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

Einsatz künstlicher Intelligenz zur Erkennung von Atemwegserkrankungen im Zusammenhang mit Umweltverschmutzung (SmartLungs)

15. Juli 2024 aktualisiert von: Ana Adriana Trusculescu, University of Medicine and Pharmacy "Victor Babes" Timisoara

Generierung eines Bildes auf Stadtebene durch geografische und zeitliche Gruppierung von Lungenerkrankungen, die durch Umweltverschmutzung in Zusammenhang stehen oder verschlimmert werden (COPD, AB und Lungen- oder Pleuraneoplasien) und Korrelation dieser Daten mit Verschmutzungsdaten.

Entwicklung eines präzisen und prognostischen HRCT-Bildgebungs-Diagnosetools, computergestützt für die genannte Pathologie, durch Generierung eines Algorithmus, der in der Lage ist, die nachfolgenden tomographischen Bildgebungsläsionen frühzeitig zu erkennen und ihre Entwicklungsgeschwindigkeit objektiv zu bewerten.

Validierung des vorgeschlagenen Algorithmus durch Vergleich mit medizinischer Diagnose.

Studienübersicht

Status

Anmeldung auf Einladung

Studientyp

Beobachtungs

Einschreibung (Geschätzt)

30000

Kontakte und Standorte

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

Studienorte

    • Timis
      • Timisoara, Timis, Rumänien
        • "Victor Babes" University Hospital

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

  • Erwachsene
  • Älterer Erwachsener

Akzeptiert gesunde Freiwillige

Nein

Probenahmeverfahren

Nicht-Wahrscheinlichkeitsprobe

Studienpopulation

Die primär spezialisierten Patienten des Victor Babes Respiratory Hospital

Beschreibung

Einschlusskriterien:

  • Bei den Patienten muss gemäß ICD-10 COPD und/oder Asthma und/oder Lungenneoplasie und/oder sekundäre pulmonale, pleurale oder mediastinale Befunde diagnostiziert oder bestätigt sein.
  • Die Patienten werden unabhängig von der Art des Krankenhausaufenthalts, kontinuierlich oder täglich, eingeschlossen.
  • Das Vorliegen einer freiwillig geäußerten Einwilligung, die nach professionellen Ethikstandards erfolgt (aus dem Beobachtungsbogen).

Für Stufe 2

  • Die Verwendung von HRCT-Bildern im DICOM-Format mit einer maximalen Tassendicke von 1,5 mm und durchschnittlich 250 Tassen; keine Bildaufnahmefehler;
  • Bildüberwachung in einem Zeitintervall;.
  • Verfügbare Daten zur Bewertung der Atemfunktion: Spirometrie +/- Gasdiffusionsfaktor (DLco);

Ausschlusskriterien:

Für beide Phasen:

- Patienten, die keinen festen Wohnsitz haben (z. B. Sozialfälle) oder nicht aus dem Kreis Timis stammen

Für Stufe 2

  • Patienten, für die keine HRCT-Bilder verfügbar sind oder die nicht nachbeobachtet werden können.
  • Patienten, deren HRCT-Bilder von unzureichender Qualität sind.
  • Patienten mit einer Vorgeschichte von Lungenoperationen.
  • Patienten mit einer Vorgeschichte von Allergien gegen Kontrastmittel, die in der HRCT-Bildgebung verwendet werden.

Studienplan

Dieser Abschnitt enthält Einzelheiten zum Studienplan, einschließlich des Studiendesigns und der Messung der Studieninhalte.

Wie ist die Studie aufgebaut?

Designdetails

Was misst die Studie?

Primäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Zusammenhang zwischen Lungenerkrankungen und Umweltverschmutzung
Zeitfenster: Dezember 2023 – Dezember 2024
Ermittlung des Zusammenhangs zwischen der Inzidenz und Verschlimmerung von Lungenerkrankungen (COPD, akute Bronchitis und Lungen- oder Pleuraneoplasien) und dem Verschmutzungsgrad durch georäumliche und zeitliche Analysen auf Stadt-/Kreisebene
Dezember 2023 – Dezember 2024
Entwicklung eines Diagnosealgorithmus
Zeitfenster: September 2024 – März 2024
Entwicklung eines präzisen, computergestützten HRCT-Bildgebungsdiagnosetools zur Erkennung früher tomographischer Läsionen und zur Bewertung der Progressionsgeschwindigkeit dieser Läsionen bei Patienten mit den genannten Pathologien.
September 2024 – März 2024

Mitarbeiter und Ermittler

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

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. November 2023

Primärer Abschluss (Geschätzt)

30. Dezember 2024

Studienabschluss (Geschätzt)

31. März 2025

Studienanmeldedaten

Zuerst eingereicht

15. Juli 2024

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

15. Juli 2024

Zuerst gepostet (Tatsächlich)

22. Juli 2024

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Tatsächlich)

22. Juli 2024

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

15. Juli 2024

Zuletzt verifiziert

1. Juli 2024

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

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 .

Abonnieren