Evaluation of a COVID-19 Pneumonia CXR AI Detection Algorithm
Evaluation of a Chest X-Ray AI Neural Network (RadGen SARS-CoV2 Detection System) for the Detection of RT-PCR Confirmed SARS-Cov2 Covid-19 Pneumonia
Descripción general del estudio
Estado
Estado
Condiciones
Condiciones
Intervención / Tratamiento
Intervención / Tratamiento
Descripción detallada
Tipo de estudio
Tipo de estudio
Inscripción (Anticipado)
Inscripción
Contactos y Ubicaciones
Ubicaciones de estudio
-
-
-
Hong Kong, Hong Kong
- University of Hong Kong
-
-
Criterios de participación
Criterio de elegibilidad
Criterio de elegibilidad
Edades elegibles para estudiar
Acepta Voluntarios Saludables
Géneros elegibles para el estudio
Método de muestreo
Población de estudio
There will be three subsets of study population in this study; patients who were
- RT-PCR confirmed COVID-19 positive
- RT-PCR confirmed COVID-19 negative
- either had a diagnosis of pneumonia before the 1st January 2020.
Descripción
Inclusion Criteria:
- All adult patients >18 years of age
- Attended any of the participating institutes between February 1, 2020 until September, 2020
- Underwent both RT-PCR testing and frontal CXR (within 48 hours of PCR testing) for COVID-19 infection
- frontal CXR of patients pre-covid pandemic
Exclusion Criteria:
- Unavailability of patient demographics and clinical data
- Inconclusive RT-PCR results
- CXR considered to be of non-diagnostic quality by the clinical radiology research team at each site
- CXR not in a retrievable or processable format for AI inference
Plan de estudios
¿Cómo está diseñado el estudio?
Detalles de diseño
Número de grupos/cohortes
Cohortes e Intervenciones
Grupo / CohorteGrupo / Cohorte |
Intervención / TratamientoIntervención / Tratamiento |
|---|---|
|
RT-PCR Positive Patients
RT-PCR confirmed patients positive for SARS-CoV-2
|
Deep Learning CNN model
|
|
Negative patients
RT-PCR confirmed patients negative for SARS-CoV-2 or patients with CXR performed before the emergence of COVID-19 pandemic
|
Deep Learning CNN model
|
¿Qué mide el estudio?
Medidas de resultado primarias
Medidas de resultado primarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Diagnostic Performance of AI model
Periodo de tiempo: 9 months
|
Performance (accuracy, sensitivity, specificity, false-positive rate (FPR), false-negative rate (FNR), and Area Under the Curve (AUC)) of the AI model in detection of COVID-19 pneumonia on their baseline CXR using RT-PCR and historical controls as gold standard in a multi-center / multi-national cohort.
|
9 months
|
Colaboradores e Investigadores
Patrocinador
Patrocinador
Fechas de registro del estudio
Fechas importantes del estudio
Inicio del estudio (Actual)
Inicio del estudio
Finalización primaria (Anticipado)
Finalización primaria
Finalización del estudio (Anticipado)
Finalización del estudio
Fechas de registro del estudio
Enviado por primera vez
Enviado por primera vez
Primero enviado que cumplió con los criterios de control de calidad
Primero enviado que cumplió con los criterios de control de calidad
Publicado por primera vez (Actual)
Publicado por primera vez
Actualizaciones de registros de estudio
Última actualización publicada (Actual)
Última actualización publicada
Última actualización enviada que cumplió con los criterios de control de calidad
Última actualización enviada que cumplió con los criterios de control de calidad
Última verificación
Última verificación
Más información
Términos relacionados con este estudio
Términos MeSH relevantes adicionales
Otros números de identificación del estudio
Otros números de identificación del estudio
- EN-092020
Plan de datos de participantes individuales (IPD)
¿Planea compartir datos de participantes individuales (IPD)?
Información sobre medicamentos y dispositivos, documentos del estudio
Estudia un producto farmacéutico regulado por la FDA de EE. UU.
Estudia un producto de dispositivo regulado por la FDA de EE. UU.
Esta información se obtuvo directamente del sitio web clinicaltrials.gov sin cambios. Si tiene alguna solicitud para cambiar, eliminar o actualizar los detalles de su estudio, comuníquese con register@clinicaltrials.gov. Tan pronto como se implemente un cambio en clinicaltrials.gov, también se actualizará automáticamente en nuestro sitio web. .