- ICH GCP
- Registre américain des essais cliniques
- Essai clinique NCT04000087
Dépistage guidé par ECG AI pour une faible fraction d'éjection (EAGLE)
30 mai 2023 mis à jour par: Xiaoxi Yao, Mayo Clinic
Dépistage guidé par l'intelligence artificielle par électrocardiogramme pour la faible fraction d'éjection (EAGLE)
Il s'agit d'un essai contrôlé randomisé (ECR) pour tester un nouvel outil de dépistage basé sur l'électrocardiogramme (ECG) basé sur l'intelligence artificielle (IA) pour améliorer le diagnostic et la gestion de la dysfonction systolique ventriculaire gauche.
Aperçu de l'étude
Statut
Complété
Les conditions
Intervention / Traitement
Type d'étude
Interventionnel
Inscription (Réel)
358
Phase
- N'est pas applicable
Contacts et emplacements
Cette section fournit les coordonnées de ceux qui mènent l'étude et des informations sur le lieu où cette étude est menée.
Lieux d'étude
-
-
Minnesota
-
Rochester, Minnesota, États-Unis, 55905
- Mayo Clinic in Rochester
-
-
Critères de participation
Les chercheurs recherchent des personnes qui correspondent à une certaine description, appelée critères d'éligibilité. Certains exemples de ces critères sont l'état de santé général d'une personne ou des traitements antérieurs.
Critère d'éligibilité
Âges éligibles pour étudier
14 ans et plus (Adulte, Adulte plus âgé)
Accepte les volontaires sains
Non
La description
Critère d'intégration:
- Les cliniciens de soins primaires qui font partie d'une équipe de soins participante qui s'occupent de patients adultes et qui ont la capacité de commander un ECG et une TTE (cela inclut les médecins, les infirmières praticiennes et les adjoints au médecin).
Critère d'exclusion:
- Cliniciens en soins primaires travaillant en pédiatrie, en soins aigus, en maisons de retraite et en équipes de soins aux résidents.
Plan d'étude
Cette section fournit des détails sur le plan d'étude, y compris la façon dont l'étude est conçue et ce que l'étude mesure.
Comment l'étude est-elle conçue ?
Détails de conception
- Objectif principal: Dépistage
- Répartition: Randomisé
- Modèle interventionnel: Affectation parallèle
- Masquage: Aucun (étiquette ouverte)
Armes et Interventions
Groupe de participants / Bras |
Intervention / Traitement |
|---|---|
|
Expérimental: Intervention
Les équipes de soins randomisées pour l'intervention auront accès à l'outil de dépistage.
|
Un nouvel outil de dépistage basé sur l'électrocardiogramme (ECG) basé sur l'intelligence artificielle (IA) pour améliorer le diagnostic et la gestion de la dysfonction systolique ventriculaire gauche.
|
|
Aucune intervention: Contrôle
Les équipes de soins randomisées pour contrôler continueront la pratique de routine.
|
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Nouveau diagnostic de faible fraction d'éjection (définie comme une fraction d'éjection ≤ 50 %)
Délai: Dans les 90 jours
|
Fraction d'éjection obtenue par échocardiographie.
|
Dans les 90 jours
|
Collaborateurs et enquêteurs
C'est ici que vous trouverez les personnes et les organisations impliquées dans cette étude.
Parrainer
Les enquêteurs
- Chercheur principal: Xiaoxi Yao, PhD, MPH, Mayo Clinic
- Chercheur principal: Peter Noseworthy, MD, Mayo Clinic
Publications et liens utiles
La personne responsable de la saisie des informations sur l'étude fournit volontairement ces publications. Il peut s'agir de tout ce qui concerne l'étude.
Publications générales
- Yao X, McCoy RG, Friedman PA, Shah ND, Barry BA, Behnken EM, Inselman JW, Attia ZI, Noseworthy PA. ECG AI-Guided Screening for Low Ejection Fraction (EAGLE): Rationale and design of a pragmatic cluster randomized trial. Am Heart J. 2020 Jan;219:31-36. doi: 10.1016/j.ahj.2019.10.007. Epub 2019 Oct 25.
- Rushlow DR, Croghan IT, Inselman JW, Thacher TD, Friedman PA, Yao X, Pellikka PA, Lopez-Jimenez F, Bernard ME, Barry BA, Attia IZ, Misra A, Foss RM, Molling PE, Rosas SL, Noseworthy PA. Clinician Adoption of an Artificial Intelligence Algorithm to Detect Left Ventricular Systolic Dysfunction in Primary Care. Mayo Clin Proc. 2022 Nov;97(11):2076-2085. doi: 10.1016/j.mayocp.2022.04.008.
- Yao X, Rushlow DR, Inselman JW, McCoy RG, Thacher TD, Behnken EM, Bernard ME, Rosas SL, Akfaly A, Misra A, Molling PE, Krien JS, Foss RM, Barry BA, Siontis KC, Kapa S, Pellikka PA, Lopez-Jimenez F, Attia ZI, Shah ND, Friedman PA, Noseworthy PA. Artificial intelligence-enabled electrocardiograms for identification of patients with low ejection fraction: a pragmatic, randomized clinical trial. Nat Med. 2021 May;27(5):815-819. doi: 10.1038/s41591-021-01335-4. Epub 2021 May 6.
Liens utiles
Dates d'enregistrement des études
Ces dates suivent la progression des dossiers d'étude et des soumissions de résultats sommaires à ClinicalTrials.gov. Les dossiers d'étude et les résultats rapportés sont examinés par la Bibliothèque nationale de médecine (NLM) pour s'assurer qu'ils répondent à des normes de contrôle de qualité spécifiques avant d'être publiés sur le site Web public.
Dates principales de l'étude
Début de l'étude (Réel)
26 juin 2019
Achèvement primaire (Réel)
31 mars 2020
Achèvement de l'étude (Réel)
1 novembre 2020
Dates d'inscription aux études
Première soumission
24 juin 2019
Première soumission répondant aux critères de contrôle qualité
25 juin 2019
Première publication (Réel)
27 juin 2019
Mises à jour des dossiers d'étude
Dernière mise à jour publiée (Réel)
31 mai 2023
Dernière mise à jour soumise répondant aux critères de contrôle qualité
30 mai 2023
Dernière vérification
1 mai 2023
Plus d'information
Termes liés à cette étude
Termes MeSH pertinents supplémentaires
Autres numéros d'identification d'étude
- 19-003137
Informations sur les médicaments et les dispositifs, documents d'étude
Étudie un produit pharmaceutique réglementé par la FDA américaine
Non
Étudie un produit d'appareil réglementé par la FDA américaine
Non
Ces informations ont été extraites directement du site Web clinicaltrials.gov sans aucune modification. Si vous avez des demandes de modification, de suppression ou de mise à jour des détails de votre étude, veuillez contacter register@clinicaltrials.gov. Dès qu'un changement est mis en œuvre sur clinicaltrials.gov, il sera également mis à jour automatiquement sur notre site Web .