- ICH GCP
- Registro de ensayos clínicos de EE. UU.
- Ensayo clínico NCT04983316
Algoritmos de aprendizaje automático TPF
¿Manejo quirúrgico o no quirúrgico de las fracturas de la meseta tibial? Aplicación de algoritmos de aprendizaje automático para ayudar en la decisión de tratamiento
Descripción general del estudio
Estado
Condiciones
Descripción detallada
El objetivo general es adoptar una técnica de aprendizaje automático para decidir si el tratamiento quirúrgico o no quirúrgico dará como resultado el mejor resultado para el paciente.
Los objetivos principales son identificar el algoritmo de aprendizaje automático más adecuado para predecir el mejor tratamiento para futuros pacientes. Si el tratamiento conservador o el quirúrgico conducirán al mejor resultado para el paciente, se decidirá según la puntuación KOOS prevista. Varios factores de entrada, como el tratamiento (conservador u operativo), el número de fragmentos de fractura, la ubicación de la fractura, la afectación de los tejidos blandos,... para cada paciente se utilizarán como datos de entrenamiento para el algoritmo. Algunos de estos datos de entrada se derivarán de tomografías computarizadas. Por lo tanto, las tomografías computarizadas se segmentarán en Mimics, para las cuales UZ Leuven adquirió licencias recientemente. La variable de salida de los datos de entrenamiento será la puntuación KOOS de cada paciente. En base a la variable de entrada y salida, el algoritmo determinará una relación entre estas. Para futuros pacientes de los que se conoce la variable de entrada, la variable de salida (=puntuación KOOS) se predecirá tanto en caso de tratamiento quirúrgico como conservador. Presumimos que la predicción mejorará al agregar más datos de entrada con el tiempo.
El objetivo secundario es identificar factores clínicos y radiológicos que ayuden a predecir el mejor tratamiento para futuros pacientes.
Como perspectiva, la técnica de aprendizaje automático podría implementarse en el futuro en la práctica clínica y utilizarse como una herramienta de planificación específica del paciente para el manejo de la fractura de la meseta tibial al ayudar al cirujano a seleccionar el mejor tratamiento para un caso determinado. Los datos recopilados en este registro se utilizarán para validar el modelo de aprendizaje automático. Los pacientes aún no serán tratados según los resultados del modelo desarrollado, el cirujano de trauma es responsable de decidir qué opción de tratamiento es la mejor para el paciente.
Tipo de estudio
Inscripción (Actual)
Contactos y Ubicaciones
Ubicaciones de estudio
-
-
Vlaams-Brabant
-
Leuven, Vlaams-Brabant, Bélgica, 3000
- UZ Leuven
-
-
Criterios de participación
Criterio de elegibilidad
Edades elegibles para estudiar
Acepta Voluntarios Saludables
Método de muestreo
Población de estudio
Descripción
Criterios de inclusión:
- Edad > 18 años
- Fractura de meseta tibial proximal
- El paciente puede asistir a las visitas de seguimiento.
Criterio de exclusión:
- Edad < 18 años
- Fracturas bilaterales
- Trastornos neurológicos (es decir, paraplejia, CVA, demencia, etc.)
- No entender holandés o inglés.
Plan de estudios
¿Cómo está diseñado el estudio?
Detalles de diseño
- Modelos observacionales: Grupo
- Perspectivas temporales: Futuro
¿Qué mide el estudio?
Medidas de resultado primarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Algoritmo de aprendizaje automático
Periodo de tiempo: 1 año
|
Identificar el algoritmo de aprendizaje automático más adecuado que prediga el mejor tratamiento para futuros pacientes.
La predicción se mejorará con el tiempo mediante la entrada adicional.
|
1 año
|
Medidas de resultado secundarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Factores clínicos
Periodo de tiempo: 1 año
|
Identificar factores clínicos que ayuden a predecir el mejor tratamiento para futuros pacientes
|
1 año
|
|
Factores radiológicos
Periodo de tiempo: 1 año
|
Identificar factores radiológicos que ayuden a predecir el mejor tratamiento para futuros pacientes
|
1 año
|
Colaboradores e Investigadores
Patrocinador
Investigadores
- Investigador principal: Harm Hoekstra, Prof. MD, UZ Leuven
Fechas de registro del estudio
Fechas importantes del estudio
Inicio del estudio (Actual)
Finalización primaria (Actual)
Finalización del estudio (Actual)
Fechas de registro del estudio
Enviado por primera vez
Primero enviado que cumplió con los criterios de control de calidad
Publicado por primera vez (Actual)
Actualizaciones de registros de estudio
Última actualización publicada (Actual)
Última actualización enviada que cumplió con los criterios de control de calidad
Última verificación
Más información
Términos relacionados con este estudio
Términos MeSH relevantes adicionales
Otros números de identificación del estudio
- S64352
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. .