SVP-Erkennung durch maschinelles Lernen (SVP-ML)
5. März 2024 aktualisiert von: King's College London
Automatisierte Erkennung spontaner venöser Pulsationen in Fundusvideos mithilfe von maschinellem Lernen
Diese diagnostische Studie wird 410 retrospektiv erfasste Fundusvideos verwenden, um ML-Systeme zu entwickeln, die SVPs erkennen und ICP quantifizieren.
Die Grundwahrheit wird aus den Anmerkungen zweier unabhängiger, maskierter Kliniker generiert, wobei im Falle von Meinungsverschiedenheiten ein Augenarzt hinzugezogen wird.
Studienübersicht
Status
Aktiv, nicht rekrutierend
Bedingungen
Intervention / Behandlung
Studientyp
Beobachtungs
Einschreibung (Geschätzt)
210
Kontakte und Standorte
Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.
Studienorte
-
-
-
London, Vereinigtes Königreich
- King's College London
-
-
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 und älter (Erwachsene, Älterer Erwachsener)
Akzeptiert gesunde Freiwillige
Ja
Probenahmeverfahren
Nicht-Wahrscheinlichkeitsprobe
Studienpopulation
Patienten im Alter von ≥ 18 Jahren mit vermutetem normalem ICP oder vermutetem erhöhtem ICP
Beschreibung
Einschlusskriterien:
- Patienten im Alter von ≥ 18 Jahren mit vermutlich normalem ICP, die sich routinemäßigen erweiterten OCT-Scans unterziehen.
- Patienten, die sich einer LP- oder kontinuierlichen ICP-Überwachung mit implantierten transkraniellen Druckwandlergeräten in stationären oder ambulanten neurologischen, neurochirurgischen oder neuroophthalmologischen Diensten unterziehen.
Ausschlusskriterien:
- Glaukomdiagnose oder Verdacht auf Glaukom in beiden Augen.
- Beidseitig eingeschränkter Fundusblick, z.B. fortgeschrittene bilaterale Katarakte.
- Bilateraler retinaler Venen- oder Arterienverschluss.
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 im Alter von ≥ 18 Jahren mit angenommenem normalen intrakraniellen Druck
|
Automatisiertes maschinelles Lernsystem zur Erkennung spontaner venöser Pulsationen und Quantifizierung des intrakraniellen Drucks
|
|
Patienten im Alter von ≥ 18 Jahren mit Verdacht auf erhöhten intrakraniellen Druck
|
Automatisiertes maschinelles Lernsystem zur Erkennung spontaner venöser Pulsationen und Quantifizierung des intrakraniellen Drucks
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Area-under-the-Receiver Operating Characteristic (AUROC) zur Erkennung spontaner venöser Pulsationen
Zeitfenster: 1 Jahr
|
Binäre Klassifikationsleistung des maschinellen Lernmodells
|
1 Jahr
|
Sekundäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Lokalisierung spontaner venöser Pulsationen
Zeitfenster: 1 Jahr
|
Begrenzungsrahmenüberlappung für das Modell für maschinelles Lernen
|
1 Jahr
|
|
Quantifizierung des Hirndrucks
Zeitfenster: 1 Jahr
|
Mittlerer absoluter Fehler für die Vorhersage des intrakraniellen Drucks
|
1 Jahr
|
Mitarbeiter und Ermittler
Hier finden Sie Personen und Organisationen, die an dieser Studie beteiligt sind.
Sponsor
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 2023
Primärer Abschluss (Geschätzt)
1. November 2024
Studienabschluss (Geschätzt)
1. November 2024
Studienanmeldedaten
Zuerst eingereicht
30. Januar 2023
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
7. Februar 2023
Zuerst gepostet (Tatsächlich)
16. Februar 2023
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Geschätzt)
6. März 2024
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
5. März 2024
Zuletzt verifiziert
1. März 2024
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
- 1.0
Plan für individuelle Teilnehmerdaten (IPD)
Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?
JA
Beschreibung des IPD-Plans
Die Daten werden nach Möglichkeit über eine Datenfreigabevereinbarung mit eingeschränktem Zugriff geteilt, sofern dies im Einklang mit den KCL-Datengovernance-Anforderungen steht.
IPD-Sharing-Zeitrahmen
Innerhalb von 12 Monaten nach Studienabschluss
IPD-Sharing-Zugriffskriterien
Vereinbarung zur gemeinsamen Nutzung von Daten und Data Governance
Art der unterstützenden IPD-Freigabeinformationen
- STUDIENPROTOKOLL
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 .