- ICH GCP
- US-Register für klinische Studien
- Klinische Studie NCT06017843
Folgenabschätzung der Verwendung der prädiktiven MATCH AI-Modellierung zur Identifizierung von Hotspots für die Suche nach aktiven TB-Fällen (SPOT-TB)
Folgenabschätzung der Verwendung von MATCH AI Predictive Modeling zur Identifizierung von Hotspots für die Suche nach aktiven TB-Fällen in Pakistan: eine pragmatische, randomisierte Stepped-Wedge-Cluster-Studie
Studienübersicht
Status
Bedingungen
Intervention / Behandlung
Detaillierte Beschreibung
Trotz erheblicher Fortschritte in den letzten Jahrzehnten erkrankten im Jahr 2021 schätzungsweise 10,6 Millionen Menschen an Tuberkulose (TB), und die Krankheit verursachte weltweit 1,6 Millionen Todesfälle. Pakistan ist das Land mit der fünfthöchsten Tuberkulosebelastung der Welt und Tuberkulose verursacht jährlich 42.000 Todesfälle im Land. Eine zentrale Herausforderung bei der Reaktion Pakistans auf Tuberkulose besteht darin, die Diagnose und Behandlung aller Tuberkulosepatienten sicherzustellen. Im Jahr 2020 wurden von den 573.000 Fällen insgesamt 276.736 (48 %) gemeldet. Die Überbrückung dieser Fallerkennungslücke ist ein wichtiges Ziel des National TB Program (NTP). Active Case Finding (ACF) ist eine potenzielle Strategie zur Verbesserung der Fallerkennung durch systematisches Screening von Gemeinden auf Tuberkulose. Jüngste Erkenntnisse deuten darauf hin, dass ACF durch Früherkennung auch die Inzidenz und Prävalenz von Tuberkulose auf Bevölkerungsebene verringern kann. Während sich ACF-Interventionen in Gemeinschaftsversuchen als wirksam erwiesen haben und nun in großem Maßstab in Pakistan durchgeführt werden, bestehen weiterhin Bedenken hinsichtlich ihrer Erträge und Kosteneffizienz in programmatischen Umgebungen.
Das Hauptziel dieser Studie besteht darin, zu untersuchen, ob ein gezielter Ansatz für ein gemeindebasiertes Screening mit MATCH-AI, einer Software für künstliche Intelligenz, die die TB-Prävalenz in Unterbezirken modelliert, die Ausbeute von ACF-Interventionen in Pakistan verbessern kann. Im Interventionszweig wird das Feldteam gemeindebasierte ACF-Aktivitäten (sogenannte Chest Camps) hauptsächlich an Orten durchführen, an denen laut MATCH-AI eine höhere Prävalenz von Tuberkulose vorhergesagt wird. Im Kontrollarm werden die Feldteams weiterhin bestehende Ansätze zur Auswahl von Campingplätzen nutzen. Der Versuch wird in 65 Distrikten Pakistans in Zusammenarbeit mit Implementierungspartnern des NTP durchgeführt.
Studientyp
Einschreibung (Geschätzt)
Phase
- Unzutreffend
Kontakte und Standorte
Studienkontakt
- Name: Amna Mahfooz, MS(PH)
- Telefonnummer: +923438101441
- E-Mail: amna.mahfooz@cgph.org.pk
Studieren Sie die Kontaktsicherung
- Name: Faheem Baig
- Telefonnummer: +923345379004
- E-Mail: faheem@cgph.org.pk
Teilnahmekriterien
Zulassungskriterien
Studienberechtigtes Alter
- Kind
- Erwachsene
- Älterer Erwachsener
Akzeptiert gesunde Freiwillige
Beschreibung
Einschlusskriterien: Alle Personen, die sich auf Campingplätzen vorstellen, sind zur Teilnahme am Screening berechtigt, auch solche mit einer Vorgeschichte einer Tuberkuloseerkrankung.
Ausschlusskriterien: Kinder unter 15 Jahren und schwangere Frauen werden ausgeschlossen.
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
- Hauptzweck: Versorgungsforschung
- Zuteilung: Zufällig
- Interventionsmodell: Crossover-Aufgabe
- Maskierung: Single
Waffen und Interventionen
Teilnehmergruppe / Arm |
Intervention / Behandlung |
---|---|
Experimental: Intervention
Auswahl von Lagerstandorten zur aktiven Fallfindung für Tuberkulose mithilfe von MATCH-AI
|
Sonstiges: Auswahl von Lagerstandorten zur aktiven Fallfindung für Tuberkulose mithilfe von MATCH-AI
Der primäre Eingriff in dieser Studie ist die Einführung von MATCH-AI, einer Software für künstliche Intelligenz, die die TB-Prävalenz in Unterbezirken modelliert, um die Standortauswahl von ACF-Lagern zu steuern.
Das MATCH-AI-Tool verwendet einen Bayes'schen Modellierungsansatz, um die TB-Prävalenz mit einer Auflösung von 10.000 Populationen vorherzusagen, die als Polygone kartiert werden.
Das Modell integriert Daten aus einer Reihe von Quellen, darunter historische Benachrichtigungsdaten von Tuberkuloseeinrichtungen, frühere ACF-Daten sowie Kontextfaktoren wie Demografie, Einkommen, Bevölkerungsdichte, Gesundheitsindikatoren wie Durchimpfungsrate und klimabezogene Variablen, um die lokale TB-Prävalenz vorherzusagen.
Im Interventionszweig werden die Camps hauptsächlich an Orten durchgeführt, die von MATCH-AI geleitet werden.
|
Kein Eingriff: Kontrolle
Auswahl von Camp-Standorten zur aktiven Fallfindung für Tuberkulose unter Verwendung bestehender Ansätze.
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
---|---|---|
Camp-Positivitätsertrag
Zeitfenster: 12 Monate
|
Zählt die in jedem Lager diagnostizierten bakteriologisch bestätigten TB (B+)-Fälle
|
12 Monate
|
Sekundäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
---|---|---|
Camp-Positivitätsrate
Zeitfenster: 12 Monate
|
Bakteriologisch bestätigte TB (B+)-Fälle pro untersuchter Population
|
12 Monate
|
Camp All-Forms-Ertrag
Zeitfenster: 12 Monate
|
Anzahl der in jedem Lager diagnostizierten Fälle von Tuberkulose aller Formen (AF-TB).
|
12 Monate
|
Camp All-Forms-TB-Rate
Zeitfenster: 12 Monate
|
Fälle von Tuberkulose aller Formen (AF-TB) pro untersuchter Population
|
12 Monate
|
Mitarbeiter und Ermittler
Mitarbeiter
Ermittler
- Hauptermittler: Faran Emmanuel, Centre for Global Public Health Pakistan
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Geschätzt)
Primärer Abschluss (Geschätzt)
Studienabschluss (Geschätzt)
Studienanmeldedaten
Zuerst eingereicht
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst gepostet (Tatsächlich)
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Geschätzt)
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
- CGPH-TB2023-24
Plan für individuelle Teilnehmerdaten (IPD)
Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?
Beschreibung des IPD-Plans
Arzneimittel- und Geräteinformationen, Studienunterlagen
Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt
Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt
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 Tuberkulose
-
François SpertiniUniversity of OxfordAbgeschlossenTuberkulose | Mycobacterium Tuberculosis, Schutz vorSchweiz
-
Serum Institute of India Pvt. Ltd.Vakzine Projekt Management GmbHAktiv, nicht rekrutierendMycobacterium Tuberculosis-InfektionGabun, Kenia, Südafrika, Tansania, Uganda
-
Assistance Publique - Hôpitaux de ParisAbgeschlossenKnochen- und osteoartikuläre Infektion aufgrund von MDR M. Tuberculosis-StämmenFrankreich
-
Johns Hopkins UniversityNational Heart, Lung, and Blood Institute (NHLBI); WalimuRekrutierungTuberkulose, Lungen | Mycobacterium Tuberculosis-InfektionUganda
-
Global Alliance for TB Drug DevelopmentAbgeschlossenTuberkulose | Tuberkulose, Lungen | Lungenkrankheit | Multiresistente Tuberkulose | Arzneimittelsensitive Tuberkulose | Arzneimittelresistente Tuberkulose | Mycobacterium Tuberculosis-InfektionVereinigte Staaten
-
Global Alliance for TB Drug DevelopmentAbgeschlossenTuberkulose | Tuberkulose, Lungen | Lungenkrankheit | Multiresistente Tuberkulose | Arzneimittelsensitive Tuberkulose | Arzneimittelresistente Tuberkulose | Mycobacterium Tuberculosis-InfektionVereinigte Staaten