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

Relevance of Artificial Intelligence-Assisted Echocardiography for Left Ventricular Ejection Fraction Assessment in Geriatric Patients (REFERENCE-AI)

maanantai 27. heinäkuuta 2026 päivittänyt: Gérond'if

Heart failure (HF) is the leading cause of hospitalization among adults aged 80 years and older and represents a major diagnostic challenge in geriatric medicine due to frequently atypical clinical presentations and the presence of multiple comorbidities. Although transthoracic echocardiography (TTE) with measurement of left ventricular ejection fraction (LVEF) remains the gold standard for cardiac functional assessment, access to echocardiography is often limited in geriatric wards.

Recent advances in artificial intelligence (AI) have enabled the development of portable ultrasound devices and automated image analysis software capable of providing reliable and reproducible LVEF measurements. AI-assisted automated LVEF assessment (AutoEF-AI) may therefore represent a valuable alternative to conventional echocardiography for the cardiac evaluation of older patients with heart failure.

Tutkimuksen yleiskatsaus

Yksityiskohtainen kuvaus

Prospective, single-center interventional study comparing two methods of left ventricular ejection fraction measurement in patients aged 75 years and older hospitalized for acute heart failure.Each hemodynamically stable participant will undergo two echocardiographic examinations performed within 24 hours:

  • Standard Echocardiography (Reference Method)
  • AI-assisted automated LVEF assessment (AutoEF-AI)

Opintotyyppi

Interventio

Ilmoittautuminen (Arvioitu)

130

Vaihe

  • Ei sovellettavissa

Yhteystiedot ja paikat

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

Opiskeluyhteys

Tutki yhteystietojen varmuuskopiointi

Opiskelupaikat

      • Paris, Ranska, 75013
        • Rekrytointi
        • Broca Hospital
        • Ottaa yhteyttä:

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

  • Vanhempi Aikuinen

Hyväksyy terveitä vapaaehtoisia

Ei

Kuvaus

Inclusion Criteria:

  • Age ≥75 years.
  • Hospitalization in a geriatric unit for acute heart failure according to the 2021 ESC diagnostic criteria.
  • Hemodynamic stability at the time of echocardiographic examination.
  • Ability to understand study information, provide written informed consent, and willingness to participate.
  • Affiliation with, or beneficiary of, a health insurance/social security scheme.

Exclusion Criteria:

  • Hemodynamic instability preventing echocardiographic assessment.
  • Contraindication to transthoracic echocardiography.
  • Patients under legal protection (guardianship, curatorship, or judicial protection measures) or unable to provide informed consent.
  • Refusal to participate in the study.

Opintosuunnitelma

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

Miten tutkimus on suunniteltu?

Suunnittelun yksityiskohdat

  • Ensisijainen käyttötarkoitus: Diagnostiikka
  • Jako: Ei satunnaistettu
  • Inventiomalli: Crossover-tehtävä
  • Naamiointi: Yksittäinen

Aseet ja interventiot

Osallistujaryhmä / Arm
Interventio / Hoito
Muut: Standard Echocardiography (Reference method)
The standard echocardiography will be performed by a cardiologist as part of routine clinical care.
The standard echocardiography will be performed by an expert cardiologist as part of routine clinical care and will serve as the gold standard
Kokeellinen: AutoEF-AI Assessment
AI-assisted automated LVEF assessment

Performed by a geriatrician who has completed a one-day practical training session and combines:

  • A handheld ultrasound device providing real-time image acquisition guidance for obtaining apical views.
  • Us2.ai software for automated LVEF analysis. The geriatrician is blinded to results of the gold standard echocardiography performed by the cardiologist.

Mitä tutkimuksessa mitataan?

Ensisijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Agreement between LVEF measured using AutoEF-AI and LVEF measured using standard echocardiography.
Aikaikkuna: At baseline

Agreement will be assessed using:

  • Intraclass Correlation Coefficient (ICC)
  • Spearman correlation coefficient
  • Bland-Altman analysis
  • Weighted kappa coefficient for the classification of patients according to LVEF categories (≤40%, 41-49%, and ≥50%)
At baseline

Toissijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Diagnostic performance of AutoEF-AI for the detection of LVEF <50%, including sensitivity, specificity, positive predictive value, negative predictive value, and overall accuracy.
Aikaikkuna: At baseline
Calculation of the sensitivity, specificity, positive predictive value (PPV), negative predictive value (NPV), and overall accuracy of AutoEF-AI for identifying left ventricular ejection fraction (LVEF) below 50%, compared with the standard reference method.
At baseline
Analysis of factors associated with agreement between the two methods
Aikaikkuna: At baseline
Multiple linear regression model will be used to identify clinical and technical variables (age, sex, cardiovascular history, presence of a pacemaker, cardiac arrhythmias, image quality, comorbidities, etc.) associated with a significant discrepancy between LVEF measurements obtained using AutoEF-AI and standard echocardiography.
At baseline
Feasibility of AutoEF-AI use by a geriatrician after a short training program
Aikaikkuna: At baseline
  • Success rate of valid image acquisition (i.e acquizition of analyzable apical views suitable for automated analysis)
  • Quality of the acquired images (image quality score and proportion of non-analyzable images)
  • Difficulties encountered during the use of the AutoEF-AI device
At baseline

Yhteistyökumppanit ja tutkijat

Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.

Sponsori

Tutkijat

  • Päätutkija: Olivier HANON, MD PhD, Geriatric Department, Broca hospital

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)

Tiistai 7. heinäkuuta 2026

Ensisijainen valmistuminen (Arvioitu)

Perjantai 30. kesäkuuta 2028

Opintojen valmistuminen (Arvioitu)

Perjantai 30. kesäkuuta 2028

Opintoihin ilmoittautumispäivät

Ensimmäinen lähetetty

Keskiviikko 1. heinäkuuta 2026

Ensimmäinen toimitettu, joka täytti QC-kriteerit

Keskiviikko 8. heinäkuuta 2026

Ensimmäinen Lähetetty (Todellinen)

Tiistai 14. heinäkuuta 2026

Tutkimustietojen päivitykset

Viimeisin päivitys julkaistu (Todellinen)

Tiistai 28. heinäkuuta 2026

Viimeisin lähetetty päivitys, joka täytti QC-kriteerit

Maanantai 27. heinäkuuta 2026

Viimeksi vahvistettu

Keskiviikko 1. heinäkuuta 2026

Lisää tietoa

Tähän tutkimukseen liittyvät termit

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