Detección guiada por IA de ECG para fracción de eyección baja (EAGLE)
30 de mayo de 2023 actualizado por: Xiaoxi Yao, Mayo Clinic
Electrocardiograma Detección guiada por inteligencia artificial para fracción de eyección baja (EAGLE)
Este es un ensayo controlado aleatorizado (ECA) para probar una nueva herramienta de detección basada en electrocardiograma (ECG) habilitada con inteligencia artificial (IA) para mejorar el diagnóstico y el tratamiento de la disfunción sistólica del ventrículo izquierdo.
Descripción general del estudio
Estado
Terminado
Condiciones
Intervención / Tratamiento
Tipo de estudio
Intervencionista
Inscripción (Actual)
358
Fase
- No aplica
Contactos y Ubicaciones
Esta sección proporciona los datos de contacto de quienes realizan el estudio e información sobre dónde se lleva a cabo este estudio.
Ubicaciones de estudio
-
-
Minnesota
-
Rochester, Minnesota, Estados Unidos, 55905
- Mayo Clinic in Rochester
-
-
Criterios de participación
Los investigadores buscan personas que se ajusten a una determinada descripción, denominada criterio de elegibilidad. Algunos ejemplos de estos criterios son el estado de salud general de una persona o tratamientos previos.
Criterio de elegibilidad
Edades elegibles para estudiar
14 años y mayores (Adulto, Adulto Mayor)
Acepta Voluntarios Saludables
No
Descripción
Criterios de inclusión:
- Médicos de atención primaria que forman parte de un equipo de atención participante que atiende a pacientes adultos y tienen la capacidad de ordenar ECG y TTE (esto incluye médicos, enfermeras practicantes y asistentes médicos).
Criterio de exclusión:
- Médicos de atención primaria que trabajan en pediatría, cuidados intensivos, hogares de ancianos y equipos de atención de residentes.
Plan de estudios
Esta sección proporciona detalles del plan de estudio, incluido cómo está diseñado el estudio y qué mide el estudio.
¿Cómo está diseñado el estudio?
Detalles de diseño
- Propósito principal: Poner en pantalla
- Asignación: Aleatorizado
- Modelo Intervencionista: Asignación paralela
- Enmascaramiento: Ninguno (etiqueta abierta)
Armas e Intervenciones
Grupo de participantes/brazo |
Intervención / Tratamiento |
|---|---|
|
Experimental: Intervención
Los equipos de atención asignados aleatoriamente a la intervención tendrán acceso a la herramienta de detección.
|
Una nueva herramienta de detección basada en electrocardiograma (ECG) habilitada con inteligencia artificial (IA) para mejorar el diagnóstico y el tratamiento de la disfunción sistólica del ventrículo izquierdo.
|
|
Sin intervención: Control
Los equipos de atención asignados al azar al control continuarán con la práctica de rutina.
|
¿Qué mide el estudio?
Medidas de resultado primarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Nuevo diagnóstico de fracción de eyección baja (definida como fracción de eyección ≤50%)
Periodo de tiempo: Dentro de 90 días
|
Fracción de eyección obtenida por ecocardiografía.
|
Dentro de 90 días
|
Colaboradores e Investigadores
Aquí es donde encontrará personas y organizaciones involucradas en este estudio.
Patrocinador
Investigadores
- Investigador principal: Xiaoxi Yao, PhD, MPH, Mayo Clinic
- Investigador principal: Peter Noseworthy, MD, Mayo Clinic
Publicaciones y enlaces útiles
La persona responsable de ingresar información sobre el estudio proporciona voluntariamente estas publicaciones. Estos pueden ser sobre cualquier cosa relacionada con el estudio.
Publicaciones Generales
- Yao X, McCoy RG, Friedman PA, Shah ND, Barry BA, Behnken EM, Inselman JW, Attia ZI, Noseworthy PA. ECG AI-Guided Screening for Low Ejection Fraction (EAGLE): Rationale and design of a pragmatic cluster randomized trial. Am Heart J. 2020 Jan;219:31-36. doi: 10.1016/j.ahj.2019.10.007. Epub 2019 Oct 25.
- Rushlow DR, Croghan IT, Inselman JW, Thacher TD, Friedman PA, Yao X, Pellikka PA, Lopez-Jimenez F, Bernard ME, Barry BA, Attia IZ, Misra A, Foss RM, Molling PE, Rosas SL, Noseworthy PA. Clinician Adoption of an Artificial Intelligence Algorithm to Detect Left Ventricular Systolic Dysfunction in Primary Care. Mayo Clin Proc. 2022 Nov;97(11):2076-2085. doi: 10.1016/j.mayocp.2022.04.008.
- Yao X, Rushlow DR, Inselman JW, McCoy RG, Thacher TD, Behnken EM, Bernard ME, Rosas SL, Akfaly A, Misra A, Molling PE, Krien JS, Foss RM, Barry BA, Siontis KC, Kapa S, Pellikka PA, Lopez-Jimenez F, Attia ZI, Shah ND, Friedman PA, Noseworthy PA. Artificial intelligence-enabled electrocardiograms for identification of patients with low ejection fraction: a pragmatic, randomized clinical trial. Nat Med. 2021 May;27(5):815-819. doi: 10.1038/s41591-021-01335-4. Epub 2021 May 6.
Enlaces Útiles
Fechas de registro del estudio
Estas fechas rastrean el progreso del registro del estudio y los envíos de resultados resumidos a ClinicalTrials.gov. Los registros del estudio y los resultados informados son revisados por la Biblioteca Nacional de Medicina (NLM) para asegurarse de que cumplan con los estándares de control de calidad específicos antes de publicarlos en el sitio web público.
Fechas importantes del estudio
Inicio del estudio (Actual)
26 de junio de 2019
Finalización primaria (Actual)
31 de marzo de 2020
Finalización del estudio (Actual)
1 de noviembre de 2020
Fechas de registro del estudio
Enviado por primera vez
24 de junio de 2019
Primero enviado que cumplió con los criterios de control de calidad
25 de junio de 2019
Publicado por primera vez (Actual)
27 de junio de 2019
Actualizaciones de registros de estudio
Última actualización publicada (Actual)
31 de mayo de 2023
Última actualización enviada que cumplió con los criterios de control de calidad
30 de mayo de 2023
Última verificación
1 de mayo de 2023
Más información
Términos relacionados con este estudio
Términos MeSH relevantes adicionales
Otros números de identificación del estudio
- 19-003137
Información sobre medicamentos y dispositivos, documentos del estudio
Estudia un producto farmacéutico regulado por la FDA de EE. UU.
No
Estudia un producto de dispositivo regulado por la FDA de EE. UU.
No
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. .