- ICH GCP
- Registro de ensayos clínicos de EE. UU.
- Ensayo clínico NCT06988189
- Juicio original
Desenmascarando síndromes de arritmia ocultos (UCAS)
Descripción general del estudio
Estado
Condiciones
Descripción detallada
Aplicación de monitoreo de ECG continuo a largo plazo a través de wearables ECG y monitores de ECG ambulatorios para detectar manifestaciones del síndrome de Brugada. Este enfoque se combinará con el desarrollo de una plataforma ECG habilitada para AI (inteligencia artificial) para automatizar la detección y el análisis de ECG de Brugada.
El protocolo comprenderá las siguientes partes:
Estudio A: Desarrollo de AI de ECG de Brugada. Esto automatizará el reconocimiento del patrón de ECG de Brugada tipo 1 en 12 ECG de plomo.
Estudio B: diagnóstico remoto de arritmia. Un estudio observacional prospectivo mediante el cual los participantes reclutados serán equipados con un ECG portátil o un monitor cardíaco para someterse a un monitoreo de ECG ambulatorio continuo a largo plazo. Los algoritmos desarrollados en el Estudio A se aplicarán a los datos de ECG a largo plazo capturados en este estudio.
Estudio C: Estratificación del riesgo arrítmico utilizando ECG de ultra alta frecuencia. Este estudio exploratorio buscará marcadores de riesgo arrítmico en pacientes con síndromes de arritmia manifiesta y oculta.
Tipo de estudio
Inscripción (Estimado)
Contactos y Ubicaciones
Estudio Contacto
- Nombre: Keenan Saleh, MBBS
- Número de teléfono: +442033132243
- Correo electrónico: keenan.saleh10@imperial.ac.uk
Copia de seguridad de contactos de estudio
- Nombre: Ahran Arnold, PhD
- Número de teléfono: +442033132243
- Correo electrónico: ahran.arnold@imperial.ac.uk
Ubicaciones de estudio
-
-
-
London, Reino Unido, W12 0NN
- Reclutamiento
- Imperial College Healthcare NHS Trust
-
Contacto:
- Keenan Saleh, MBBS
- Número de teléfono: 02033132243
- Correo electrónico: keenan.saleh10@imperial.ac.uk
-
Contacto:
- Ahran Arnold
- Número de teléfono: 02033132243
- Correo electrónico: ahran.arnold@imperial.ac.uk
-
Investigador principal:
- Zachary Whinnett, PhD
-
-
Criterios de participación
Criterio de elegibilidad
Edades elegibles para estudiar
- Adulto
- Adulto Mayor
Acepta Voluntarios Saludables
Método de muestreo
Población de estudio
Descripción
Criterios de inclusión:
- Adultos dispuestos a participar
- Capaz de dar consentimiento
Criterios de exclusión:
- Incapaz de dar su consentimiento
- Los niños de edad <18 años y adultos> 100 años
Plan de estudios
¿Cómo está diseñado el estudio?
Detalles de diseño
Cohortes e Intervenciones
Grupo / Cohorte |
Intervención / Tratamiento |
|---|---|
|
Voluntarios sanos
Participantes voluntarios sin condiciones estructurales o arrítmicas cardíacas.
|
ECG de 12 derivaciones de una máquina ECG convencional
Monitoreo de ECG ambulatorio a largo plazo continuo utilizando ECG portátil o monitor cardíaco
ECG de ultra alta frecuencia adquirido utilizando equipos de adquisición específicos
|
|
Síndrome de arritmia manifiesta
Síndrome de arritmia manifiesta (pacientes con un síndrome arrítmico con un ECG anormal)
|
ECG de 12 derivaciones de una máquina ECG convencional
Monitoreo de ECG ambulatorio a largo plazo continuo utilizando ECG portátil o monitor cardíaco
ECG de ultra alta frecuencia adquirido utilizando equipos de adquisición específicos
|
|
Síndrome de arritmia oculta
Pacientes de síndrome de arritmia oculta (pacientes con un ECG normal con un diagnóstico arrítmico subyacente conocido)
|
ECG de 12 derivaciones de una máquina ECG convencional
Monitoreo de ECG ambulatorio a largo plazo continuo utilizando ECG portátil o monitor cardíaco
ECG de ultra alta frecuencia adquirido utilizando equipos de adquisición específicos
|
¿Qué mide el estudio?
Medidas de resultado primarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Sensibilidad, especificidad y área bajo la curva (AUC) del algoritmo AI para la detección del patrón de ECG de Brugada tipo 1 en ECG de 12 derivaciones.
Periodo de tiempo: Al finalizar la validación del algoritmo, aproximadamente 12 meses después del inicio del estudio
|
Evaluación del rendimiento y precisión del algoritmo de detección de ECG AI para el tipo 1 de Brugada ECG.
|
Al finalizar la validación del algoritmo, aproximadamente 12 meses después del inicio del estudio
|
|
Tasa de detección del patrón de ECG de Brugada utilizando monitoreo ambulatorio de ECG ambulatorio multiectrodo de duración prolongada (ECG portátil) en pacientes con síndrome de Brugada oculto.
Periodo de tiempo: Hasta 12 meses desde la inscripción
|
Algoritmo de detección de ECG AI, desarrollado en el Estudio A, aplicado al registro completo de ECG para detectar el patrón de ECG de Brugada tipo 1.
|
Hasta 12 meses desde la inscripción
|
|
Número de casos de Brugada o Síndrome de QT largo (LQTS) detectados utilizando monitoreo de ECG ambulatorio de electrodos múltiples de duración prolongada en pacientes con fibrilación ventricular idiopática (VF), después de la aplicación de algoritmos de detección de ECG AI.
Periodo de tiempo: Hasta 12 meses desde la inscripción
|
Algoritmos de detección de ECG AI aplicados a la grabación completa de ECG para detectar el patrón de ECG de Brugada tipo 1 o desenmascarar LQTS.
|
Hasta 12 meses desde la inscripción
|
Colaboradores e Investigadores
Patrocinador
Investigadores
- Silla de estudio: Zachary Whinnett, PhD, Imperial College London
Publicaciones y enlaces útiles
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
Palabras clave
Términos MeSH relevantes adicionales
Otros números de identificación del estudio
- REC 24/NS/0032
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. .