Aprendizaje profundo para la evaluación pulmonar preoperatoria en TC torácica
Aplicación del aprendizaje profundo en imágenes por tomografía computarizada de pacientes con cirugía torácica electiva: evaluación de la función pulmonar anormal preoperatoria
Descripción general del estudio
Estado
Estado
Condiciones
Condiciones
Intervención / Tratamiento
Intervención / Tratamiento
Descripción detallada
Tipo de estudio
Tipo de estudio
Inscripción (Estimado)
Inscripción
Contactos y Ubicaciones
Estudio Contacto
Estudio Contacto
- Nombre: Jianxing He, MD
- Número de teléfono: 86-20-83337792
- Correo electrónico: drjianxing.he@gmail.com
Ubicaciones de estudio
-
-
Guangdong
-
Guangzhou, Guangdong, Porcelana, 510120
- Reclutamiento
- Department of Cardiothoracic Surgery, the First Affiliated Hospital of Guangzhou Medical College
-
Contacto:
- Jianxing He, MD
- Número de teléfono: 86-20-83337792
- Correo electrónico: drjianxing.he@gmail.com
-
-
Criterios de participación
Criterio de elegibilidad
Criterio de elegibilidad
Edades elegibles para estudiar
- Adulto
- Adulto Mayor
Acepta Voluntarios Saludables
Método de muestreo
Población de estudio
Descripción
Criterios de inclusión:
- (1) Firma del formulario de consentimiento informado;
- (2) Hombre o mujer, de 18 a 75 años;
- (3) Someterse a una cirugía torácica electiva;
- (4) Buena cooperación preoperatoria en la función pulmonar e informes completos;
- (5) Tomografía computarizada de tórax preoperatoria de fase única o dual sin artefactos significativos y con imágenes completas;
- (6) El intervalo entre la función pulmonar preoperatoria y las tomografías computarizadas de fase única/doble no excede un mes.
Criterio de exclusión:
- (1) Mala cooperación en la función pulmonar preoperatoria o informes faltantes;
- (2) Las tomografías computarizadas de tórax preoperatorias de fase única o dual exhiben artefactos significativos u omisión de imágenes;
- (3) El intervalo entre la función pulmonar preoperatoria y las tomografías computarizadas de fase única/doble excede un mes;
- (4) Complicaciones con trastornos respiratorios graves (como trasplante de pulmón, neumotórax, ampollas gigantes, etc.);
- (5) Coexistir con otras deficiencias funcionales graves;
- (6) Pacientes con lesiones obstructivas como estenosis de las vías respiratorias o esofágica;
- (7) Altura más allá del rango de la ecuación previsto (Mujer < 1,45 m; Hombre < 1,55 m);
- (8) Uso de medicamentos antes de las pruebas de función pulmonar que no cumplen con las pautas para dejar de fumar;
- (9) Calidad del informe de función pulmonar calificada como D-F.
Plan de estudios
¿Cómo está diseñado el estudio?
Detalles de diseño
Número de grupos/cohortes
Cohortes e Intervenciones
Grupo / CohorteGrupo / Cohorte |
Intervención / TratamientoIntervención / Tratamiento |
|---|---|
|
Cohorte de fase inspiratoria única
Los pacientes de esta cohorte se someten a una TC de fase inspiratoria única y a pruebas de función pulmonar antes de la operación.
|
Utilizar tecnología de aprendizaje profundo junto con imágenes de tomografía computarizada de fase inspiratoria única para predecir con precisión los indicadores de función pulmonar de pacientes de cirugía torácica preoperatoria.
|
|
Cohorte respiratoria de doble fase.
Los pacientes de esta cohorte se someten a TC respiratoria de fase dual y pruebas de función pulmonar preoperatoriamente.
|
Utilizar tecnología de aprendizaje profundo junto con imágenes de tomografía computarizada respiratoria de fase dual para predecir con precisión los indicadores de función pulmonar de pacientes de cirugía torácica preoperatoria.
|
¿Qué mide el estudio?
Medidas de resultado primarias
Medidas de resultado primarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Error absoluto medio (MAE)
Periodo de tiempo: 2 años
|
Se utiliza para evaluar la discrepancia entre las predicciones de la función pulmonar realizadas por el algoritmo de aprendizaje profundo y los resultados reales obtenidos de las pruebas de función pulmonar (medidos con un espirómetro).
|
2 años
|
Medidas de resultado secundarias
Medidas de resultado secundarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Coeficiente de correlación de concordancia (CCC)
Periodo de tiempo: 2 años
|
Se utiliza para evaluar la discrepancia entre las predicciones de la función pulmonar realizadas por el algoritmo de aprendizaje profundo y los resultados reales obtenidos de las pruebas de función pulmonar (medidos con un espirómetro).
|
2 años
|
Colaboradores e Investigadores
Patrocinador
Patrocinador
Colaboradores
Colaboradores
Investigadores
Investigadores
- Investigador principal: Jianxing He, MD, Department of Cardiothoracic Surgery, the First Affiliated Hospital of Guangzhou Medical College
Fechas de registro del estudio
Fechas importantes del estudio
Inicio del estudio (Actual)
Inicio del estudio
Finalización primaria (Estimado)
Finalización primaria
Finalización del estudio (Estimado)
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
- ES-2024-091-02
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. .