AI-ENNOSTUS PROKSIAALISILLE OLKALUUMURTUILLE (Orthopredict)
TEKOÄLYKSI PERUSTUVA KLIINISTEN TULOKSIEN ENNUSTAMINEN PROKSIAALISIA OLKALUUMURTUJA TOTEUVILLE POTILAATILLE
Älypuhelimemme voivat tunnistaa perheemme, rakkaittemme ja ystäviemme kuvat. Kasvojentunnistusohjelmisto hyödyntää tekoälyä (AI), kuvantunnistusta ja muuta edistynyttä teknologiaa kasvojen identiteetin kartoittamiseen, analysoimiseen ja vahvistamiseen.
Me ihmiset teemme huonoa työtä luokittelussa proksimaalisen olkaluumurtuman saaneen potilaan vamman. Tämän seurauksena proksimaalisten olkaluun murtumien hoidossa on suurta heterogeenistä. Lisäksi oleellisen tiedon tarjoaminen potilaille komplikaatioiden tai murtumien seurausten riskistä on haastavaa, koska nykyiset sarjat perustuvat vanhentuneisiin luokitteluihin ja julkaistu sarja kokoaa yhteen hieman yli satoja analysoituja potilaita. Näillä rajoituksilla potilailla on vain vähän mahdollisuuksia osallistua vammojaan koskevaan päätöksentekoon.
Tämän projektin tavoitteena on integroida uusia teknologioita relevanttien kliinisten tulosten ennustamiseen potilaille, joilla on proksimaalinen olkaluun murtuma. Lyhyesti sanottuna tekoäly voi auttaa tunnistamaan samanlaisia murtumakuvioita ilman ihmisen päätelmiä, kun taas ihmiset voivat syöttää algoritmiin kiinnostavia muuttujia, kuten toiminnallisia tuloksia ja komplikaatioita, jotka liittyvät tämän tyyppiseen murtumaan.
Tutkimuksen yleiskatsaus
Tila
Interventio / Hoito
Opintotyyppi
Ilmoittautuminen (Arvioitu)
Osallistumiskriteerit
Kelpoisuusvaatimukset
Opintokelpoiset iät
- Aikuinen
- Vanhempi Aikuinen
Hyväksyy terveitä vapaaehtoisia
Näytteenottomenetelmä
Tutkimusväestö
Kuvaus
Sisällyttämiskriteerit:
Potilaat, joilla on proksimaalinen olkaluumurtuma, hoidettiin ei-leikkaukselisesti hoitavan kirurgin ja potilaiden mieltymysten mukaan.
Koehenkilöt arvioitiin ensimmäisten 3 viikon aikana vamman jälkeen. 18–90-vuotiaat potilaat. Potilaat, joita on tutkittu yksinkertaisilla olkapään röntgenkuvilla anteroposteriorisissa ja lapaluun ulostuloulokkeissa.
Osallistujat, jotka hyväksyvät 1 vuoden ajan seurannan.
Poissulkemiskriteerit:
Potilaat, joilla on dementia tai vaikeuksia suorittaa arviointia vuoden seurannan jälkeen.
Potilaat, jotka ovat aiemmin saaneet kirurgista hoitoa sairaalle raajalle. Potilaat, joilla on aiemmin ollut murtuma vahingoittuneessa raajassa. Kirurgisesti hoidetut potilaat.
Opintosuunnitelma
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Constant-Murley-pisteet
Aikaikkuna: 1 vuosi
|
Toiminnallinen lopputulos
|
1 vuosi
|
Yhteistyökumppanit ja tutkijat
Sponsori
Opintojen ennätyspäivät
Opi tärkeimmät päivämäärät
Opiskelun aloitus (Arvioitu)
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
- 2024/5001
Yksittäisten osallistujien tietojen suunnitelma (IPD)
Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?
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 .
Kliiniset tutkimukset Proksimaalinen olkaluun murtuma
-
Assiut UniversityEi vielä rekrytointiaMedial Proximal Tibial Angle