Künstliche Intelligenz zur frühzeitigen Erkennung eines Versagens eines Knie-Totalendoprothesenimplantats
Verwendung von maschinellem Lernen zur Erkennung und Vorhersage einer Lockerung des NexGen-Knietotalersatzes
Das Ziel dieser Studie besteht darin, zu untersuchen, ob maschinelles Lernen (ML) verwendet werden kann, um geringfügige Lockerungen, transparente Zonen oder andere Veränderungen auf Röntgenbildern zu erkennen, die ein frühes Versagen nach einem NexGen-Knietotalersatz vorhersagen könnten.
Die Forscher werden einfache AP- und laterale normale Röntgenaufnahmen von zwei Patientengruppen identifizieren. Diejenigen, die NexGen-Knietotalprothesen (TKRs) haben, bei denen es zu einem Versagen kam, und diejenigen, die gut funktionierende TKRs haben. Röntgenaufnahmen dieser beiden Gruppen werden als „fehlgeschlagen“ und „gut funktionierend“ gekennzeichnet und durch einen maschinellen Lernalgorithmus verarbeitet.
Der Algorithmus ist erfolgreich, wenn er in der Lage ist, einen NexGen-TKR zu erkennen, der ausgefallen ist oder weiterhin gut funktioniert. Dies wird mithilfe eines Testsatzes ermittelt.
Bei der Zielgruppe handelt es sich um Erwachsene, die einen NexGen-Knietotalersatz mit einer Standard-Schienbeinschiene erhalten haben. Es werden nur Erwachsene einbezogen, die zwischen 2003 und 2022 die TKR an den University Hospitals Southampton haben.
Als Misserfolg gilt die Revision von Tibia- oder Femurkomponenten, die wahrscheinlich auf eine seitliche Lockerung zurückzuführen ist. Auswaschungen, Polyersatz, periprothetische Frakturen und mikrobiologisch bestätigte Infektionen werden ausgeschlossen.
TKR mit guter Leistung werden als Patienten definiert, die ihre TKR seit 10 Jahren in situ haben und über keine signifikanten Symptome berichtet haben.
Studienübersicht
Status
Bedingungen
Studientyp
Einschreibung (Geschätzt)
Kontakte und Standorte
Studienkontakt
- Name: Rory Ormiston
- Telefonnummer: 07443 432819
- E-Mail: rory.ormiston@uhs.nhs.uk
Teilnahmekriterien
Zulassungskriterien
Studienberechtigtes Alter
- Erwachsene
- Älterer Erwachsener
Akzeptiert gesunde Freiwillige
Probenahmeverfahren
Studienpopulation
Beschreibung
Einschlusskriterien:
- Hatte zwischen 2003 und 2022 einen NexGen TKR.
Ausschlusskriterien:
- Unter 18 Jahre alt.
- Revisionseingriff aus anderen Gründen als der aseptischen Lockerung
- Patienten, die keine Revision hatten, aber keine gut funktionierende TKR haben.
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
Kohorten und Interventionen
Gruppe / Kohorte |
|---|
|
Fehlgeschlagen
Diese Gruppe besteht aus Patienten, die innerhalb von 10 Jahren nach der primären Endoprothetik eine Revisions-TKR aufgrund einer aseptischen Lockerung hatten
|
|
Gute Leistung
Diese Gruppe besteht aus Patienten, die 10 Jahre nach der primären Endoprothetik eine asymptomatische TKR haben.
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Vorhersagegenauigkeit des Modells für maschinelles Lernen
Zeitfenster: Bis 21 Jahre. Daten ab 2003.
|
Die Vorhersagegenauigkeit eines maschinellen Lernalgorithmus.
Unter Verwendung üblicher ML-Messungen, AUROC usw.
|
Bis 21 Jahre. Daten ab 2003.
|
Mitarbeiter und Ermittler
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 (Tatsächlich)
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Zuletzt verifiziert
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Andere Studien-ID-Nummern
- T&O0238
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 .