- ICH GCP
- Registro de ensayos clínicos de EE. UU.
- Ensayo clínico NCT05984901
El ensayo de mareo multicéntrico CAVA (CAVA 2)
Evaluación Vestibular Ambulatoria Continua (CAVA): Desarrollo de un Sistema para Proporcionar un Diagnóstico Automático de Condiciones Vestibulares
El ensayo CAVA es un ensayo de dispositivo multicéntrico de precisión diagnóstica que tiene como objetivo cuantificar hasta qué punto el sistema CAVA puede diferenciar tres causas comunes de mareo en el oído interno: la enfermedad de Ménière, la migraña vestibular y el vértigo posicional paroxístico benigno (VPPB).
El dispositivo CAVA se compone de dos componentes: un conjunto de conjuntos de sensores de un solo uso hechos a medida que se adhieren al lado izquierdo y derecho de la cara del participante; y un pequeño módulo reutilizable que se coloca sobre la oreja y que contiene una batería, una instalación de almacenamiento de datos de microcomputadora y puertos de conexión para las matrices. Todos los participantes llevarán el dispositivo CAVA durante 30 días con el objetivo de capturar datos del movimiento ocular durante un ataque de mareo.
El primer objetivo es desarrollar un algoritmo que pueda discriminar entre las 3 condiciones de mareo enumeradas. El segundo es cuantificar los beneficios financieros y para el paciente del despliegue en el NHS. El objetivo final es agilizar un plan para desplegar el sistema en el NHS.
Descripción general del estudio
Estado
Condiciones
Intervención / Tratamiento
Descripción detallada
Este es un estudio multicéntrico de precisión diagnóstica con un objetivo de reclutamiento de 255 participantes adultos. El reclutamiento se llevará a cabo en diez sitios en el Reino Unido, durante dos años. Para ser elegible, los participantes deben tener un diagnóstico existente de enfermedad de Ménière, migraña vestibular o VPPB. El estudio reclutará a ochenta y cinco participantes con cada condición. El diagnóstico de cada paciente formará el "estándar de referencia" que luego se comparará con un diagnóstico computarizado automatizado.
Cada participante usará el dispositivo CAVA casi continuamente durante treinta días. El dispositivo registrará todos los movimientos de los ojos y la cabeza durante este tiempo, incluso durante cualquier episodio de vértigo. Cuando un paciente experimente un episodio de vértigo, se le pedirá que active un marcador de evento en el dispositivo CAVA y mantenga un registro escrito del inicio y la duración del ataque en un diario. Aunque no se confiará en este registro manual para el desarrollo de algoritmos, los 30 días completos de datos se utilizarán para detectar períodos de movimiento ocular asociados con mareos.
Los investigadores desarrollarán algoritmos informáticos que utilicen los datos capturados por los dispositivos CAVA para diferenciar entre tres condiciones objetivo. Estos algoritmos se basarán en los algoritmos que se han desarrollado durante la subvención actual de MRC que han producido excelentes resultados.10,11,17. Los algoritmos utilizan redes neuronales de aprendizaje profundo (DNN) en un enfoque llamado "extremo a extremo". En este enfoque, una red multicapa toma como entrada datos de dominio de tiempo 'sin procesar' y emite una decisión de clasificación sin utilizar ninguna representación intermedia explícita de la señal (como entropía de señal, potencia, asimetría, curtosis, etc.). Se ha demostrado que los enfoques de extremo a extremo, que suelen utilizar secuencias alternas de capas de convolución y agrupación, capas totalmente conectadas, codificadores automáticos y capas de memoria a corto plazo (LSTM), superan a los enfoques tradicionales en casos en los que se requieren grandes cantidades de capacitación. los datos están disponibles. Sin embargo, brindan poca información sobre cómo funcionan (es decir, qué características de la señal son importantes para la clasificación). Por lo tanto, también se considerará desarrollar métodos en los que se generen representaciones intermedias y luego usar estas características de entrada para probar una variedad de clasificadores (por ejemplo, árboles potenciados, bosques aleatorios, regresión logística, máquinas de vectores de soporte, etc.).
El rendimiento de los algoritmos se evaluará utilizando la técnica de 'validación cruzada dejando uno fuera', que es la forma habitual de evaluar clasificadores.22 En esta técnica, los datos de un solo paciente se reservan y los datos restantes de los otros pacientes se utilizan para "entrenar" al clasificador. Se hará referencia a un algoritmo que está entrenado para distinguir las tres condiciones como un "clasificador". Luego, el clasificador se prueba con los datos reservados: el proceso de prueba consiste en comparar el diagnóstico predicho del clasificador ('enfermedad de Ménière', 'migraña vestibular' o 'VPPB') con el diagnóstico verdadero (la etiqueta estándar de referencia). Este proceso se repite, eliminando los datos de un paciente diferente cada vez, produciendo un diagnóstico automatizado para los 255 pacientes. Aunque computacionalmente costoso, esto asegura que el clasificador no haya 'visto' durante el entrenamiento los datos del paciente que prueba, lo que sesgaría su decisión. También coincide estrechamente con el escenario del mundo real de un nuevo paciente que se presenta a su médico y se proporciona un diagnóstico sobre la base de su experiencia con otros pacientes.
El estudio presentará la sensibilidad y la especificidad para diagnosticar cada una de las tres condiciones objetivo y las curvas de operador del receptor (ROC), mostrando cómo cambia la precisión del diagnóstico para varios umbrales de clasificación.
Las condiciones objetivo tienen diferentes incidencias. Reflejar este desequilibrio en los cálculos estadísticos de este estudio requeriría muchos miles de pacientes con la más común de estas condiciones. Se cree que esto no sería económicamente viable y no agregaría valor al estudio. Los resultados obtenidos serán lo suficientemente robustos para demostrar la eficacia del sistema y la tasa de detección esperada para cada enfermedad.
Un economista de la salud (HE) evaluará los recursos potenciales, los ahorros financieros y los beneficios para el paciente de una vía de diagnóstico que incorpore CAVA en comparación con las vías existentes. El diseño del estudio garantiza que la recopilación de datos adecuada esté integrada en el estudio para la evaluación económica. Se desarrollará un modelo temprano de costo-efectividad utilizando datos retrospectivos del paciente (p. ej., historial, número de pruebas y visitas al hospital). El modelo revelará los ahorros y beneficios potenciales de los algoritmos predictivos de CAVA en varios umbrales hipotéticos de precisión diagnóstica frente a una vía de diagnóstico estándar. Se desarrollará una vía contrafactual de diagnóstico con el dispositivo CAVA contra el estándar de atención habitual en este momento, para informar los beneficios económicos potenciales más probables.
Un consultor de comercialización supervisará una cartera de trabajo para respaldar la comercialización del sistema CAVA. Producirán un plan de acceso al mercado que detallará la ruta de comercialización de CAVA y confirmarán la ubicación de CAVA dentro de las rutas existentes del NHS y cómo se implementaría. Los investigadores se basarán en el trabajo anterior de grupos focales con un evento de partes interesadas en el que participarán profesionales, pacientes y partes interesadas de TI de las organizaciones del NHS. Los investigadores identificarán los temas importantes para las partes interesadas con respecto a la viabilidad de la adopción dentro del NHS y establecerán el apoyo para la adopción. Se organizará un evento de PPI para revisar los hallazgos provisionales del ensayo y un evento de difusión pública para compartir los hallazgos con el público. A lo largo del proyecto se contratarán las licencias prospectivas.
Tipo de estudio
Inscripción (Estimado)
Fase
- No aplica
Contactos y Ubicaciones
Estudio Contacto
- Nombre: John Phillips, PhD
- Número de teléfono: x5283 (+44)01379 788320
- Correo electrónico: john.phillips@nnuh.nhs.uk
Copia de seguridad de contactos de estudio
- Nombre: Juliet High
- Número de teléfono: +44 (0)1603 59 1708
- Correo electrónico: j.high@uea.ac.uk
Ubicaciones de estudio
-
-
Norfolk
-
Norwich, Norfolk, Reino Unido, NR4 7UY
- Reclutamiento
- Norfolk and Norwich University Hospitals Foundation Trust
-
Investigador principal:
- John Phillips, PhD
-
Contacto:
- John Phillips, PhD
- Correo electrónico: john.phillips@nnuh.nhs.uk
-
-
Criterios de participación
Criterio de elegibilidad
Edades elegibles para estudiar
- Adulto
- Adulto Mayor
Acepta Voluntarios Saludables
Descripción
Criterios de inclusión:
- 18 años y más
- Debe tener una condición médica índice relevante: enfermedad de Ménière, migraña vestibular, vértigo posicional paroxístico benigno del canal posterior (ver sección 6.3.1.2) para criterios específicos)
- Experimentar episodios de vértigo verdadero con al menos 2 episodios en las 4 semanas anteriores al momento del consentimiento
- La duración y la naturaleza del vértigo son de una duración y una naturaleza compatibles con la condición médica índice relevante.
- Posee y puede usar un teléfono
- Dispuesto a dar su consentimiento informado
- Dispuesto a cumplir con el protocolo de estudio para el uso del dispositivo CAVA
- Dispuesto a completar todos los materiales de estudio.
- Comprensión adecuada del idioma inglés o el idioma utilizado en una versión traducida existente del formulario de consentimiento informado y la hoja de información del paciente y donde hay traductores del hospital disponibles para brindar apoyo
Criterio de exclusión:
- Tiene alergia a los yesos y/o adhesivos médicos.
- Evidencia de dermatitis, piel frágil o cualquier otra condición que podría agravarse por la aplicación repetida de adhesivos en la superficie de la piel
- Madres embarazadas o lactantes
- Enfermedad de Ménière bilateral o del segundo lado
- Canal posterior activo bilateral o del segundo lado Vértigo posicional paroxístico benigno
- Actualmente inscrito en un ensayo de intervención (sin incluir el ensayo observacional o basado en cuestionarios)
- Pacientes que cumplen con los criterios de diagnóstico para más de una condición elegible al momento del reclutamiento
Plan de estudios
¿Cómo está diseñado el estudio?
Detalles de diseño
- Propósito principal: Diagnóstico
- Asignación: N / A
- Modelo Intervencionista: Asignación de un solo grupo
- Enmascaramiento: Ninguno (etiqueta abierta)
Armas e Intervenciones
Grupo de participantes/brazo |
Intervención / Tratamiento |
---|---|
Otro: El ensayo de mareo multicéntrico CAVA (CAVA2)
CAVA 2 es un estudio de un solo brazo que prueba un dispositivo de diagnóstico para diagnosticar diferentes afecciones del oído interno evaluadas mediante el cálculo de valores de sensibilidad y especificidad.
Los movimientos de la cabeza y los ojos registrados por el dispositivo CAVA permitirán que los algoritmos informáticos (que se desarrollarán) diferencien entre las tres condiciones objetivo.
|
El ensayo CAVA es un ensayo de dispositivo multicéntrico de precisión diagnóstica que tiene como objetivo cuantificar hasta qué punto el sistema CAVA puede diferenciar tres causas comunes de mareo en el oído interno: la enfermedad de Ménière, la migraña vestibular y el vértigo posicional paroxístico benigno (VPPB). El dispositivo CAVA se compone de dos componentes: un conjunto de conjuntos de sensores de un solo uso hechos a medida que se adhieren al lado izquierdo y derecho de la cara del participante; y un pequeño módulo reutilizable que se coloca sobre la oreja y que contiene una batería, una instalación de almacenamiento de datos de microcomputadora y puertos de conexión para las matrices. Todos los participantes llevarán el dispositivo CAVA durante 30 días con el objetivo de capturar datos del movimiento ocular durante un ataque de mareo. El primer objetivo es desarrollar un algoritmo que pueda discriminar entre las 3 condiciones de mareo enumeradas. El segundo es cuantificar los beneficios financieros y para el paciente del despliegue en el NHS. El objetivo final es agilizar un plan para desplegar el sistema en el NHS. |
¿Qué mide el estudio?
Medidas de resultado primarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
---|---|---|
Éxito de un dispositivo de diagnóstico para diagnosticar diferentes afecciones del oído interno
Periodo de tiempo: 30 dias
|
El resultado principal es el éxito de un dispositivo de diagnóstico para diagnosticar diferentes afecciones del oído interno evaluadas mediante el cálculo de valores de sensibilidad y especificidad. Los movimientos de la cabeza y los ojos registrados por el dispositivo CAVA permitirán que los algoritmos informáticos (que se desarrollarán) diferencien entre las tres condiciones objetivo. Los investigadores desarrollarán algoritmos informáticos que utilicen los datos capturados por los dispositivos CAVA para diferenciar entre las tres condiciones objetivo. Los algoritmos utilizan redes neuronales de aprendizaje profundo (DNN) en un enfoque llamado "extremo a extremo". En este enfoque, una red de múltiples capas toma como entrada datos de dominio de tiempo 'sin procesar' y emite una decisión de clasificación sin usar ninguna representación intermedia explícita de la señal (como entropía de señal, potencia, asimetría, curtosis, etc.) |
30 dias
|
Medidas de resultado secundarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
---|---|---|
Datos de economía de la salud
Periodo de tiempo: 30 dias
|
Los datos económicos de la salud informarán el análisis de los posibles beneficios financieros y para el paciente de una vía de diagnóstico que incorpore el sistema CAVA en comparación con las vías existentes. Se desarrollará un modelo inicial de rentabilidad utilizando datos retrospectivos de pacientes. Los datos se utilizarán para estimar la frecuencia del probable uso de recursos del NHS de pacientes bajo observación con uno de los tres diagnósticos, para determinar el costo probable y los impactos en la calidad de vida relacionada con la salud de cada uno. También se utilizará para evaluar la prevalencia del tiempo fuera del trabajo (productividad), la reducción de la productividad y la reducción de actividades no remuneradas, por ejemplo, voluntariado, cuidados, etc., así como información sobre jubilaciones anticipadas o cambios de ocupación, etc. |
30 dias
|
Colaboradores e Investigadores
Colaboradores
Investigadores
- Investigador principal: John Phillips, PhD, Consultant ENT Surgeon
Fechas de registro del estudio
Fechas importantes del estudio
Inicio del estudio (Actual)
Finalización primaria (Estimado)
Finalización del estudio (Estimado)
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
- IRAS: 317899
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. .
Ensayos clínicos sobre Migraña Vestibular
-
University of ZurichTerminado
-
University of ZurichTerminado
-
hanaa mohsenTerminadoRehabilitación VestibularEgipto
-
Centre Hospitalier Universitaire DijonTerminadoEstimulación VestibularFrancia
-
University of ZurichRetiradoPercepción | Vestibular
-
Taipei Veterans General Hospital, TaiwanDesconocidoInsuficiencia vestibularTaiwán
-
Virginia Commonwealth UniversityTerminado
-
University of ZurichTerminado
-
Istanbul Gelisim UniversityTerminadoEnfermedad de disfunción vestibular unilateralPavo
-
Massachusetts Eye and Ear InfirmaryOhio State University; University of Geneva, SwitzerlandTerminadoTrastorno vestibular | Ataxia vestibular | Pérdida Vestibular, BilateralEstados Unidos, Suiza