Tämä sivu käännettiin automaattisesti, eikä käännösten tarkkuutta voida taata. Katso englanninkielinen versio lähdetekstiä varten.

Raskauteen liittyvän sydämen vajaatoiminnan seulonta Nigeriassa

keskiviikko 30. huhtikuuta 2025 päivittänyt: Demilade A. Adedinsewo, Mayo Clinic

Synnytyksen jälkeisten kardiomyopatioiden seulonta tekoälyllä (SPEC-AI) Nigeriassa

Tässä tutkimuksessa arvioidaan tekoälyllä varustetun EKG:n (AI-EKG) tehokkuutta kardiomyopatian havaitsemiseen synnytyspopulaatiossa Nigeriassa.

Tutkimuksen yleiskatsaus

Tila

Valmis

Ehdot

Interventio / Hoito

Opintotyyppi

Interventio

Ilmoittautuminen (Todellinen)

1232

Vaihe

  • Ei sovellettavissa

Yhteystiedot ja paikat

Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.

Opiskelupaikat

  • Nigeria
      • Kano, Nigeria
        • Aminu Kano Teaching Hospital
      • Lagos, Nigeria
        • Lagos University Teaching Hospital
    • Jigawa
      • Dutse, Jigawa, Nigeria
        • Rasheed Shekoni Specialist Hospital
    • Kwara
      • Ilorin, Kwara, Nigeria
        • University of Ilorin Teaching Hospital
    • Ogun
      • Sagamu, Ogun, Nigeria
        • Olabisi Onabanjo University Teaching Hospital
    • Oyo
      • Ibadan, Oyo, Nigeria
        • University College Hospital

Osallistumiskriteerit

Tutkijat etsivät ihmisiä, jotka sopivat tiettyyn kuvaukseen, jota kutsutaan kelpoisuuskriteereiksi. Joitakin esimerkkejä näistä kriteereistä ovat henkilön yleinen terveydentila tai aiemmat hoidot.

Kelpoisuusvaatimukset

Opintokelpoiset iät

18 vuotta - 49 vuotta (Aikuinen)

Hyväksyy terveitä vapaaehtoisia

Joo

Kuvaus

Sisällyttämiskriteerit:

  • Tällä hetkellä raskaana tai 12 kuukauden sisällä synnytyksestä
  • Haluaa ja pystyy antamaan tietoisen suostumuksen

Poissulkemiskriteerit:

  • Monimutkainen synnynnäinen sydänsairaus (yksittäisen kammion fysiologia tai merkittävät shuntit, joihin liittyy sydämen rakenteellisia muutoksia)
  • Merkittävät johtumishäiriöt (kammiotahdistus tallennetussa EKG:ssä, tahdistinriippuvuus tai vakavasti epänormaali/omituinen QRS-morfologia EKG-jäljityksessä)
  • Ei pysty tai halua antaa suostumusta

Opintosuunnitelma

Tässä osiossa on tietoja tutkimussuunnitelmasta, mukaan lukien kuinka tutkimus on suunniteltu ja mitä tutkimuksella mitataan.

Miten tutkimus on suunniteltu?

Suunnittelun yksityiskohdat

  • Ensisijainen käyttötarkoitus: Seulonta
  • Jako: Satunnaistettu
  • Inventiomalli: Rinnakkaistehtävä
  • Naamiointi: Ei mitään (avoin tarra)

Aseet ja interventiot

Osallistujaryhmä / Arm
Interventio / Hoito
Kokeellinen: Interventio
Osallistujat analysoidaan EKG:t tekoälyllä kardiomyopatian havaitsemiseksi.
Muut: Digitaalinen stetoskooppi elektrokardiogrammi
Digitaalinen stetoskoopin tekoäly mahdollisti elektrokardiogrammin (AI-ECG). Keinotekoinen älykkyysalgoritmi, joka analysoi EKG -tietoja ja tuottaa ennustetodennäköisyydet kardiomyopatian diagnoosille.
Ei väliintuloa: Ohjaus
Osallistujat hankkivat tavalliset kliiniset EKG:t.

Mitä tutkimuksessa mitataan?

Ensisijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Vasemman kammion ejektiofraktio (LVEF) <50 %
Aikaikkuna: 18 kuukautta
Niiden osallistujien määrä, joille on diagnosoitu vasemman kammion ejektiofraktio (LVEF) <50 % kaikukardiografialla raskauden aikana tai 12 kuukauden sisällä synnytyksen jälkeen.
18 kuukautta

Toissijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
AI-ECG: n tehokkuus kardiomyopatian havaitsemiseen interventiovarsilla vasemman kammion ejektiofraktiolle (LVEF) ≤ 35%
Aikaikkuna: 18 kuukautta
Tämä on määritelty positiiviseksi hoitopiste-AI-ennusteeksi LVEF: lle ≤ 35% (kaikkien stetoskoopin tallennuspaikkojen suurin ennuste), joka on vahvistettu ehokardiografialla
18 kuukautta
Tehokkuus AI-ECG kardiomyopatian havaitsemiseksi interventiovarsilla LVEF: ssä <40%
Aikaikkuna: 18 kuukautta
Tämä on määritelty positiiviseksi hoitopiste-AI-ennusteeksi LVEF: lle <40% (kaikkien stetoskoopin tallennuspaikoilla maksimaalinen ennuste) vahvistettu ehokardiografialla
18 kuukautta
Tehokkuus AI-ECG kardiomyopatian havaitsemiseksi interventiovarsilla LVEF: ssä <45%
Aikaikkuna: 18 kuukautta
Tämä on määritelty positiiviseksi hoitopiste-AI-ennusteeksi LVEF: lle <45% (kaikkien stetoskoopin tallennuspaikoilla maksimaalinen ennuste), joka on vahvistettu ehokardiografialla
18 kuukautta
Tehokkuus AI-ECG kardiomyopatian havaitsemiseksi interventiovarsilla LVEF: ssä <50%
Aikaikkuna: 18 kuukautta
Tämä on määritelty positiiviseksi hoitopiste-AI-ennusteeksi LVEF: lle <50% (kaikkien stetoskoopin tallennuspaikkojen enimmäisennuste), joka on vahvistettu ehokardiografialla
18 kuukautta

Muut tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Yhdistetty haitalliset sydän- ja verisuonitapahtumat
Aikaikkuna: 18 kuukautta
Komposiitti-sydän- ja verisuonitapahtumien lukumäärä sisältää minkä tahansa seuraavista: diastolinen sydämen vajaatoiminta, raskausverenpaine, preeklampsia, eklampsia, venttiilin sydänsairaus, eteisrytmihäiriöt ja jatkuvat kammion rytmihäiriöt.
18 kuukautta
Echocardiografian käyttö
Aikaikkuna: 18 kuukautta
Määritä AI-ECG: n vaikutus ehokardiografian hyödyntämiseen
18 kuukautta
AI -hoitotyökalujen tehokkuus kardiomyopatian havaitsemiseen interventiovarressa
Aikaikkuna: 18 kuukautta
Kehitä ja arvioi AI-parantuneen hoidon seulontatyökalun diagnostista suorituskykyä
18 kuukautta

Yhteistyökumppanit ja tutkijat

Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.

Sponsori

Mayo Clinic

Yhteistyökumppanit

Eunice Kennedy Shriver National Institute of Child Health and Human Development (NICHD)
National Institute of Arthritis and Musculoskeletal and Skin Diseases (NIAMS)
National Center for Advancing Translational Sciences (NCATS)

Tutkijat

  • Päätutkija: Demilade Adedinsewo, MD, MPH, Mayo Clinic

Julkaisuja ja hyödyllisiä linkkejä

Tutkimusta koskevien tietojen syöttämisestä vastaava henkilö toimittaa nämä julkaisut vapaaehtoisesti. Nämä voivat koskea mitä tahansa tutkimukseen liittyvää.

Yleiset julkaisut

Hyödyllisiä linkkejä

Opintojen ennätyspäivät

Nämä päivämäärät seuraavat ClinicalTrials.gov-sivustolle lähetettyjen tutkimustietueiden ja yhteenvetojen edistymistä. National Library of Medicine (NLM) tarkistaa tutkimustiedot ja raportoidut tulokset varmistaakseen, että ne täyttävät tietyt laadunvalvontastandardit, ennen kuin ne julkaistaan ​​julkisella verkkosivustolla.

Opi tärkeimmät päivämäärät

Opiskelun aloitus (Todellinen)

Maanantai 15. elokuuta 2022

Ensisijainen valmistuminen (Todellinen)

Keskiviikko 15. toukokuuta 2024

Opintojen valmistuminen (Todellinen)

Keskiviikko 15. toukokuuta 2024

Opintoihin ilmoittautumispäivät

Ensimmäinen lähetetty

Perjantai 24. kesäkuuta 2022

Ensimmäinen toimitettu, joka täytti QC-kriteerit

Tiistai 28. kesäkuuta 2022

Ensimmäinen Lähetetty (Todellinen)

Torstai 30. kesäkuuta 2022

Tutkimustietojen päivitykset

Viimeisin päivitys julkaistu (Todellinen)

Perjantai 16. toukokuuta 2025

Viimeisin lähetetty päivitys, joka täytti QC-kriteerit

Keskiviikko 30. huhtikuuta 2025

Viimeksi vahvistettu

Tiistai 1. huhtikuuta 2025

Lisää tietoa

Tähän tutkimukseen liittyvät termit

Avainsanat

Muita asiaankuuluvia MeSH-ehtoja

Muut tutkimustunnusnumerot

  • 22-000539
  • UL1TR002377 (Yhdysvaltain NIH-apuraha/sopimus)
  • K12AR084222 (Yhdysvaltain NIH-apuraha/sopimus)

Yksittäisten osallistujien tietojen suunnitelma (IPD)

Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?

EI

Lääke- ja laitetiedot, tutkimusasiakirjat

Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta

Ei

Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta

Ei

Nämä tiedot haettiin suoraan verkkosivustolta clinicaltrials.gov ilman muutoksia. Jos sinulla on pyyntöjä muuttaa, poistaa tai päivittää tutkimustietojasi, ota yhteyttä register@clinicaltrials.gov. Heti kun muutos on otettu käyttöön osoitteessa clinicaltrials.gov, se päivitetään automaattisesti myös verkkosivustollemme .

Tilaa