- ICH GCP
- US-Register für klinische Studien
- Klinische Studie NCT05725187
Prospektive Validierungsstudie eines KI-basierten Vorhersagealgorithmus zur Vorhersage von paroxysmalem Vorhofflimmern (PROVISION-AF)
Prospektive Validierungsstudie eines auf künstlicher Intelligenz basierenden Vorhersagealgorithmus zur Vorhersage von paroxysmalem Vorhofflimmern
Studienübersicht
Status
Bedingungen
Intervention / Behandlung
Detaillierte Beschreibung
Studientyp
Einschreibung (Geschätzt)
Kontakte und Standorte
Studienorte
-
-
-
Chungbuk, Korea, Republik von, 28644
- Chungbuk National University Hospital
-
Gwangju, Korea, Republik von, 61469
- Chonnam National University Hospital
-
Gyeonggi-do, Korea, Republik von, 16995
- Yongin Severance Hospital
-
Incheon, Korea, Republik von, 21565
- Gachon University Gil Medical Center
-
Seoul, Korea, Republik von, 02447
- Kyung Hee University Hospital
-
Seoul, Korea, Republik von, 02841
- Korea University Anam Hospital
-
Seoul, Korea, Republik von, 06973
- Chung-Ang University Hospital
-
Seoul, Korea, Republik von, 07985
- Ewha Womans University Mokdong Hospital
-
Seoul, Korea, Republik von, 04763
- Hanyang University Seoul Hospital
-
Seoul, Korea, Republik von, 08308
- Korea University Guro Hospital
-
Seoul, Korea, Republik von, 07804
- Ewha Womans University Seoul Hospital
-
-
Teilnahmekriterien
Zulassungskriterien
Studienberechtigtes Alter
Akzeptiert gesunde Freiwillige
Probenahmeverfahren
Studienpopulation
Beschreibung
Einschlusskriterien:
- Die Teilnehmer müssen über 20 Jahre alt sein
- Teilnehmer sind Patienten mit Arrhythmie-Symptomen, die eine Ambulanz besucht haben oder ins Krankenhaus eingeliefert wurden
Ausschlusskriterien:
- Ausgenommen Patienten mit implantierbaren elektronischen Herzgeräten wie Herzschrittmachern, implantierbaren Defibrillatoren (ICD) oder kardialer Resynchronisationstherapie (CRT).
- Ausgenommen schwangere Frauen und stillende Frauen.
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
Kohorten und Interventionen
Gruppe / Kohorte |
Intervention / Behandlung |
|---|---|
|
Niedrigrisikogruppe für paroxysmales Vorhofflimmern
Die betroffenen Patienten sind über 20 Jahre alt und werden in unserem Krankenhaus oder ambulante Patienten mit Arrhythmie-Symptomen nach der Genehmigung der klinischen Forschung stationär aufgenommen.
Das Sinusrhythmus-Elektrokardiogramm zum Zeitpunkt der Teilnahme des Patienten an der Studie wird in den Vorhersagealgorithmus der künstlichen Intelligenz eingegeben, und die Ergebnisse der Risikostratifizierung werden verblindet und weder dem Forschungsleiter noch den Probanden mitgeteilt.
Für die Gruppe mit niedrigem Risiko wird nach dem Anbringen des tragbaren Elektrokardiogramms an der Testperson das eine Woche später aufgezeichnete Elektrokardiogramm analysiert, um das Auftreten von Vorhofflimmern zu bestätigen.
|
Es ist ein 9,2 g tragbares Elektrokardiogrammgerät, mobiCARE, in Form eines Pflasters, und der Modellname ist MC200M.
|
|
Hochrisikogruppe für paroxysmales Vorhofflimmern
Die betroffenen Patienten sind über 20 Jahre alt und werden in unserem Krankenhaus oder ambulante Patienten mit Arrhythmie-Symptomen nach der Genehmigung der klinischen Forschung stationär aufgenommen.
Das Sinusrhythmus-Elektrokardiogramm zum Zeitpunkt der Teilnahme des Patienten an der Studie wird in den Vorhersagealgorithmus der künstlichen Intelligenz eingegeben, und die Ergebnisse der Risikostratifizierung werden verblindet und weder dem Forschungsleiter noch den Probanden mitgeteilt.
Für die Gruppe mit hohem Risiko wird nach dem Anbringen des tragbaren Elektrokardiogramms an der Testperson das eine Woche später aufgezeichnete Elektrokardiogramm analysiert, um das Auftreten von Vorhofflimmern zu bestätigen.
|
Es ist ein 9,2 g tragbares Elektrokardiogrammgerät, mobiCARE, in Form eines Pflasters, und der Modellname ist MC200M.
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Auftreten von paroxysmalem Vorhofflimmern
Zeitfenster: 1 Woche
|
Der KI-Vorhersagealgorithmus klassifiziert Patienten in Hochrisiko- und Niedrigrisikokategorien zur Vorhersage von paroxysmalem Vorhofflimmern innerhalb einer Woche, basierend auf EKG-Aufzeichnungen von Patienten mit normalem Sinusrhythmus.
Die Genauigkeit der Vorhersage wird durch die Verwendung eines tragbaren Geräts bewertet, das das Auftreten von paroxysmalem Vorhofflimmern im Laufe einer Woche aufzeichnet.
|
1 Woche
|
Sekundäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Leistungsüberprüfung des KI-Vorhersagemodells
Zeitfenster: 1 Woche
|
Der Vorhersagealgorithmus der künstlichen Intelligenz kategorisiert Patienten in Hochrisiko- und Niedrigrisikogruppen, wenn er paroxysmales Vorhofflimmern innerhalb einer Woche auf der Grundlage normaler Sinusrhythmus-EKG-Daten vorhersagt.
Die Leistung des KI-Vorhersagealgorithmus wird auf der Grundlage der Daten beurteilt, die aus dem primären Endpunkt gewonnen wurden. Dazu gehört die Bestätigung, ob Vorhofflimmern durch eine einwöchige Verwendung eines tragbaren Geräts aufgezeichnet wurde.
Wir werden die Wirksamkeit des Algorithmus messen, indem wir seine Vorhersagefähigkeiten bewerten, einschließlich Sensitivität, Spezifität, positiver Vorhersagerate, negativer Vorhersagerate und dem F1-Score.
|
1 Woche
|
Andere Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Vorhersagefähigkeiten des KI-Vorhersagemodells im Vergleich zu erfahrenen Kardiologen
Zeitfenster: 10 Minuten
|
Die Vorhersagefähigkeiten des Vorhersagealgorithmus der künstlichen Intelligenz bei der Risikostratifizierung werden mit der Risikostratifizierungskompetenz der Experten verglichen. Jeder Experte muss einen Fragebogen mit 30 EKGs beantworten, um ihn als „Hochrisiko“ oder „Niedrigrisiko“ einzustufen. Der Fragebogen besteht aus drei Komponenten: Q1. Vorhersage des Risikos für Vorhofflimmern/-flattern basierend auf dem 12-Kanal-EKG mit normalem Sinusrhythmus und den klinischen Daten des Teilnehmers (Alter, Geschlecht, Komorbiditäten, Laborergebnis, EHRA-Symptom-Score usw.). Das Laborergebnis könnte BUN/Cr, eGFR, Leberfunktionstest und Lipidprofiltest umfassen. Q2. Zur Identifizierung von Vorhofflimmern/-flattern ist ein weiterer Plan erforderlich. Q3. Entscheidender Beweis für die Vorhersage des Risikos von Vorhofflimmern/-flattern. Der Nachweis könnte ein 12-Kanal-EKG mit normalem Sinusrhythmus oder klinische Daten des Teilnehmers umfassen. |
10 Minuten
|
Mitarbeiter und Ermittler
Mitarbeiter
Ermittler
- Studienleiter: Sumi Jung, Ewha Womans University Mokdong Hospital
Publikationen und hilfreiche Links
Allgemeine Veröffentlichungen
- Attia ZI, Noseworthy PA, Lopez-Jimenez F, Asirvatham SJ, Deshmukh AJ, Gersh BJ, Carter RE, Yao X, Rabinstein AA, Erickson BJ, Kapa S, Friedman PA. An artificial intelligence-enabled ECG algorithm for the identification of patients with atrial fibrillation during sinus rhythm: a retrospective analysis of outcome prediction. Lancet. 2019 Sep 7;394(10201):861-867. doi: 10.1016/S0140-6736(19)31721-0. Epub 2019 Aug 1.
- Willems S, Borof K, Brandes A, Breithardt G, Camm AJ, Crijns HJGM, Eckardt L, Gessler N, Goette A, Haegeli LM, Heidbuchel H, Kautzner J, Ng GA, Schnabel RB, Suling A, Szumowski L, Themistoclakis S, Vardas P, van Gelder IC, Wegscheider K, Kirchhof P. Systematic, early rhythm control strategy for atrial fibrillation in patients with or without symptoms: the EAST-AFNET 4 trial. Eur Heart J. 2022 Mar 21;43(12):1219-1230. doi: 10.1093/eurheartj/ehab593.
- Park J, Shim J, Lee JM, Park JK, Heo J, Chang Y, Song TJ, Kim DH, Lee HA, Yu HT, Kim TH, Uhm JS, Kim YD, Nam HS, Joung B, Lee MH, Heo JH, Pak HN; RAFAS Investigators*. Risks and Benefits of Early Rhythm Control in Patients With Acute Strokes and Atrial Fibrillation: A Multicenter, Prospective, Randomized Study (the RAFAS Trial). J Am Heart Assoc. 2022 Feb;11(3):e023391. doi: 10.1161/JAHA.121.023391. Epub 2022 Jan 19.
- Noseworthy PA, Attia ZI, Behnken EM, Giblon RE, Bews KA, Liu S, Gosse TA, Linn ZD, Deng Y, Yin J, Gersh BJ, Graff-Radford J, Rabinstein AA, Siontis KC, Friedman PA, Yao X. Artificial intelligence-guided screening for atrial fibrillation using electrocardiogram during sinus rhythm: a prospective non-randomised interventional trial. Lancet. 2022 Oct 8;400(10359):1206-1212. doi: 10.1016/S0140-6736(22)01637-3. Epub 2022 Sep 27.
- Ribeiro AH, Ribeiro MH, Paixao GMM, Oliveira DM, Gomes PR, Canazart JA, Ferreira MPS, Andersson CR, Macfarlane PW, Meira W Jr, Schon TB, Ribeiro ALP. Automatic diagnosis of the 12-lead ECG using a deep neural network. Nat Commun. 2020 Apr 9;11(1):1760. doi: 10.1038/s41467-020-15432-4. Erratum In: Nat Commun. 2020 May 1;11(1):2227. doi: 10.1038/s41467-020-16172-1.
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Tatsächlich)
Primärer Abschluss (Geschätzt)
Studienabschluss (Geschätzt)
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
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
- PROVISION-AF
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 .