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

Evaluation of a COVID-19 Pneumonia CXR AI Detection Algorithm

22. September 2020 aktualisiert von: Ensemble Group Holdings, LLC

Evaluation of a Chest X-Ray AI Neural Network (RadGen SARS-CoV2 Detection System) for the Detection of RT-PCR Confirmed SARS-Cov2 Covid-19 Pneumonia

This study investigates the diagnostic performance of an AI algorithm in the detection of COVID-19 pneumonia on chest radiographs.

Studienübersicht

Status

Unbekannt

Bedingungen

Intervention / Behandlung

Detaillierte Beschreibung

This is an international multi-center study. Chest radiographs (CXR) from different participating centers will be collected to develop an AI algorithm to detect COVID-19 pneumonia. This will be tested on external hold out datasets from different centers using SARS-CoV-2 by Real-Time Reverse Transcriptase-Polymerase Chain Reaction (RT-PCR) Assay as ground truth.

Studientyp

Beobachtungs

Einschreibung (Voraussichtlich)

4000

Kontakte und Standorte

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

Studienorte

  • Hongkong
      • Hong Kong, Hongkong
        • University of Hong Kong

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

18 Jahre bis 120 Jahre (Erwachsene, Älterer Erwachsener)

Akzeptiert gesunde Freiwillige

Ja

Studienberechtigte Geschlechter

Alle

Probenahmeverfahren

Nicht-Wahrscheinlichkeitsprobe

Studienpopulation

There will be three subsets of study population in this study; patients who were

  1. RT-PCR confirmed COVID-19 positive
  2. RT-PCR confirmed COVID-19 negative
  3. either had a diagnosis of pneumonia before the 1st January 2020.

Beschreibung

Inclusion Criteria:

  • All adult patients >18 years of age
  • Attended any of the participating institutes between February 1, 2020 until September, 2020
  • Underwent both RT-PCR testing and frontal CXR (within 48 hours of PCR testing) for COVID-19 infection
  • frontal CXR of patients pre-covid pandemic

Exclusion Criteria:

  • Unavailability of patient demographics and clinical data
  • Inconclusive RT-PCR results
  • CXR considered to be of non-diagnostic quality by the clinical radiology research team at each site
  • CXR not in a retrievable or processable format for AI inference

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
RT-PCR Positive Patients
RT-PCR confirmed patients positive for SARS-CoV-2
Diagnosetest: AI model
Deep Learning CNN model
Negative patients
RT-PCR confirmed patients negative for SARS-CoV-2 or patients with CXR performed before the emergence of COVID-19 pandemic
Diagnosetest: AI model
Deep Learning CNN model

Was misst die Studie?

Primäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Diagnostic Performance of AI model
Zeitfenster: 9 months
Performance (accuracy, sensitivity, specificity, false-positive rate (FPR), false-negative rate (FNR), and Area Under the Curve (AUC)) of the AI model in detection of COVID-19 pneumonia on their baseline CXR using RT-PCR and historical controls as gold standard in a multi-center / multi-national cohort.
9 months

Mitarbeiter und Ermittler

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

Sponsor

Ensemble Group Holdings, LLC

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 (Tatsächlich)

1. März 2020

Primärer Abschluss (Voraussichtlich)

30. Oktober 2020

Studienabschluss (Voraussichtlich)

31. Dezember 2020

Studienanmeldedaten

Zuerst eingereicht

22. September 2020

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

22. September 2020

Zuerst gepostet (Tatsächlich)

23. September 2020

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Tatsächlich)

24. September 2020

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

22. September 2020

Zuletzt verifiziert

1. September 2020

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Zusätzliche relevante MeSH-Bedingungen

Andere Studien-ID-Nummern

  • EN-092020

Plan für individuelle Teilnehmerdaten (IPD)

Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?

NEIN

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 Covid19

Klinische Studien zur AI model

Suchen Sie nach ähnlichen Studien

Sponsoren und Mitarbeiter

Krankheiten

Drogeninterventionen

CROs by country

CROs in Uzbekistan

Bedingungen

Seltene Krankheiten

Drogeninterventionen

Nahrungsergänzungsmittel

Sponsor / Mitarbeiter

Standorte

Abonnieren