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

Osteoporoosin hoidon tunnistaminen koneoppimisen avulla (OPTIMAL)

keskiviikko 4. tammikuuta 2023 päivittänyt: NHS Greater Glasgow and Clyde

OPTIMAALINEN – Osteoporoosin hoidon tunnistaminen koneoppimisen avulla

OPTIMAL on koneoppimiseen (ML) perustuvan osteoporoosin parannetun seulontaohjelmiston kokeilututkimus.

Tämä työkalu on luotu koneoppimisen avulla NHS Greater Glasgow'n ja Clyden tietoihin perustuen. Tutkimuksessa otetaan yhteyttä henkilöihin, jotka ovat tutkimuksen mukaan suuressa riskissä (750 potilasta tunnistetaan uudelleen, ja heihin otetaan yhteyttä suurimmasta riskistä aina 250 potilaaseen rekrytointiin asti) ja tehdään DXA-skannaukset, kliiniset tarkastukset ja veritestit, jotka ovat liittyy osteoporoosiin. Näitä tietoja verrataan sitten OPTIMALin tehostetun seulontatyökalun tekemiin ennusteisiin sen tehokkuuden testaamiseksi.

Tutkimuksen yleiskatsaus

Yksityiskohtainen kuvaus

OPTIMAL-kokeilu on toteutettavuuspilottitutkimus tehostetusta seulontamenetelmästä, jossa käytetään koneoppimisen avulla kehitettyä työkalua. Tämän työkalun on luonut Lenus Health Ltd käyttämällä NHS:n GG&C:n anonymisoituja terveystietoja 50–80-vuotiaista potilaista 1. tammikuuta 2010 alkaen.

Validointikohortti sisältää kaikki 50–80-vuotiaat GG&C:n potilaat 1.1.2022 alkaen, joilla ei tiedetä olevan osteoporoosidiagnoosia.

Nanox (israelilainen tekoälyyritys) käyttää olemassa olevaa alustaansa analysoidakseen identifioimattomia CT-skannauksia 5000 potilaasta, joiden riski on suurin tässä populaatiossa, arvioidakseen nikamamurtumia, joita käytetään parametrina osteoporoosin riskin arvioinnissa. Teknisistä rajoituksista johtuen vain osa potilaista voi arvioida kuvantamisen Nanox-alustalla. 5000 suurimman riskin potilasta tunnistetaan uudelleen, jotta heidän kuvansa voidaan poimia ja tunnistaa analyysiä varten. Odotamme, että noin 30 prosentilla näistä potilaista on käytettävissä kuvantaminen. Tunnistettavat tiedot säilyvät GG&C-pilvessä.

Kokeessa käytetään ohjelmistoa suuren riskin potilaiden seulomiseen 50–80-vuotiaista potilaista, joilla ei ole osteoporoosidiagnoosia. DXA-skannausta käytetään perustotuutena. Potilaille tehdään DXA-skannaus osana tutkimusta.

Tehdään kliininen tarkastelu sellaisten potilaiden poistamiseksi, joiden katsotaan olevan sopimattomia tutkimukseen, kuten ihmiset, jotka lähestyvät elämänsä loppua tai eivät pysty antamaan suostumusta. Poissulkemisen syy kirjataan, jotta valinnan harhaa voidaan arvioida ja arvioida.

Murtumayhteyspalvelu ottaa sitten yhteyttä potilaisiin, alkaen suurimmassa riskissä olevista, kunnes 250 on rekrytoitu. Tämä luku on saavutettu teholaskelmien perusteella sen varmistamiseksi, että tämä kokeilu voi verrata OPTIMAL-työkalua tehokkaasti FRAXiin. Tämä yhteydenotto tapahtuu kirjeen muodossa murtumien yhteystiimistä, ja sen mukana tulee potilastietolomake ja suostumuslomake. Nämä lomakkeet on luotu potilaskokemusryhmän panoksella.

Osallistuja, mikäli hän suostuu osallistumaan, kutsutaan sitten yhdelle klinikkakäynnille Queen Elizabeth University Hospitaliin.

Tällä käynnillä lääkäri arvioi potilaan ja kysyy hänen terveydestään. Heille tehdään verikokeita, jotka liittyvät osteoporoosiin sekä yleiseen terveyteen. Heillä on myös DXA-skannaus sen varmistamiseksi, onko heillä osteoporoosi vai ei. FRAX-pisteet luodaan vertailua varten.

Tietojen puhdistuksen päätyttyä, kokeilun lopussa, kaikki tiedot siirretään Strathclyden yliopiston suojatuille palvelimille tohtori Conor McKeagin analysoitavaksi, tohtori David Youngin valvonnassa OPTIMAL-työkalun tehokkuuden ja tarkkuuden arvioimiseksi. Tätä verrataan FRAX:iin, nykyiseen standardiin osteoporoosin riskien ennustamisessa.

Opintotyyppi

Havainnollistava

Ilmoittautuminen (Odotettu)

250

Yhteystiedot ja paikat

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

Opiskeluyhteys

Opiskelupaikat

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

50 vuotta - 80 vuotta (Aikuinen, Vanhempi Aikuinen)

Hyväksyy terveitä vapaaehtoisia

Ei

Sukupuolet, jotka voivat opiskella

Kaikki

Näytteenottomenetelmä

Ei-todennäköisyysnäyte

Tutkimusväestö

50–80-vuotiaat potilaat, jotka alkuperäisessä mallissa tunnistettiin suureksi riskiksi, ilman osteoporoosin, hyperparatyreoosin tai muun metabolisen luusairauden diagnoosia

Kuvaus

Sisällyttämiskriteerit:

  • Ikä >=50v
  • Ikä <=80v
  • Alkuperäisen mallin mukaan korkea riski

Poissulkemiskriteerit:

  • Ikä <50v
  • Ikä >80v
  • BMI <=18 & >=30
  • Kirjattu osteoporoosin diagnoosi
  • Luusta suojaavien aineiden, kuten:

bisfosfonaatti (alendronihappo, risedronaatti, ibandronaatti, tsoledronihappo) / denosumabi / raloksifeeni / strontiumranelaatti / teriparatidi / romosotsumabi

  • Aiemmat DXA-kuvaukset (BMD:n aiempi kvantifiointi)
  • Aiemmat metaboliset luusairaudet
  • Primaarinen hyperparatyreoosi historia

Opintosuunnitelma

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

Miten tutkimus on suunniteltu?

Suunnittelun yksityiskohdat

  • Havaintomallit: Kohortti
  • Aikanäkymät: Tulevaisuuden

Kohortit ja interventiot

Ryhmä/Kohortti
Interventio / Hoito
Korkean riskin ryhmä
Koneoppimismallin mukaan ryhmä, jolla on suuri riski sairastua osteoporoosiin.
DXA osteoporoosin diagnosointiin
Muut nimet:
  • DEXA
  • DXA

Mitä tutkimuksessa mitataan?

Ensisijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Osteoporoosin diagnoosi
Aikaikkuna: Ensimmäisellä käynnillä 6 kuukauden sisällä potilaan tunnistamisesta.
Osteoporoosin diagnoosi perustuu luun mineraalitiheyden DXA-arviointiin kliinisen käynnin aikana. Tämä tehdään yhdellä kliinisellä käynnillä osana tutkimusta, eikä sitä toisteta.
Ensimmäisellä käynnillä 6 kuukauden sisällä potilaan tunnistamisesta.

Yhteistyökumppanit ja tutkijat

Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.

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 (Odotettu)

Keskiviikko 1. helmikuuta 2023

Ensisijainen valmistuminen (Odotettu)

Torstai 1. kesäkuuta 2023

Opintojen valmistuminen (Odotettu)

Torstai 1. kesäkuuta 2023

Opintoihin ilmoittautumispäivät

Ensimmäinen lähetetty

Sunnuntai 1. tammikuuta 2023

Ensimmäinen toimitettu, joka täytti QC-kriteerit

Keskiviikko 4. tammikuuta 2023

Ensimmäinen Lähetetty (Arvio)

Tiistai 10. tammikuuta 2023

Tutkimustietojen päivitykset

Viimeisin päivitys julkaistu (Arvio)

Tiistai 10. tammikuuta 2023

Viimeisin lähetetty päivitys, joka täytti QC-kriteerit

Keskiviikko 4. tammikuuta 2023

Viimeksi vahvistettu

Sunnuntai 1. tammikuuta 2023

Lisää tietoa

Tähän tutkimukseen liittyvät termit

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 .

Kliiniset tutkimukset Dual Energy röntgenabsorptiometria

3
Tilaa