- ICH GCP
- US-Register für klinische Studien
- Klinische Studie NCT07431710
Die AIR-CPR-Studie: KI-gesteuerte Thoraxkompressionen (AIR-CPR)
Einsatz von künstlicher Intelligenz zur Optimierung der Thoraxkompressionsregion während der kardiopulmonalen Reanimation bei Patienten mit außerklinischem Herzstillstand.
Das AIR-CPR-Projekt zielt darauf ab, die Überlebensraten von Patienten mit außerklinischem Herzstillstand (OHCA) zu verbessern, indem künstliche Intelligenz (KI) genutzt wird, um die Positionen für die Herzdruckmassage zu optimieren. Aktuelle Leitlinien empfehlen einen standardisierten Druckpunkt (die untere Hälfte des Brustbeins), doch neuere Forschungsergebnisse zeigen, dass diese Position bei etwa 48,7 % der Patienten die Aortenklappe komprimieren kann, was die Chancen auf eine erfolgreiche Wiederbelebung erheblich verringert.
Diese Studie wird ein Deep-Learning-Modell auf Basis von YOLO v8 entwickeln, um Echtzeit-Arteriendruckwellenformen zu analysieren und das korrekte Öffnen und Schließen der Aortenklappe zu identifizieren. Durch die Identifizierung spezifischer Wellenformmerkmale, die Menschen nicht leicht unterscheiden können, wird die KI den Rettungskräften Anleitung geben, die Druckstelle anzupassen – typischerweise in Richtung des linken Ventrikels – um einen optimalen Blutausstoß zu gewährleisten. Das Projekt strebt an, die CPR von einem standardisierten "Einheitsansatz" in eine personalisierte, präzisionsmedizinische Intervention zu verwandeln.
Studienübersicht
Status
Bedingungen
Detaillierte Beschreibung
Diese dreijährige prospektive Studie ist darauf ausgelegt, einen „KI-verstärkten arteriellen Wellenform-Monitor“ zur präzisionsgesteuerten Reanimation (CPR) zu entwickeln und klinisch zu validieren.
- Forschungshypothese und Ziele Die Studie überprüft die Hypothese, dass KI durch die Analyse arterieller Druckwellenformen die Kompression der Aortenklappe (bestätigt durch transösophageale Echokardiographie, TEE) genau vorhersagen kann, wodurch Retter die optimale Kompressionsstelle finden können, die die Aortenklappe umgeht und das Herzzeitvolumen maximiert.
Umsetzungsphasen
Das Projekt ist in fünf verschiedene Phasen unterteilt:
Fallvorbereitung: Einschreibung von 150 OHCA-Patienten zur Sammlung synchronisierter TEE-Video- und arterieller Druckdaten.
Arterielles Wellenform-Erkennungsmodell: Entwicklung eines Algorithmus zur automatischen Segmentierung kontinuierlicher Drucksignale in Einzelkompressions-Wellenformproben.
Kompression-Region-Erkennungsmodell: Training eines auf YOLO v8 basierenden Modells, das mit patientenphysiologischen Daten (Alter, Geschlecht, Krankengeschichte) integriert ist, um zwischen „komprimierten“ und „nicht komprimierten“ Aortenklappenzuständen zu unterscheiden.
Klinische externe Testung: Einschreibung weiterer 75 Patienten zur Überprüfung der Modellgenauigkeit gegenüber TEE-„Goldstandard“-Befunden.
Machbarkeitsbewertung: Einsatz des Modells als „Reanimationsunterstützungs-App“ in 30 realen klinischen Fällen zur Bewertung seiner Echtzeit-Führungsfähigkeit, Geschwindigkeit und Auswirkungen auf Patientenergebnisse.
Technische Methodik
Datenextraktion: Verwendung von Binarisierung und Interpolationskurvenanpassung zur direkten Extraktion hochwertiger numerischer Daten von physiologischen Monitorbildschirmen.
KI-Architektur: Nutzung eines verbesserten YOLO v8-Frameworks kombiniert mit einer auf Aufmerksamkeit basierenden Architektur und vollständig verbundenen neuronalen Netzen zur Einbeziehung komplexer Patientenheterogenitäten.
Klinische Intervention: Wenn die KI eine Aortenklappenkompression identifiziert, werden Retter aufgefordert, die Kompressionsstelle anzupassen (typischerweise nach unten und links), bis die Klappe nicht mehr blockiert ist.
- Ergebnismessungen Die Studie bewertet die Identifikationserfolgsrate (KI vs. TEE), die Vermeidungserfolgsrate (erfolgreiche Neuplatzierung) und traditionelle Reanimationsmetriken einschließlich ROSC, Überleben bis zur Entlassung und günstige neurologische Ergebnisse.
Studientyp
Einschreibung (Geschätzt)
Kontakte und Standorte
Studienkontakt
- Name: Sheng-En Chu, physician
- Telefonnummer: 886-2-7728-1843
- E-Mail: ianchu300@msn.com
Studienorte
-
-
Banqiao
-
New Taipei City, Banqiao, Taiwan, 220
- Rekrutierung
- Far Eastern Memorinal Hospital
-
Kontakt:
- Sheng-En Chu, physician
- Telefonnummer: 886-2-77281843
- E-Mail: ianchu300@msn.com
-
-
Teilnahmekriterien
Zulassungskriterien
Studienberechtigtes Alter
- Erwachsene
- Älterer Erwachsener
Akzeptiert gesunde Freiwillige
Probenahmeverfahren
Studienpopulation
Beschreibung
Einschlusskriterien:
- Erwachsene im Alter von 20 Jahren oder älter.
- Patienten mit außerklinischem Herzstillstand (OHCA), die im Notaufnahmebereich eine kardiopulmonale Reanimation (CPR) erhalten.
Herzstillstand verursacht durch nicht-traumatische Faktoren.
Ausschlusskriterien:
- Schwangere Patientinnen.
- Patienten mit offensichtlichen Todeszeichen.
- Patienten mit einer unterschriebenen "Do Not Resuscitate" (DNR)-Verfügung.
- Patienten, die eine extrakorporale kardiopulmonale Reanimation (ECPR) benötigen.
- Patienten, die eine resuscitative endovaskuläre Ballonokklusion der Aorta (REBOA) benötigen.
- Herzstillstand verursacht durch massive Blutung, Aortennotfälle, Spannungspneumothorax, Herztamponade oder Lungenembolie.
- Anamnese einer schweren Aortenklappenerkrankung oder vorheriger Aortenklappenoperation.
- Patienten, bei denen TEE oder femorale Arterienkatheterisierung kontraindiziert ist.
- Situationen, in denen das medizinische Team während der CPR keine TEE oder femorale Arterienkatheterisierung durchführen kann.
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
Kohorten und Interventionen
Gruppe / Kohorte |
Intervention / Behandlung |
|---|---|
|
OHCA-Patienten, die KI-optimierte Reanimation erhalten.
Erwachsene Patienten (20 Jahre oder älter) mit nicht-traumatischem außerklinischem Herzstillstand (OHCA), die im Notfallzentrum des Far Eastern Memorial Hospital eine erweiterte lebensrettende Sofortmaßnahme (ALS) erhalten.
Diese Kohorte liefert die Daten für das KI-Training (Jahre 1-2) und nimmt an der klinischen Validierung der KI-gesteuerten Kompressionstechnik (Jahr 3) teil.
|
Eine Deep-Learning-Anwendung basierend auf der YOLO-v8-Architektur, die Echtzeit-Arteriendruckwellenformen von einer femoralen A-Linie analysiert.
Sie identifiziert, ob die aktuelle Thoraxkompressionsposition eine Aortenklappenkompression verursacht (wie durch TEE bestätigt) und liefert sofortiges Feedback an das Reanimationsteam.
Wenn die KI-Anwendung eine Kompression der Aortenklappe anzeigt, passt der Helfer die Position der mechanischen Thoraxkompression (LUCAS) an.
Basierend auf Literatur und KI-Rückmeldung besteht die Anpassung typischerweise darin, den Kompressionspunkt nach unten und in Richtung der linken parasternalen Linie zu verschieben, um die Aortenklappe zu vermeiden und die linksventrikuläre Auswurfleistung zu optimieren.
Wird als "Goldstandard" während der gesamten Studie verwendet.
TEE wird während der CPR durchgeführt, um das tatsächliche Öffnen und Schließen der Aortenklappe und die Verformung der Herzkammern aufzuzeichnen, wodurch die Beschriftungen für das KI-Training und die Verifizierung für klinische Tests bereitgestellt werden.
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
KI-Identifikationsgenauigkeit der Aortenklappenkompression
Zeitfenster: Während der klinischen Testphase und der Machbarkeitsbewertung (Jahr 2 und 3) gesammelt.
|
Die Genauigkeit des KI-Modells bei der Identifizierung, ob die Aortenklappe während der Herz-Lungen-Wiederbelebung komprimiert oder geöffnet ist, unter Verwendung der transösophagealen Echokardiographie (TEE) als Goldstandard zur Überprüfung.
|
Während der klinischen Testphase und der Machbarkeitsbewertung (Jahr 2 und 3) gesammelt.
|
Sekundäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Erfolgreiche Vermeidung der Aortenklappenkompression
Zeitfenster: Während der klinischen Machbarkeitsbewertung (Jahr 3).
|
Der Prozentsatz der Fälle, in denen das Reanimationsteam die Position der Thoraxkompression erfolgreich angepasst hat, um die Aortenklappenkompression basierend auf der KI-App-Rückmeldung zu stoppen, bestätigt durch TEE.
|
Während der klinischen Machbarkeitsbewertung (Jahr 3).
|
|
Zeitaufwand für Komprimierungsanpassung
Zeitfenster: Während der klinischen Machbarkeitsbewertung (Jahr 3).
|
Das Zeitintervall zwischen der ersten arteriellen Wellenformerfassung und dem Abschluss der Thoraxkompressionsrepositionierung.
|
Während der klinischen Machbarkeitsbewertung (Jahr 3).
|
|
Rate of Return of Spontaneous Circulation (ROSC)
Zeitfenster: Von Beginn der Wiederbelebung in der Notaufnahme bis zur Entlassung aus dem Krankenhaus oder dem Tod (bis zu etwa 30 Tagen).
|
Inzidenz von ROSC und anhaltendem ROSC (über ≥ 20 Minuten aufrechterhalten) sowie Überlebensraten bis zur Krankenhausaufnahme und bis zur Entlassung.
|
Von Beginn der Wiederbelebung in der Notaufnahme bis zur Entlassung aus dem Krankenhaus oder dem Tod (bis zu etwa 30 Tagen).
|
|
Günstiges neurologisches Ergebnis bei Entlassung
Zeitfenster: Zum Zeitpunkt der Krankenhausentlassung (bis zu etwa 30 Tagen).
|
Beurteilung des neurologischen Status anhand der Cerebral Performance Category (CPC 1-2) oder der modifizierten Rankin-Skala (mRS 0-2).
|
Zum Zeitpunkt der Krankenhausentlassung (bis zu etwa 30 Tagen).
|
|
Thoraxkompressionsfraktion (CCF)
Zeitfenster: Während der klinischen Machbarkeitsbewertung (Jahr 3).
|
Der Anteil der gesamten Reanimationszeit, während der Thoraxkompressionen durchgeführt wurden, wobei sichergestellt wird, dass KI-gesteuerte Anpassungen die Kontinuität der Kompressionen nicht negativ beeinflussen.
|
Während der klinischen Machbarkeitsbewertung (Jahr 3).
|
Mitarbeiter und Ermittler
Sponsor
Mitarbeiter
Publikationen und hilfreiche Links
Allgemeine Veröffentlichungen
- Kelly AM. The minimum clinically significant difference in visual analogue scale pain score does not differ with severity of pain. Emerg Med J. 2001 May;18(3):205-7. doi: 10.1136/emj.18.3.205.
- Panchal AR, Bartos JA, Cabanas JG, Donnino MW, Drennan IR, Hirsch KG, Kudenchuk PJ, Kurz MC, Lavonas EJ, Morley PT, O'Neil BJ, Peberdy MA, Rittenberger JC, Rodriguez AJ, Sawyer KN, Berg KM; Adult Basic and Advanced Life Support Writing Group. Part 3: Adult Basic and Advanced Life Support: 2020 American Heart Association Guidelines for Cardiopulmonary Resuscitation and Emergency Cardiovascular Care. Circulation. 2020 Oct 20;142(16_suppl_2):S366-S468. doi: 10.1161/CIR.0000000000000916. Epub 2020 Oct 21. No abstract available.
- Miao X, Wu Y, Wang J, Gao Y, Mao X, Yin J. Generative Semi-supervised Learning for Multivariate Time Series Imputation. Proceedings of the AAAI Conference on Artificial Intelligence 2021;35(10):8983-8991. DOI: 10.1609/aaai.v35i10.17086.
- Salloum R, Kuo CCJ. ECG-based biometrics using recurrent neural networks. 2017 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)2017:2062-2066.
- Mitra A, Kundu P, Gupta R. Hyperparameter Optimization of AutoRegressive Integrated Moving Average (ARIMA) Model-based Synthesis of Electrocardiogram. 2022 International Conference for Advancement in Technology (ICONAT)2022:1-6.
- Emergency Research. Content current as of: 09/21/2015 https://www.fda.gov/science-research/clinical-trials-and-human-subject-protection/protection-human-subjects-informed-consent-and-waiver-informed-consent-requirements-certain.
- Karhade J, Dash S, Ghosh SK, Dash DK, Tripathy RK. Time-Frequency-Domain Deep Learning Framework for the Automated Detection of Heart Valve Disorders Using PCG Signals. IEEE Transactions on Instrumentation and Measurement 2022;71:1-11. DOI: 10.1109/TIM.2022.3163156.
- Zhu Z, Wang H, Zhao T, et al. Classification of Cardiac Abnormalities From ECG Signals Using SE-ResNet. 2020 Computing in Cardiology2020:1-4.
- Nagasawa T, Iuchi K, Takahashi R, et al. Blood Pressure Estimation by Photoplethysmogram Decomposition into Hyperbolic Secant Waves. Applied Sciences 2022;12(4):1798. (https://www.mdpi.com/2076-3417/12/4/1798).
- Chirinos JA, Akers SR, Vierendeels JA, Segers P. A Unified Mechanism for the Water Hammer Pulse and Pulsus Bisferiens in Severe Aortic Regurgitation: Insights from Wave Intensity Analysis. Artery Res. 2018 Mar;21:9-12. doi: 10.1016/j.artres.2017.12.002. Epub 2017 Dec 21. No abstract available.
- Grmec Š, Lah K. Difference in end-tidal carbon dioxide changes during cardiopulmonary resuscitation between cardiac arrest due to asphyxia and VF/VT cardiac arrest. Critical Care 2003;7(2):P063. DOI: 10.1186/cc1952.
- Emergency Medical Services Resuscitation Success Statistics, as provided by the Fire Department of the Ministry of the Interior, Taiwan. https://www.nfa.gov.tw/cht/index.php?act=download&ids=14489. 2021.
- Chu SE, Huang CY, Cheng CY, Chan CH, Chen HA, Chang CH, Tsai KC, Chiu KM, Ma MH, Chiang WC, Sun JT. Cardiopulmonary Resuscitation Without Aortic Valve Compression Increases the Chances of Return of Spontaneous Circulation in Out-of-Hospital Cardiac Arrest: A Prospective Observational Cohort Study. Crit Care Med. 2024 Sep 1;52(9):1367-1379. doi: 10.1097/CCM.0000000000006336. Epub 2024 May 23.
- Hochreiter S, Schmidhuber J. Long short-term memory. Neural Comput. 1997 Nov 15;9(8):1735-80. doi: 10.1162/neco.1997.9.8.1735.
- Xu L, Wang X, Wang R, Liu S, Xu M. Engineered Macrophages: A Safe-by-Design Approach for the Tumor Targeting Delivery of Sub-5 nm Gold Nanoparticles. Small. 2023 Jan;19(1):e2205474. doi: 10.1002/smll.202205474. Epub 2022 Nov 13.
- Sert A. Is there a new method for determining aortic root dilatation in children? Pediatr Nephrol. 2020 Dec;35(12):2383. doi: 10.1007/s00467-020-04765-3. Epub 2020 Sep 23. No abstract available.
- Garcia-Sanz MT, Canive-Gomez JC, Garcia-Couceiro N, Senin-Rial L, Alonso-Acuna S, Barreiro-Garcia A, Lopez-Val E, Valdes L, Gonzalez-Barcala FJ. Factors associated with the incidence of serious adverse events in patients admitted with COPD acute exacerbation. Ir J Med Sci. 2017 May;186(2):477-483. doi: 10.1007/s11845-016-1431-9. Epub 2016 Mar 18.
- Chen XC, Zhang H, Liu SH, Zhou Y, Jiang L. Engineering Polymeric Nanofluidic Membranes for Efficient Ionic Transport: Biomimetic Design, Material Construction, and Advanced Functionalities. ACS Nano. 2022 Nov 22;16(11):17613-17640. doi: 10.1021/acsnano.2c07641. Epub 2022 Nov 2.
- Sanz C, Casado M, Navarro-Martin L, Tadic D, Parera J, Tugues J, Bayona JM, Pina B. Antibiotic and antibiotic-resistant gene loads in swine slurries and their digestates: Implications for their use as fertilizers in agriculture. Environ Res. 2021 Mar;194:110513. doi: 10.1016/j.envres.2020.110513. Epub 2020 Nov 24.
- Xia L, Ou J, Li K, Guo H, Hu Z, Bai T, Zhao J, Xia K, Zhang F. Genome-wide association analysis of autism identified multiple loci that have been reported as strong signals for neuropsychiatric disorders. Autism Res. 2020 Mar;13(3):382-396. doi: 10.1002/aur.2229. Epub 2019 Oct 24.
- Doster DL, Collings AT, Stefanidis D, Ritter EM. The American Board of Surgery flexible endoscopy curriculum prepares individuals to pass the fundamentals of endoscopic surgery manual skills test. Surg Endosc. 2023 May;37(5):4010-4017. doi: 10.1007/s00464-022-09559-2. Epub 2022 Sep 12.
- Thabane L, Thomas T, Ye C, Paul J. Posing the research question: not so simple. Can J Anaesth. 2009 Jan;56(1):71-9. doi: 10.1007/s12630-008-9007-4. Epub 2008 Dec 24.
- Lau DH, Clausen C, Sosunov EA, Shlapakova IN, Anyukhovsky EP, Danilo P Jr, Rosen TS, Kelly C, Duffy HS, Szabolcs MJ, Chen M, Robinson RB, Lu J, Kumari S, Cohen IS, Rosen MR. Epicardial border zone overexpression of skeletal muscle sodium channel SkM1 normalizes activation, preserves conduction, and suppresses ventricular arrhythmia: an in silico, in vivo, in vitro study. Circulation. 2009 Jan 6;119(1):19-27. doi: 10.1161/CIRCULATIONAHA.108.809301. Epub 2008 Dec 22.
- Jin B, Lin H, Yuan J, Dong G, Huang K, Wu W, Chen X, Zhang L, Wang J, Liang X, Dai Y, Xu X, Zhou X, Zhu M, Li G, Cutfield WS, Hofman PL, Derraik JGB, Fu J. Abdominal Adiposity and Total Body Fat as Predictors of Cardiometabolic Health in Children and Adolescents With Obesity. Front Endocrinol (Lausanne). 2020 Sep 4;11:579. doi: 10.3389/fendo.2020.00579. eCollection 2020.
- LINDGREN L. [Management of different types of labor]. Nord Med. 1957 Jun 27;57(26):918-21. No abstract available. Swedish.
- VALZELLI L. A SIMPLE METHOD TO INJECT DRUGS INTRACEREBRALLY. Med Exp Int J Exp Med. 1964;11:23-6. doi: 10.1159/000135452. No abstract available.
- Burrage JW, Asad AH, Fox RA, Price RI, Campbell AM, Siddiqui S. A simple method to measure proton beam energy in a standard medical cyclotron. Australas Phys Eng Sci Med. 2009 Jun;32(2):92-7. doi: 10.1007/BF03178634.
- Ascenti G, Sofia C, Silipigni S, Vinci S, Pergolizzi S, Marin D, Mileto A, Mazziotti S. Dual-Energy Multidetector Computed Tomography With Iodine Quantification in the Evaluation of Portal Vein Thrombosis: Is It Possible to Discard the Unenhanced Phase? Can Assoc Radiol J. 2015 Nov;66(4):348-55. doi: 10.1016/j.carj.2015.04.001. Epub 2015 Aug 12. No abstract available.
- BaHammam AS, Esquinas Rodriguez AM. OSA among patients with pneumonia: a higher risk for complications or simply an overlapping disorder? Chest. 2014 Nov;146(5):e176. doi: 10.1378/chest.14-1513. No abstract available.
- Douplat M, Jacquin L, Frugier S, Tazarourte K, Le Coz P. Difficulty of the ethical decision-making process in withholding and withdrawing life-sustaining treatments in French EDs during COVID pandemic. Scand J Trauma Resusc Emerg Med. 2020 Aug 13;28(1):78. doi: 10.1186/s13049-020-00772-3. No abstract available.
- Liu W, Zhang A, He H, Zhao X, Tao F, Sun Y. Inflammatory burden in adolescents with prolonged parent-child separation. Brain Behav Immun. 2021 Nov;98:257-262. doi: 10.1016/j.bbi.2021.08.227. Epub 2021 Aug 26.
- Pinacho-Garcia M, Marichal-Cancino BA, Villalon CM. Further evidence for the role of histamine H3, but not H1, H2 or H4, receptors in immepip-induced inhibition of the rat cardioaccelerator sympathetic outflow. Eur J Pharmacol. 2016 Feb 15;773:85-92. doi: 10.1016/j.ejphar.2016.01.014. Epub 2016 Jan 27.
- Christiansen FB. Simplified models for viability selection at multiple loci. Theor Popul Biol. 1990 Feb;37(1):39-54. doi: 10.1016/0040-5809(90)90026-r. No abstract available.
- Trevisan M, Laurenzi M. Correlates of sodium-lithium countertransport. Findings from the Gubbio Epidemiological Study. The Gubbio Collaborative Study Group. Circulation. 1991 Nov;84(5):2011-9. doi: 10.1161/01.cir.84.5.2011.
- Markl M, Kilner PJ, Ebbers T. Comprehensive 4D velocity mapping of the heart and great vessels by cardiovascular magnetic resonance. J Cardiovasc Magn Reson. 2011 Jan 14;13(1):7. doi: 10.1186/1532-429X-13-7.
- Yuan S, Yu Z, Pan S, Huang J, Meng F. Deciphering the succession dynamics of dominant and rare genera in biofilm development process. Sci Total Environ. 2020 Oct 15;739:139961. doi: 10.1016/j.scitotenv.2020.139961. Epub 2020 Jun 5.
- Kim BT, Park J, Hong JY. The Efficiency and Reliability of Minimally Invasive Anterior Corpectomy and Percutaneous Posterior Stabilization for the Treatment of Unstable Thoracolumbar Burst Fractures. World Neurosurg. 2022 Nov;167:e310-e316. doi: 10.1016/j.wneu.2022.08.010. Epub 2022 Aug 10.
- Popovic-Beganovic A, Zvornicanin J, Vrbljanac V, Zvornicanin E. The Prevalence of Refractive Errors and Visual Impairment among School Children in Brcko District, Bosnia and Herzegovina. Semin Ophthalmol. 2018;33(7-8):858-868. doi: 10.1080/08820538.2018.1539182. Epub 2018 Oct 26.
- Dayananda KK, Ahmed S, Wang D, Polis B, Islam R, Kaffman A. Early life stress impairs synaptic pruning in the developing hippocampus. Brain Behav Immun. 2023 Jan;107:16-31. doi: 10.1016/j.bbi.2022.09.014. Epub 2022 Sep 26.
- Wang X, Wang M, Sheng H, Zhu L, Zhu J, Zhang H, Liu Y, Zhan L, Wang X, Zhang J, Wu X, Suo Z, Xi W, Wang H. Subdural neural interfaces for long-term electrical recording, optical microscopy and magnetic resonance imaging. Biomaterials. 2022 Feb;281:121352. doi: 10.1016/j.biomaterials.2021.121352. Epub 2021 Dec 30.
- Leveque R, Corbet C, Aubert L, Guilbert M, Lagadec C, Adriaenssens E, Duval J, Finetti P, Birnbaum D, Magne N, Chopin V, Bertucci F, Le Bourhis X, Toillon RA. ProNGF increases breast tumor aggressiveness through functional association of TrkA with EphA2. Cancer Lett. 2019 May 1;449:196-206. doi: 10.1016/j.canlet.2019.02.019. Epub 2019 Feb 13.
- Wijeratne C, Johnco C, Draper B, Earl JK. Older Physicians' Reporting of Psychological Distress, Alcohol Use, Burnout and Workplace Stressors. Am J Geriatr Psychiatry. 2021 May;29(5):478-487. doi: 10.1016/j.jagp.2020.09.010. Epub 2020 Sep 12.
- Mackey S. Phenomenological nursing research: methodological insights derived from Heidegger's interpretive phenomenology. Int J Nurs Stud. 2005 Feb;42(2):179-86. doi: 10.1016/j.ijnurstu.2004.06.011.
- Butorac C, Muik M, Derler I, Stadlbauer M, Lunz V, Krizova A, Lindinger S, Schober R, Frischauf I, Bhardwaj R, Hediger MA, Groschner K, Romanin C. A novel STIM1-Orai1 gating interface essential for CRAC channel activation. Cell Calcium. 2019 May;79:57-67. doi: 10.1016/j.ceca.2019.02.009. Epub 2019 Feb 23.
- Fountaine T, Bennett CC. Health care homes: lessons from the Diabetes Care Project. Med J Aust. 2016 Nov 7;205(9):389-391. doi: 10.5694/mja16.00681. No abstract available.
- Dretler AW, Rouphael NG, Stephens DS. Progress toward the global control of Neisseria meningitidis: 21st century vaccines, current guidelines, and challenges for future vaccine development. Hum Vaccin Immunother. 2018 May 4;14(5):1146-1160. doi: 10.1080/21645515.2018.1451810. Epub 2018 May 9.
- Jin W, Di G, Li J, Chen Y, Li W, Wu J, Cheng T, Yao M, Shao Z. TIEG1 induces apoptosis through mitochondrial apoptotic pathway and promotes apoptosis induced by homoharringtonine and velcade. FEBS Lett. 2007 Aug 7;581(20):3826-32. doi: 10.1016/j.febslet.2007.07.008. Epub 2007 Jul 16.
- Tien N, Chen HC, Gau SL, Lin TH, Lin HS, You BJ, Tsai PC, Chen IR, Tsai MF, Wang IK, Chen CJ, Chang CT. Diagnosis of bacterial pathogens in the dialysate of peritoneal dialysis patients with peritonitis using surface-enhanced Raman spectroscopy. Clin Chim Acta. 2016 Oct 1;461:69-75. doi: 10.1016/j.cca.2016.07.026. Epub 2016 Jul 30.
- Soar J, Bottiger BW, Carli P, Couper K, Deakin CD, Djarv T, Lott C, Olasveengen T, Paal P, Pellis T, Perkins GD, Sandroni C, Nolan JP. European Resuscitation Council Guidelines 2021: Adult advanced life support. Resuscitation. 2021 Apr;161:115-151. doi: 10.1016/j.resuscitation.2021.02.010. Epub 2021 Mar 24.
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
- 113046-F
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
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 .