frankreich
        • CHU Strasbourg
  • Martinique
      • Fort-de-France, Martinique
        • CHU Martinique

Teilnahmekriterien

Forscher suchen nach Personen, die einer bestimmten Beschreibung entsprechen, die als Auswahlkriterien bezeichnet werden. Einige Beispiele für diese Kriterien sind der allgemeine Gesundheitszustand einer Person oder frühere Behandlungen.

Zulassungskriterien

Studienberechtigtes Alter

  • Kind
  • Erwachsene
  • Älterer Erwachsener

Akzeptiert gesunde Freiwillige

Nein

Probenahmeverfahren

Nicht-Wahrscheinlichkeitsprobe

Studienpopulation

Patienten, die wegen Covid-19 ins Krankenhaus eingeliefert wurden, bestätigt durch RT-PCR und einem CT-Scan

Beschreibung

Einschlusskriterien:

  • Patienten, die laut RT-PCR-Test zwischen dem 1. März und dem 31. Mai 2020 positiv für SARS-CoV-2 sind
  • Patienten, die sich einer Niedrigdosis-CT-Untersuchung unterziehen, um eine Covid-19-Lungenschädigung festzustellen
  • Verfügbar für mindestens 8 Tage Follow-up

Ausschlusskriterien:

• Patienten, die sich der rückwirkenden Nutzung ihrer Daten widersetzen

Studienplan

Dieser Abschnitt enthält Einzelheiten zum Studienplan, einschließlich des Studiendesigns und der Messung der Studieninhalte.

Wie ist die Studie aufgebaut?

Designdetails

Kohorten und Interventionen

Gruppe / Kohorte
Intervention / Behandlung
Patienten positiv für SARS-CoV-2
Diagnosetest: Bildgebung durch Thoraxscanner
Niedrigdosis-Computertomographie

Was misst die Studie?

Primäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Körperliche Verfassung
Zeitfenster: Tag 8
Tot lebendig
Tag 8
Patient, der mehr als 3 Liter Sauerstoff benötigt, um eine Sättigung von >95 % aufrechtzuerhalten (Intensivstation oder Reanimationsabteilung)
Zeitfenster: Tag 8
Ja Nein
Tag 8
Prozentsatz der betroffenen Lunge im CT
Zeitfenster: Tag 0
% Mattglas und Kondensation, berechnet durch Deep Learning
Tag 0
Prozentsatz der Lunge, die beim Scan von Milchglastrübung betroffen ist
Zeitfenster: Tag 0
% berechnet durch Deep Learning
Tag 0
Prozentsatz der Lunge, die beim Scan von Kondensation betroffen ist
Zeitfenster: Tag 0
% berechnet durch Deep Learning
Tag 0

Sekundäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Körperliche Verfassung
Zeitfenster: Tag 16
Tot lebendig
Tag 16
Körperliche Verfassung
Zeitfenster: Tag 30
Tot lebendig
Tag 30
Länge des Krankenhausaufenthalts
Zeitfenster: Maximal 30 Tage
Tage
Maximal 30 Tage
Rehospitalisierung
Zeitfenster: Tag 30
Ja Nein
Tag 30
Dauer der Intubation
Zeitfenster: Tag 30
Tage
Tag 30
Prozentsatz der betroffenen Lunge im CT
Zeitfenster: Tag 16
% Mattglas und Kondensation, berechnet durch Deep Learning
Tag 16
Prozentsatz der Lunge, die beim Scan von Milchglastrübung betroffen ist
Zeitfenster: Tag 16
% berechnet durch Deep Learning
Tag 16
Prozentsatz der Lunge, die beim Scan von Kondensation betroffen ist
Zeitfenster: Tag 16
% berechnet durch Deep Learning
Tag 16
Betriebszeit der Software
Zeitfenster: Studienende (August 2020)
Geschwindigkeit des Bildladens und der Bildverarbeitung abhängig von der Scannermarke
Studienende (August 2020)
C-reaktive Proteinspiegel
Zeitfenster: Aufnahmetag 0
mg/L
Aufnahmetag 0
Laktatdehydrogenase
Zeitfenster: Aufnahmetag 0
U/L
Aufnahmetag 0
Lymphozytenämie
Zeitfenster: Aufnahmetag 0
g/L
Aufnahmetag 0
D-Dimer-Niveau
Zeitfenster: Aufnahmetag 0
µg/l
Aufnahmetag 0
Zeit bis zum Auftreten der Symptome
Zeitfenster: Aufnahmetag 0
Tage
Aufnahmetag 0
Zeit zwischen positiven RT-PCR-Ergebnissen und dem ersten Scan
Zeitfenster: Aufnahmetag 0
Std
Aufnahmetag 0
Alter
Zeitfenster: Aufnahmetag 0
Jahre
Aufnahmetag 0
BMI > 30
Zeitfenster: Aufnahmetag 0
Ja Nein:
Aufnahmetag 0
Krankengeschichte von Herz-Kreislauf-Erkrankungen
Zeitfenster: Aufnahmetag 0
Ja/nein: Bluthochdruck, koronare Herzkrankheit, dekompensierte Herzinsuffizienz, Herzrhythmusstörungen
Aufnahmetag 0
Diabetes
Zeitfenster: Aufnahmetag 0
Ja Nein
Aufnahmetag 0
Krankengeschichte von Atemwegserkrankungen
Zeitfenster: Aufnahmetag 0
Ja/Nein: Chronisch obstruktive Lungenerkrankung, chronische Ateminsuffizienz
Aufnahmetag 0
Anamnese eines immunsupprimierten Zustands
Zeitfenster: Aufnahmetag 0
Ja/Nein: Verwendung von Steroiden, vorbestehende immunologische Erkrankung, aktuelle Chemotherapie gegen Krebs
Aufnahmetag 0
Aktuelles oder früheres Rauchen
Zeitfenster: Aufnahmetag 0
Ja Nein:
Aufnahmetag 0
Berechnen Sie einen prognostischen Score aus klinischen, biologischen und CT-Parametern
Zeitfenster: Tag 8
Deep-Learning-Algorithmus
Tag 8
Berechnen Sie einen prognostischen Score nur aus klinischen und biologischen Parametern
Zeitfenster: Tag 8
Deep-Learning-Algorithmus
Tag 8
Vergleichen Sie Empfänger-Betriebskurven prognostischer Scores mit und ohne CT-Parameter
Zeitfenster: Tag 8
Tag 8

Mitarbeiter und Ermittler

Hier finden Sie Personen und Organisationen, die an dieser Studie beteiligt sind.

Sponsor

Centre Hospitalier Universitaire de Nīmes

Ermittler

  • Hauptermittler: Julien Frandon, CHU Nîmes

Studienaufzeichnungsdaten

Diese Daten verfolgen den Fortschritt der Übermittlung von Studienaufzeichnungen und zusammenfassenden Ergebnissen an ClinicalTrials.gov. Studienaufzeichnungen und gemeldete Ergebnisse werden von der National Library of Medicine (NLM) überprüft, um sicherzustellen, dass sie bestimmten Qualitätskontrollstandards entsprechen, bevor sie auf der öffentlichen Website veröffentlicht werden.

Haupttermine studieren

Studienbeginn (Geschätzt)

1. März 2020

Primärer Abschluss (Geschätzt)

1. September 2021

Studienabschluss (Geschätzt)

1. September 2021

Studienanmeldedaten

Zuerst eingereicht

4. Juni 2020

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

4. Juni 2020

Zuerst gepostet (Tatsächlich)

5. Juni 2020

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Tatsächlich)

25. März 2025

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

7. März 2025

Zuletzt verifiziert

1. März 2025

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Schlüsselwörter

Zusätzliche relevante MeSH-Bedingungen

Andere Studien-ID-Nummern

  • NIMAO/2020/COVID 19-IA/JF-01

Arzneimittel- und Geräteinformationen, Studienunterlagen

Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt

Nein

Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt

Nein

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 .

Klinische Studien zur Covid-19

Suchen Sie nach ähnlichen Studien

Sponsoren und Mitarbeiter

Krankheiten

Drogeninterventionen

CROs by country

CROs in Jordan

Bedingungen

Seltene Krankheiten

Drogeninterventionen

Nahrungsergänzungsmittel

Sponsor / Mitarbeiter

Standorte

Abonnieren