- ICH GCP
- Yhdysvaltain kliinisten tutkimusten rekisteri
- Kliininen tutkimus NCT05984901
CAVA Multicentre Dizziness Trial (CAVA 2)
Jatkuva ambulatorinen vestibulaariarviointi (CAVA): Vestibulaaristen tilojen automaattisen diagnoosin tarjoavan järjestelmän kehittäminen
CAVA-tutkimus on diagnostisen tarkkuuden monikeskuslaitekoe, jonka tavoitteena on kvantifioida, missä määrin CAVA-järjestelmä pystyy erottamaan kolme yleistä huimauksen sisäkorvan syytä: Ménièren tauti, vestibulaarinen migreeni ja hyvänlaatuinen paroksismaalinen asentohuimaus (BPPV).
CAVA-laite koostuu kahdesta osasta: sarja räätälöityjä kertakäyttöisiä anturiryhmiä, jotka kiinnittyvät osallistujan kasvojen vasemmalle ja oikealle puolelle; ja pieni uudelleenkäytettävä moduuli korvan päälle, joka sisältää akun, mikrotietokoneen tiedontallennustilan ja liitäntäportit ryhmiä varten. Kaikki osallistujat käyttävät CAVA-laitetta 30 päivän ajan silmän liiketietojen tallentamiseksi huimauskohtauksen aikana.
Ensimmäinen tavoite on kehittää algoritmi, joka pystyy erottamaan 3 lueteltua huimaustilaa. Toinen on NHS:n käyttöönoton taloudelliset ja potilasedut. Lopullisena tavoitteena on nopeuttaa suunnitelmaa ottaa järjestelmä käyttöön NHS:ssä.
Tutkimuksen yleiskatsaus
Tila
Interventio / Hoito
Yksityiskohtainen kuvaus
Tämä on monikeskustutkimus, jonka tavoitteena on saada 255 aikuista osallistujaa. Rekrytointi tapahtuu kymmenellä paikkakunnalla Isossa-Britanniassa kahden vuoden aikana. Osallistujilla on oltava Ménièren taudin, vestibulaarisen migreenin tai BPPV:n diagnoosi. Tutkimukseen otetaan mukaan kahdeksankymmentäviisi osallistujaa kullakin ehdolla. Jokaisen potilaan diagnoosi muodostaa "viitestandardin", jota verrataan myöhemmin automaattiseen tietokonediagnoosiin.
Jokainen osallistuja käyttää CAVA-laitetta lähellä jatkuvasti 30 päivän ajan. Laite tallentaa kaikki silmien ja pään liikkeet tänä aikana, mukaan lukien huimausjaksot. Kun potilas kokee huimausjakson, häntä pyydetään aktivoimaan CAVA-laitteen tapahtumamerkki ja pitämään kirjaa hyökkäyksen alkamisesta ja kestosta päiväkirjaan. Vaikka tähän manuaaliseen kirjaamiseen ei luoteta algoritmien kehittämisessä, koko 30 päivän dataa käytetään huimaukseen liittyvien silmien liikkeiden havaitsemiseen.
Tutkijat kehittävät tietokonealgoritmeja, jotka käyttävät CAVA-laitteiden keräämiä tietoja erottamaan kolme kohdetilannetta. Nämä algoritmit perustuvat algoritmeihin, jotka on kehitetty nykyisen MRC-apurahan aikana ja jotka ovat tuottaneet erinomaisia tuloksia.10,11,17. Algoritmit käyttävät syväoppivia hermoverkkoja (DNN) niin sanotussa "päästä päähän" -lähestymistavassa. Tässä lähestymistavassa monikerroksinen verkko ottaa syötteenä "raaka" aikatason dataa ja tulostaa luokittelupäätöksen käyttämättä mitään selkeää signaalin välimuotoa (kuten signaalin entropiaa, tehoa, vinoutta, kurtoosia jne.). Päästä päähän -lähestymistapojen, jotka tyypillisesti käyttävät vuorottelevia konvoluutio- ja poolauskerrosten sekvenssejä, täysin yhdistettyjä kerroksia, automaattisia koodereita ja pitkäkestoisen lyhytmuistin (LSTM) kerroksia, on osoitettu ylittävän perinteiset lähestymistavat tapauksissa, joissa harjoitetaan paljon tiedot ovat saatavilla. Ne antavat kuitenkin vain vähän käsitystä niiden toiminnasta (eli mitkä signaalin ominaisuudet ovat tärkeitä luokituksen kannalta). Siksi harkitaan myös sellaisten menetelmien kehittämistä, joilla luodaan väliesitykset, ja sitten näiden syöteominaisuuksien avulla testataan erilaisia luokittimia (esim. tehostetut puut, satunnaiset metsät, logistinen regressio, tukivektorikoneet jne.).
Algoritmien suorituskykyä arvioidaan käyttämällä 'leave-one-out cross-validation' -tekniikkaa, joka on tavallinen tapa arvioida luokittimia.22 Tässä tekniikassa yksittäisen potilaan tiedot jätetään sivuun ja muiden potilaiden jäljellä olevia tietoja käytetään luokittelijan "kouluttamiseen". Algoritmiin viitataan, joka on koulutettu erottamaan nämä kolme ehtoa "luokittelijana". Luokitin testataan sitten kesannoiduilla tiedoilla: testausprosessissa verrataan luokittelijan ennustettua diagnoosia ("Ménièren tauti", "vestibulaarinen migreeni" tai "BPPV") todelliseen diagnoosiin (vertailustandardin etiketti). Tämä prosessi toistetaan poistamalla joka kerta eri potilaan tiedot, mikä tuottaa automaattisen diagnoosin kaikille 255 potilaalle. Vaikka se on laskennallisesti kallista, se varmistaa, että luokitin ei ole "nähnyt" koulutuksen aikana testaamansa potilaan tietoja, mikä vääristää sen päätöstä. Se vastaa myös läheisesti todellista skenaariota, jossa uusi potilas esittelee lääkärilleen ja diagnoosi annetaan heidän kokemustensa perusteella muista potilaista.
Tutkimus esittelee kunkin kolmen kohdetilan diagnosoinnin herkkyyden ja spesifisyyden ja vastaanottimen operaattorikäyrät (ROC) osoittaen, kuinka diagnostinen tarkkuus muuttuu eri luokituskynnyksillä.
Kohdeolosuhteilla on eri esiintyvyys. Tämän epätasapainon heijastaminen tämän tutkimuksen tilastollisissa laskelmissa vaatisi useita tuhansia potilaita, joilla on yleisin näistä sairauksista. Uskotaan, että tämä ei olisi taloudellisesti kannattavaa eikä tuo lisäarvoa tutkimukselle. Saadut tulokset ovat riittävän vahvoja osoittamaan järjestelmän tehokkuuden ja kunkin taudin odotetun havaitsemisasteen.
Terveysekonomisti (HE) arvioi mahdollisia resursseja, taloudellisia säästöjä ja potilaiden hyötyjä CAVA:ta sisältävästä diagnostisesta reitistä verrattuna olemassa oleviin reitteihin. Tutkimuksen suunnittelu varmistaa, että tutkimukseen sisällytetään asianmukainen tiedonkeruu taloudellista arviointia varten. Varhainen kustannustehokkuusmalli kehitetään retrospektiivisten potilastietojen (esim. historian, testien ja sairaalakäyntien) perusteella. Malli paljastaa CAVA:n ennustavien algoritmien mahdolliset säästöt ja hyödyt erilaisilla hypoteettisilla diagnostisen tarkkuuden kynnyksillä verrattuna standardiin diagnostiseen reittiin. CAVA-laitteella kehitetään kontrafaktuaalinen diagnoosipolku tämän hetken tavanomaiseen hoitoon verrattuna todennäköisimpien mahdollisten taloudellisten hyötyjen selvittämiseksi.
Kaupallistamiskonsultti valvoo CAVA-järjestelmän kaupallistamista tukevia töitä. He laativat markkinoillepääsysuunnitelman, jossa esitetään yksityiskohtaisesti CAVA:n reitti kaupallistamiseen ja vahvistavat CAVA:n sijoituksen olemassa oleville NHS-poluille ja kuinka se toteutetaan. Tutkijat pohjautuvat aiempaan fokusryhmätyöskentelyyn sidosryhmien tilaisuudessa, johon osallistuu NHS-organisaatioiden ammattilaisia, potilaita ja IT-sidosryhmiä. Tutkijat tunnistavat sidosryhmille tärkeät kysymykset adoption toteutettavuudesta NHS:ssä ja luovat tukea adoptiolle. Järjestetään PPI-tapahtuma, jossa tarkastellaan tutkimuksen välihavaintoja, ja julkinen levitystilaisuus, jossa tulokset jaetaan yleisölle. Hankkeen aikana hankitaan mahdollisia lisenssejä.
Opintotyyppi
Ilmoittautuminen (Arvioitu)
Vaihe
- Ei sovellettavissa
Yhteystiedot ja paikat
Opiskeluyhteys
- Nimi: John Phillips, PhD
- Puhelinnumero: x5283 (+44)01379 788320
- Sähköposti: john.phillips@nnuh.nhs.uk
Tutki yhteystietojen varmuuskopiointi
- Nimi: Juliet High
- Puhelinnumero: +44 (0)1603 59 1708
- Sähköposti: j.high@uea.ac.uk
Opiskelupaikat
-
-
Norfolk
-
Norwich, Norfolk, Yhdistynyt kuningaskunta, NR4 7UY
- Rekrytointi
- Norfolk and Norwich University Hospitals Foundation Trust
-
Päätutkija:
- John Phillips, PhD
-
Ottaa yhteyttä:
- John Phillips, PhD
- Sähköposti: john.phillips@nnuh.nhs.uk
-
-
Osallistumiskriteerit
Kelpoisuusvaatimukset
Opintokelpoiset iät
- Aikuinen
- Vanhempi Aikuinen
Hyväksyy terveitä vapaaehtoisia
Kuvaus
Sisällyttämiskriteerit:
- 18-vuotiaat ja sitä vanhemmat
- Täytyy olla asianmukainen sairausindeksi: Ménièren tauti, Vestibulaarinen migreeni, takakanavan hyvänlaatuinen kohtauksellinen asentohuimaus (katso kohta 6.3.1.2 tietyille kriteereille)
- todellisen huimauksen jaksot, joissa on vähintään 2 jaksoa edeltävien 4 viikon aikana suostumuksen ajankohtana
- Huimauksen kesto ja luonne ovat kestoltaan ja luonteeltaan sellaisia, että ne tukevat kyseisen indeksin lääketieteellistä tilaa
- Omistaa ja osaa käyttää puhelinta
- Valmis antamaan tietoisen suostumuksen
- Halukas noudattamaan CAVA-laitteen käytön tutkimusprotokollaa
- Valmis suorittamaan kaikki oppimateriaalit
- Riittävä ymmärrys englannin kielestä tai kielestä, jota käytetään tietoisen suostumuslomakkeen ja potilastietolomakkeen olemassa olevassa käännetyssä versiossa ja missä sairaalan kääntäjät ovat käytettävissä tarjoamaan tukea
Poissulkemiskriteerit:
- Hän on allerginen laastareille ja/tai lääkeliimoille
- Todisteet ihotulehduksesta, hauraasta ihosta tai mistä tahansa muusta sairaudesta, jota voi pahentaa toistuva ihon pintaliimojen käyttö
- Raskaana olevat tai imettävät äidit
- Kahden tai toisen puolen Ménièren tauti
- Aktiivinen molemminpuolinen tai toisen puolen takakanava Hyvänlaatuinen kohtauksellinen asentohuimaus
- Tällä hetkellä ilmoittautunut interventiotutkimukseen (ei sisällä kyselylomakkeeseen perustuvaa tai havainnointikoetta)
- Potilaat, jotka täyttävät diagnostiset kriteerit useammalle kuin yhdelle hyväksyttävälle sairaudelle rekrytointihetkellä
Opintosuunnitelma
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
- Ensisijainen käyttötarkoitus: Diagnostiikka
- Jako: Ei käytössä
- Inventiomalli: Yksittäinen ryhmätehtävä
- Naamiointi: Ei mitään (avoin tarra)
Aseet ja interventiot
Osallistujaryhmä / Arm |
Interventio / Hoito |
---|---|
Muut: CAVA Multicentre Dizziness Trial (CAVA2)
CAVA 2 on yksihaarainen tutkimus, jossa testataan diagnostista laitetta erilaisten sisäkorvan sairauksien diagnosoimiseksi laskemalla herkkyys- ja spesifisyysarvot.
CAVA-laitteen tallentamat pään ja silmien liikkeet mahdollistavat (kehitettävän) tietokonealgoritmien erottamisen kolmesta kohdetilanteesta.
|
CAVA-tutkimus on diagnostisen tarkkuuden monikeskuslaitekoe, jonka tavoitteena on kvantifioida, missä määrin CAVA-järjestelmä pystyy erottamaan kolme yleistä huimauksen sisäkorvan syytä: Ménièren tauti, vestibulaarinen migreeni ja hyvänlaatuinen paroksismaalinen asentohuimaus (BPPV). CAVA-laite koostuu kahdesta osasta: sarja räätälöityjä kertakäyttöisiä anturiryhmiä, jotka kiinnittyvät osallistujan kasvojen vasemmalle ja oikealle puolelle; ja pieni uudelleenkäytettävä moduuli korvan päälle, joka sisältää akun, mikrotietokoneen tiedontallennustilan ja liitäntäportit ryhmiä varten. Kaikki osallistujat käyttävät CAVA-laitetta 30 päivän ajan silmän liiketietojen tallentamiseksi huimauskohtauksen aikana. Ensimmäinen tavoite on kehittää algoritmi, joka pystyy erottamaan 3 lueteltua huimaustilaa. Toinen on NHS:n käyttöönoton taloudelliset ja potilasedut. Lopullisena tavoitteena on nopeuttaa suunnitelmaa ottaa järjestelmä käyttöön NHS:ssä. |
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
---|---|---|
Diagnostisen laitteen menestys erilaisten sisäkorvan sairauksien diagnosoimiseksi
Aikaikkuna: 30 päivää
|
Ensisijainen tulos on diagnostisen laitteen onnistuminen erilaisten sisäkorvan sairauksien diagnosoinnissa, joka arvioidaan laskemalla herkkyys- ja spesifisyysarvot. CAVA-laitteen tallentamat pään ja silmien liikkeet mahdollistavat (kehitettävän) tietokonealgoritmien erottamisen kolmesta kohdetilanteesta. Tutkijat kehittävät tietokonealgoritmeja, jotka käyttävät CAVA-laitteiden keräämiä tietoja erottaakseen kolme kohdeolosuhdetta. Algoritmit käyttävät syväoppivia hermoverkkoja (DNN) niin sanotussa "päästä päähän" -lähestymistavassa. Tässä lähestymistavassa monikerroksinen verkko ottaa syötteenä "raaka" aikatason dataa ja tulostaa luokittelupäätöksen käyttämättä mitään selkeää signaalin välimuotoa (kuten signaalin entropiaa, tehoa, vinoutta, kurtoosia jne.) |
30 päivää
|
Toissijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
---|---|---|
Terveystalouden tiedot
Aikaikkuna: 30 päivää
|
Terveystaloustiedot auttavat analysoimaan CAVA-järjestelmän sisältävän diagnostisen reitin mahdollisia taloudellisia ja potilaiden etuja verrattuna olemassa oleviin reitteihin. Varhainen kustannustehokkuusmalli kehitetään retrospektiivisten potilastietojen perusteella. Tietoja käytetään arvioitaessa todennäköistä NHS-resurssien käyttöä potilailla, joilla on yksi kolmesta diagnoosista, jotta voidaan määrittää kunkin todennäköiset kustannukset ja terveyteen liittyvät elämänlaatuvaikutukset. Sen avulla arvioidaan myös poissaolojen (tuottavuuden), alentuneen tuottavuuden ja palkattoman toiminnan, kuten vapaaehtoistyön, hoitotyön jne., yleisyyttä sekä näkemyksiä varhaiseläkkeistä tai ammatin muutoksista jne. |
30 päivää
|
Yhteistyökumppanit ja tutkijat
Yhteistyökumppanit
Tutkijat
- Päätutkija: John Phillips, PhD, Consultant ENT Surgeon
Opintojen ennätyspäivät
Opi tärkeimmät päivämäärät
Opiskelun aloitus (Todellinen)
Ensisijainen valmistuminen (Arvioitu)
Opintojen valmistuminen (Arvioitu)
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Ensimmäinen Lähetetty (Todellinen)
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Viimeksi vahvistettu
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- IRAS: 317899
Lääke- ja laitetiedot, tutkimusasiakirjat
Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta
Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta
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 .