- ICH GCP
- US-Register für klinische Studien
- Klinische Studie NCT05175690
Bewertung des AudibleHealth Dx AI/ML-basierten Dx SaMD unter Verwendung von FCV-SDS bei der Diagnose von COVID-19-Erkrankungen
Bewertung der auf künstlicher Intelligenz/maschinellem Lernen basierenden Diagnosesoftware als medizinisches Gerät unter Verwendung von Signaldatensignaturen für forcierten Husten bei der Diagnose einer COVID-19-Erkrankung
AudibleHealth Dx ist eine Diagnosesoftware als medizinisches Gerät (Dx SaMD), die aus einem Ensemble von Software-Subroutinen besteht, die mit einer proprietären Datenbank von Signaldatensignaturen (SDS) interagieren und künstliche Intelligenz/maschinelles Lernen (AI/ML) zur Analyse von Zwangsstörungen verwenden Datensignaturen von Hustenvokalisationssignalen (FCV-SDS) für diagnostische Zwecke.
In dieser Studie wird die Leistung des AudibleHealth Dx im Vergleich zu einem Standardtest der reversen Transkriptase-Polymerase-Kettenreaktion (RT-PCR) für die Diagnose von COVID-19 bewertet. Die bidirektionale Sanger-Sequenzierung wird verwendet, um die Rate falsch negativer und falsch positiver Ergebnisse zu reduzieren.
Ein sekundärer Zweck der Studie wird das Testen der Benutzerfreundlichkeit des Geräts für Teilnehmer und Anbieter sein.
Studienübersicht
Status
Bedingungen
Intervention / Behandlung
Detaillierte Beschreibung
Die Studie ist eine prospektive Nichtunterlegenheitsstudie an mehreren Standorten, in der AudibleHealth Dx mit von der Notfallgenehmigung (EUA) genehmigten COVID-19 RT-PCR-Tests verglichen wird, um die Nichtunterlegenheit von PPA und NPA bei der Verwendung dieses Geräts zur Diagnose von COVID zu demonstrieren -19 Krankheit. Der AudibleHealth Dx-Test, der „Xpert Xpress SARS-CoV-2 RT-PCR“-Test (Markenname) und die bidirektionale Sanger-Sequenzierung werden für jeden Teilnehmer während einer einzigen Begegnung durchgeführt. Teilnehmer und Mitarbeiter sind zum Zeitpunkt des Tests gegenüber AudibleHealth Dx-Ergebnissen und dem RT-PCR-Status blind. Niemand wird beide Ergebnisse in Echtzeit kennen, außer den Standortkoordinatoren und unverblindeten Statistikern, die speziell autorisiert sind, diese Ergebnisse für Registrierungs-, Audit-, Datenverfolgungs- und Datenzusammenstellungszwecke zu haben. Die Entblindung der Ergebnisse erfolgt, nachdem die AudibleHealth Dx-, RT-PCR- und Variantensequenzierungsergebnisse erhalten wurden. Die Ergebnisse des RT-PCR-Tests werden dem Teilnehmer gemäß dem Protokoll des klinischen Zentrums übermittelt. Die Ergebnisse der Variantensequenzierung werden von jedem Standort gemäß seinem Protokoll gehandhabt.
Zielrekrutierung für diese Studie sind 65 positive COVID-19-Fälle und 247 negative COVID-19-Fälle, wobei eine Prävalenz von 0,17 für insgesamt 312 Probanden angenommen wird, die alle Einschlusskriterien erfüllen.
Studientyp
Einschreibung (Tatsächlich)
Kontakte und Standorte
Studienorte
-
-
Florida
-
Tampa, Florida, Vereinigte Staaten, 33612
- University of South Florida
-
-
Teilnahmekriterien
Zulassungskriterien
Studienberechtigtes Alter
Akzeptiert gesunde Freiwillige
Studienberechtigte Geschlechter
Probenahmeverfahren
Studienpopulation
Beschreibung
Einschlusskriterien:
- Männlich oder weiblich, 18 Jahre oder älter
- Anwesend für elektive, ambulante COVID-19 RT-PCR-Tests
- Erfüllen Sie die von der FDA EUA genehmigten Indikationen für die Verwendung des RT-PCR-Nasenabstrichtests für COVID-19
- Erklärte Bereitschaft, alle Prüfungsverfahren einzuhalten, und Verfügbarkeit für die Dauer der Prüfung
- Vor dem Test muss eine informierte Zustimmung eingeholt werden
Ausschlusskriterien:
- Unter 18 Jahren
- Kann nicht freiwillig husten
- Präsentieren Sie sich mit einer akuten traumatischen Verletzung an Kopf, Hals, Rachen, Brust, Bauch oder Rumpf
- Offenes Tracheostomie-Stoma
- Kürzlich erlittenes Thorax-/Abdomen-/Rumpftrauma oder Operation, kürzlich aufgetretene/anhaltende neurovaskuläre Verletzung oder kürzlich durchgeführte intrakranielle Operation
- Anamnese von Siebblattverletzung oder Siebblattoperation, Zwerchfellhernie, externe Hals-/Hals-/Kiefergesichtsbestrahlung, Zwerchfellverletzung/Lähmung, radikale Hals-/Hals-/Kiefergesichtschirurgie, Stimmbandtrauma oder Knötchen
- Da Personen mit Aphasie möglicherweise Schwierigkeiten haben, ein FCV-SDS in der von der App vorgegebenen Zeit zu erstellen, wird diese Population ebenfalls von der aktuellen Studie ausgeschlossen
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
Kohorten und Interventionen
Gruppe / Kohorte |
Intervention / Behandlung |
|---|---|
|
Versuchspopulation
Die Studienpopulation wird aus Erwachsenen rekrutiert, die sich für elektive, ambulante COVID-19-Tests in einem einzigen Zentrum vorstellen, möglicherweise mit mehreren Teststandorten (vorbehaltlich lokaler Anforderungen zum Zeitpunkt der Studie).
Das Prüfgerät wird den Teilnehmern über ein Mobiltelefon zur Verfügung gestellt, auf dem die Standardsoftware des Originalgeräteherstellers (COTS OEM) und das Prüfprogramm Dx SaMD vorinstalliert sind.
Das Prüfgerät wird während einer einzigen Begegnung bewertet, bei der ein FCV-SDS gesammelt wird.
An dieser Studie sind keine Folgebesuche oder Teilnehmerkontakte beteiligt.
|
AudibleHealth Dx ist ein Prüf-Dx-SaMD, das aus einem Ensemble von Software-Subroutinen besteht, das mit einer proprietären Datenbank von Signaldatensignaturen (SDS) interagiert, die künstliche Intelligenz/maschinelles Lernen (AI/ML) verwendet, um Signaldatensignaturen für erzwungene Hustenvokalisation (FCV-SDS) zu analysieren ) für diagnostische Zwecke. Die bestimmungsgemäße Verwendung für das AudibleHealth Dx AI/ML-basierte Dx SaMD mit FCV-SDS ist die Diagnose akuter und chronischer Krankheiten. AudibleHealth Dx ist eine Cloud-basierte AI/ML (locked ML) Diagnosesoftware als medizinisches Gerät (Dx SaMD) mit einer auf einer mobilen App basierenden grafischen Benutzeroberfläche (GUI), die für den Betrieb mit COTS Android Operating System (OS) und Apple OS entwickelt wurde mobile Geräte. Das AudibleHealth Dx-System verwendet eine Signaldatensignatur (SDS) zur forcierten Hustenvokalisation (FCV), um die COVID-19-Erkrankung bei ambulanten Erwachsenen zu diagnostizieren. Die Ergebnisse werden unter Verwendung von Kommunikationsprotokollen, die mit Gesundheitsstufe 7 (HL7) konform sind, an die anordnenden Ärzte, staatlichen Gesundheitsämter und Teilnehmer gesendet.
Andere Namen:
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Nicht-Unterlegenheit der positiven prozentualen Übereinstimmung (PPA)
Zeitfenster: Die Teilnehmer werden eine einzelne Begegnung haben, die weniger als eine Stunde dauert; voraussichtliche Studiendauer beträgt 6 Wochen. Zielregistrierung ist 65 positive und 247 negative Teilnehmer. (Zwischenanalyse wird zur Halbzeit durchgeführt.)
|
Nachweis der Nichtunterlegenheit der positiven prozentualen Übereinstimmung (PPA) des AudibleHealth Dx im Vergleich zu einem von der EUA genehmigten COVID-19 RT-PCR-Test (insbesondere dem Xpert Xpress SARS-CoV-2 RT-PCR-Test für die Diagnose von COVID-19 Erkrankung.)
|
Die Teilnehmer werden eine einzelne Begegnung haben, die weniger als eine Stunde dauert; voraussichtliche Studiendauer beträgt 6 Wochen. Zielregistrierung ist 65 positive und 247 negative Teilnehmer. (Zwischenanalyse wird zur Halbzeit durchgeführt.)
|
|
Nichtunterlegenheit der negativen prozentualen Übereinstimmung (NPA)
Zeitfenster: Die Teilnehmer werden eine einzelne Begegnung haben, die weniger als eine Stunde dauert; voraussichtliche Studiendauer beträgt 6 Wochen. Zielregistrierung ist 65 positive und 247 negative Teilnehmer. (Zwischenanalyse wird zur Halbzeit durchgeführt.)
|
Nachweis der Nichtunterlegenheit der negativen prozentualen Übereinstimmung (NPA) des AudibleHealth Dx im Vergleich zu von der EUA genehmigten COVID-19 RT-PCR-Tests (insbesondere dem Xpert Xpress SARS-CoV-2 RT-PCR-Test für die Diagnose von COVID-19 Erkrankung.)
|
Die Teilnehmer werden eine einzelne Begegnung haben, die weniger als eine Stunde dauert; voraussichtliche Studiendauer beträgt 6 Wochen. Zielregistrierung ist 65 positive und 247 negative Teilnehmer. (Zwischenanalyse wird zur Halbzeit durchgeführt.)
|
Mitarbeiter und Ermittler
Publikationen und hilfreiche Links
Allgemeine Veröffentlichungen
- Amoh J, Odame K. Deep Neural Networks for Identifying Cough Sounds. IEEE Trans Biomed Circuits Syst. 2016 Oct;10(5):1003-1011. doi: 10.1109/TBCAS.2016.2598794. Epub 2016 Sep 16.
- Arevalo-Rodriguez I, Buitrago-Garcia D, Simancas-Racines D, Zambrano-Achig P, Del Campo R, Ciapponi A, Sued O, Martinez-Garcia L, Rutjes AW, Low N, Bossuyt PM, Perez-Molina JA, Zamora J. False-negative results of initial RT-PCR assays for COVID-19: A systematic review. PLoS One. 2020 Dec 10;15(12):e0242958. doi: 10.1371/journal.pone.0242958. eCollection 2020.
- Assandri R, Canetta C, Vigano G, Buscarini E, Scartabellati A, Montanelli A. Laboratory markers included in the Corona Score can identify false negative results on COVID-19 RT-PCR in the emergency room. Biochem Med (Zagreb). 2020 Oct 15;30(3):030402. doi: 10.11613/BM.2020.030402. Epub 2020 Aug 5.
- Bahreini F, Najafi R, Amini R, Khazaei S, Bashirian S. Reducing False Negative PCR Test for COVID-19. Int J MCH AIDS. 2020;9(3):408-410. doi: 10.21106/ijma.421. Epub 2020 Oct 8.
- Chaimayo C, Kaewnaphan B, Tanlieng N, Athipanyasilp N, Sirijatuphat R, Chayakulkeeree M, Angkasekwinai N, Sutthent R, Puangpunngam N, Tharmviboonsri T, Pongraweewan O, Chuthapisith S, Sirivatanauksorn Y, Kantakamalakul W, Horthongkham N. Rapid SARS-CoV-2 antigen detection assay in comparison with real-time RT-PCR assay for laboratory diagnosis of COVID-19 in Thailand. Virol J. 2020 Nov 13;17(1):177. doi: 10.1186/s12985-020-01452-5.
- Chen YH, DeMets DL, Lan KK. Increasing the sample size when the unblinded interim result is promising. Stat Med. 2004 Apr 15;23(7):1023-38. doi: 10.1002/sim.1688.
- Imran A, Posokhova I, Qureshi HN, Masood U, Riaz MS, Ali K, John CN, Hussain MI, Nabeel M. AI4COVID-19: AI enabled preliminary diagnosis for COVID-19 from cough samples via an app. Inform Med Unlocked. 2020;20:100378. doi: 10.1016/j.imu.2020.100378. Epub 2020 Jun 26.
- Katz AP, Civantos FJ, Sargi Z, Leibowitz JM, Nicolli EA, Weed D, Moskovitz AE, Civantos AM, Andrews DM, Martinez O, Thomas GR. False-positive reverse transcriptase polymerase chain reaction screening for SARS-CoV-2 in the setting of urgent head and neck surgery and otolaryngologic emergencies during the pandemic: Clinical implications. Head Neck. 2020 Jul;42(7):1621-1628. doi: 10.1002/hed.26317. Epub 2020 Jun 12.
- Khomsay, S., Vanijjirattikhan, R., & Suwatthikul, J. (2019). Cough detection using PCA and Deep Learning. Paper presented at the 2019 International Conference on Information and Communication Technology Convergence (ICTC)
- Kosasih K, Abeyratne UR, Swarnkar V, Triasih R. Wavelet augmented cough analysis for rapid childhood pneumonia diagnosis. IEEE Trans Biomed Eng. 2015 Apr;62(4):1185-94. doi: 10.1109/TBME.2014.2381214. Epub 2014 Dec 18.
- Krizhevsky, A., Sutskever, I., & Hinton, G. E. (2012). Imagenet classification with deep convolutional neural networks. Advances in neural information processing systems, 25, 1097-1105.
- Kucirka LM, Lauer SA, Laeyendecker O, Boon D, Lessler J. Variation in False-Negative Rate of Reverse Transcriptase Polymerase Chain Reaction-Based SARS-CoV-2 Tests by Time Since Exposure. Ann Intern Med. 2020 Aug 18;173(4):262-267. doi: 10.7326/M20-1495. Epub 2020 May 13.
- Laguarta J, Hueto F, Subirana B. COVID-19 Artificial Intelligence Diagnosis Using Only Cough Recordings. IEEE Open J Eng Med Biol. 2020 Sep 29;1:275-281. doi: 10.1109/OJEMB.2020.3026928. eCollection 2020.
- Liu JM, You M, Wang Z, Li GZ, Xu X, Qiu Z. Cough event classification by pretrained deep neural network. BMC Med Inform Decis Mak. 2015;15 Suppl 4(Suppl 4):S2. doi: 10.1186/1472-6947-15-S4-S2. Epub 2015 Nov 25.
- Mehta CR, Pocock SJ. Adaptive increase in sample size when interim results are promising: a practical guide with examples. Stat Med. 2011 Dec 10;30(28):3267-84. doi: 10.1002/sim.4102. Epub 2010 Nov 30.
- Moore NM, Li H, Schejbal D, Lindsley J, Hayden MK. Comparison of Two Commercial Molecular Tests and a Laboratory-Developed Modification of the CDC 2019-nCoV Reverse Transcriptase PCR Assay for the Detection of SARS-CoV-2. J Clin Microbiol. 2020 Jul 23;58(8):e00938-20. doi: 10.1128/JCM.00938-20. Print 2020 Jul 23.
- Nemati E, Rahman MM, Nathan V, Vatanparvar K, Kuang J. A Comprehensive Approach for Classification of the Cough Type. Annu Int Conf IEEE Eng Med Biol Soc. 2020 Jul;2020:208-212. doi: 10.1109/EMBC44109.2020.9175345.
- Sharan RV, Abeyratne UR, Swarnkar VR, Porter P. Automatic Croup Diagnosis Using Cough Sound Recognition. IEEE Trans Biomed Eng. 2019 Feb;66(2):485-495. doi: 10.1109/TBME.2018.2849502. Epub 2018 Jun 21. Erratum In: IEEE Trans Biomed Eng. 2019 May;66(5):1491.
- Yu F, Yan L, Wang N, Yang S, Wang L, Tang Y, Gao G, Wang S, Ma C, Xie R, Wang F, Tan C, Zhu L, Guo Y, Zhang F. Quantitative Detection and Viral Load Analysis of SARS-CoV-2 in Infected Patients. Clin Infect Dis. 2020 Jul 28;71(15):793-798. doi: 10.1093/cid/ciaa345.
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (TATSÄCHLICH)
Primärer Abschluss (TATSÄCHLICH)
Studienabschluss (TATSÄCHLICH)
Studienanmeldedaten
Zuerst eingereicht
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst gepostet (TATSÄCHLICH)
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (TATSÄCHLICH)
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Zuletzt verifiziert
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Schlüsselwörter
- SARS-CoV-2
- Coronavirus Krankheit 2019
- Künstliche Intelligenz
- Wiederkehrendes neuronales Netzwerk
- KI
- SARS-CoV-2-Infektion
- 2019 Neuartige Coronavirus-Krankheit
- Maschinelles Lernen
- Omikron
- FCV
- SDB
- Covid-19 Pandemie
- Delta
- FCV-SDS
- Signaldatensignatur
- Forcierte Hustenvokalisation
- DxSaMD
- SaMD
- Diagnosesoftware als Medizinprodukt
- Software als Medizinprodukt
- KI/ML
- Faltungsneuronales Netzwerk
- ML
- Coronavirus-Krankheit-19
- COVID-19-Virusinfektion
- 2019-nCoV-Krankheit
- 2019-nCoV-Infektion
- COVID-19-Viruskrankheit
- 2019 neuartige Coronavirus-Infektion
- COVID-19 Pandemien
- SARS-Coronavirus 2-Infektion
- Schweres akutes respiratorisches Syndrom Coronavirus 2-Infektion
- Klassifikator
- CNN
- RNN
- Orakel
- Ensemble
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
- Pro00057996
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 .
Klinische Studien zur COVID-19
-
Anavasi DiagnosticsNoch keine Rekrutierung
-
Ain Shams UniversityRekrutierung
-
Israel Institute for Biological Research (IIBR)Abgeschlossen
-
Hospital do CoracaoAbgeschlossen
-
Colgate PalmoliveAbgeschlossenCovid19Vereinigte Staaten
-
Christian von BuchwaldAbgeschlossen
-
Luye Pharma Group Ltd.Shandong Boan Biotechnology Co., LtdAktiv, nicht rekrutierend
-
University of ZurichLabor Speiz; Swiss Armed Forces; Universitatsspital ZurichAnmeldung auf Einladung
-
Alexandria UniversityAbgeschlossen
-
Henry Ford Health SystemAbgeschlossen
Klinische Studien zur Diagnosesoftware als Medizinprodukt
-
Haukeland University HospitalAbgeschlossenKoronare HerzerkrankungNorwegen
-
metaMe HealthAbgeschlossenReizdarmsyndromVereinigte Staaten