- ICH GCP
- Registre américain des essais cliniques
- Essai clinique NCT04983316
Algorithmes d'apprentissage automatique TPF
Prise en charge opératoire ou non opératoire des fractures du plateau tibial ? Application d'algorithmes d'apprentissage automatique pour aider à la décision de traitement
Aperçu de l'étude
Statut
Les conditions
Description détaillée
L'objectif global est d'adopter une technique d'apprentissage automatique pour décider si un traitement opératoire ou non opératoire donnera les meilleurs résultats pour le patient.
Les principaux objectifs sont d'identifier l'algorithme d'apprentissage automatique le plus approprié pour prédire le meilleur traitement pour les futurs patients. Le fait que le traitement conservateur ou opératoire conduira au meilleur résultat pour le patient sera décidé en fonction du score KOOS prédit. Plusieurs facteurs d'entrée, tels que le traitement (conservateur ou opératoire), le nombre de fragments de fracture, l'emplacement de la fracture, l'atteinte des tissus mous,… pour chaque patient seront utilisés comme données d'entraînement pour l'algorithme. Certaines de ces données d'entrée seront dérivées de tomodensitogrammes. Par conséquent, les tomodensitogrammes seront segmentés en Mimics, pour lesquels l'UZ Leuven a récemment acheté des licences. La variable de sortie des données d'entraînement sera le score KOOS de chaque patient. Sur la base de la variable d'entrée et de sortie, l'algorithme déterminera une relation entre celles-ci. Pour les futurs patients dont la variable d'entrée est connue, la variable de sortie (=score KOOS) sera prédite à la fois en cas de traitement opératoire et conservateur. Nous émettons l'hypothèse que la prédiction sera améliorée en ajoutant plus de données d'entrée au fil du temps.
L'objectif secondaire est d'identifier les facteurs cliniques et radiologiques permettant de prédire le meilleur traitement pour les futurs patients.
En perspective, la technique d'apprentissage automatique pourrait être mise en œuvre à l'avenir dans la pratique clinique et utilisée comme outil de planification spécifique au patient pour la gestion des fractures du plateau tibial en aidant le chirurgien à sélectionner le meilleur traitement pour un cas donné. Les données collectées dans ce registre seront utilisées pour valider le modèle d'apprentissage automatique. Les patients ne seront pas encore traités sur la base des résultats du modèle développé, le chirurgien traumatologue est responsable de décider quelle option de traitement est la meilleure pour le patient.
Type d'étude
Inscription (Réel)
Contacts et emplacements
Lieux d'étude
-
-
Vlaams-Brabant
-
Leuven, Vlaams-Brabant, Belgique, 3000
- UZ Leuven
-
-
Critères de participation
Critère d'éligibilité
Âges éligibles pour étudier
Accepte les volontaires sains
Méthode d'échantillonnage
Population étudiée
La description
Critère d'intégration:
- Âge > 18 ans
- Fracture du plateau tibial proximal
- Le patient peut assister aux visites de suivi
Critère d'exclusion:
- Âge < 18 ans
- Fractures bilatérales
- Troubles neurologiques (c'est-à-dire paraplégie, AVC, démence, etc.)
- Ne pas comprendre le néerlandais ou l'anglais
Plan d'étude
Comment l'étude est-elle conçue ?
Détails de conception
- Modèles d'observation: Cohorte
- Perspectives temporelles: Éventuel
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Algorithme d'apprentissage automatique
Délai: 1 an
|
Identifier l'algorithme d'apprentissage automatique le plus approprié qui prédit le meilleur traitement pour les futurs patients.
La prédiction sera améliorée au fil du temps par des entrées supplémentaires.
|
1 an
|
Mesures de résultats secondaires
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Facteurs cliniques
Délai: 1 an
|
Identifier les facteurs cliniques permettant de prédire le meilleur traitement pour les futurs patients
|
1 an
|
|
Facteurs radiologiques
Délai: 1 an
|
Identifier les facteurs radiologiques permettant de prédire le meilleur traitement pour les futurs patients
|
1 an
|
Collaborateurs et enquêteurs
Parrainer
Les enquêteurs
- Chercheur principal: Harm Hoekstra, Prof. MD, UZ Leuven
Dates d'enregistrement des études
Dates principales de l'étude
Début de l'étude (Réel)
Achèvement primaire (Réel)
Achèvement de l'étude (Réel)
Dates d'inscription aux études
Première soumission
Première soumission répondant aux critères de contrôle qualité
Première publication (Réel)
Mises à jour des dossiers d'étude
Dernière mise à jour publiée (Réel)
Dernière mise à jour soumise répondant aux critères de contrôle qualité
Dernière vérification
Plus d'information
Termes liés à cette étude
Termes MeSH pertinents supplémentaires
Autres numéros d'identification d'étude
- S64352
Informations sur les médicaments et les dispositifs, documents d'étude
Étudie un produit pharmaceutique réglementé par la FDA américaine
Étudie un produit d'appareil réglementé par la FDA américaine
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 .