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

AI-ACLD Study: Artificial Intelligence in Advanced Chronic Liver Disease (AI-ACLD)

tiistai 21. heinäkuuta 2026 päivittänyt: Antonio Galante

Application of Artificial Intelligence Using Wearable Technology in Patients With Advanced Chronic Liver Disease (ACLD): a Trajectomics Approach.

The research project studies the possibility of using an artificial intelligence-based system in patients with advanced chronic liver disease (liver cirrhosis) to record variations in a patient's health status, with the aim of early identification of clinical improvement or deterioration. The system is based on the collection and processing of various clinical parameters through an Apple Watch. The study aims to evaluate whether the data generated by this system correlate with patients' clinical evolution and whether its use may ultimately contribute to improved care management and quality of life.

Tutkimuksen yleiskatsaus

Tila

Valmis

Ehdot

Interventio / Hoito

Opintotyyppi

Havainnollistava

Ilmoittautuminen (Todellinen)

8

Yhteystiedot ja paikat

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

Opiskelupaikat

  • Sveitsi
      • Lugano, Sveitsi, 6900
        • Ente Ospedaliero Cantonale

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

  • Aikuinen
  • Vanhempi Aikuinen

Hyväksyy terveitä vapaaehtoisia

Ei

Näytteenottomenetelmä

Ei-todennäköisyysnäyte

Tutkimusväestö

Patients hospitalized at Ente Ospedaliero Cantonale (EOC) in Lugano or Bellinzona or patients followed at the Department for Gastroenterology and Hepatology, Ente Ospedaliero Cantonale will be assessed for inclusion in the study

Kuvaus

Inclusion Criteria:

  • Adults aged 18-75 years
  • Diagnosis of advanced chronic liver disease (ACLD).
  • Either:
  • hospitalized for hepatic decompensation or acute-on-chronic liver failure (ACLF), including ascites, hepatorenal syndrome, hepatic encephalopathy, bacterial infection, gastrointestinal bleeding, or jaundice; or
  • outpatient with Child-Pugh B cirrhosis and no evidence of hepatic decompensation or ACLF at enrolment.
  • Willing and able to provide written informed consent.

Exclusion Criteria:

  • Inability or refusal to provide written informed consent
  • Inability to wear or correctly use the Apple Watch
  • Patients with hepatocellular carcinoma beyond the Milan Criteria (one lesion up to 5 cm or 3 lesions up to 3 cm in diameter)
  • Presence of hepatic decompensation or ACLF

Opintosuunnitelma

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

Miten tutkimus on suunniteltu?

Suunnittelun yksityiskohdat

Mitä tutkimuksessa mitataan?

Ensisijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Feasibility and accuracy of machine learning analysis of individual health data collected by wearable device.
Aikaikkuna: From enrollment to the end of the study (6 months)

The primary outcome is to assess the feasibility and accuracy of machine learning analysis of individual health data collected by wearable device and to describe their patterns during hospitalization due to symptoms of decompensation or ACLF and in outpatients until hospitalization due to decompensation or ACLF in patients with liver cirrhosis. Health data continuously collected through a dedicated wearable device application comprise: heart rate and heart rate variability (HR; HRV), oxygen saturation (SpO₂), ECG (QRS, PQ, PT Tpe interval), sleep quality and duration, daily step count, tremor intensity (Hz), typing speed (taps/time).

The single unit of measure used to assess the feasibility of the wearable device is the usable data acquisition rate (%), defined as the percentage of monitoring data successfully collected and suitable for analysis.
From enrollment to the end of the study (6 months)

Yhteistyökumppanit ja tutkijat

Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.

Sponsori

Antonio Galante

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)

Torstai 29. joulukuuta 2022

Ensisijainen valmistuminen (Todellinen)

Keskiviikko 17. tammikuuta 2024

Opintojen valmistuminen (Todellinen)

Keskiviikko 17. tammikuuta 2024

Opintoihin ilmoittautumispäivät

Ensimmäinen lähetetty

Torstai 16. heinäkuuta 2026

Ensimmäinen toimitettu, joka täytti QC-kriteerit

Tiistai 21. heinäkuuta 2026

Ensimmäinen Lähetetty (Todellinen)

Torstai 23. heinäkuuta 2026

Tutkimustietojen päivitykset

Viimeisin päivitys julkaistu (Todellinen)

Torstai 23. heinäkuuta 2026

Viimeisin lähetetty päivitys, joka täytti QC-kriteerit

Tiistai 21. heinäkuuta 2026

Viimeksi vahvistettu

Keskiviikko 1. heinäkuuta 2026

Lisää tietoa

Tähän tutkimukseen liittyvät termit

Muut tutkimustunnusnumerot

  • AI-ACLD Study

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