Cette page a été traduite automatiquement et l'exactitude de la traduction n'est pas garantie. Veuillez vous référer au version anglaise pour un texte source.

Artificial Intelligence System for the Detection and Prediction of Kidney Diseases Using Ocular Information

25 janvier 2022 mis à jour par: Haotian Lin, Sun Yat-sen University
This is an retrospective and prospective multicenter study to develop and validate an artificial intelligent (AI) aided diagnosis, therapeutic effect assessment model including chronic kidney disease (CKD) and dialysis patients starting from April 2009, which is based on ophthalmic examinations (e.g. retinal fundus photography, slit-lamp images, OCTA, etc.) and CKD diagnostic and therapeutic data (routine clinical evaluations and laboratory data), to provide a reliable basis and guideline for clinical diagnosis and treatment.

Aperçu de l'étude

Statut

Recrutement

Les conditions

Intervention / Traitement

Type d'étude

Observationnel

Inscription (Anticipé)

4000

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.

Coordonnées de l'étude

  • Nom: Haotian Lin, Ph. D
  • Numéro de téléphone: 13802793086
  • E-mail: gddlht@aliyun.com

Lieux d'étude

  • Chine
    • Guangdong
      • Guangzhou, Guangdong, Chine, 510060
        • Recrutement
        • Zhongshan Ophthalmic Center, Sun Yat-sen University
        • Contact:
        • Contact:

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

18 ans et plus (Adulte, Adulte plus âgé)

Accepte les volontaires sains

Oui

Sexes éligibles pour l'étude

Tout

Méthode d'échantillonnage

Échantillon de probabilité

Population étudiée

Participants who had slit-lamp, retinal fundus photography and kidney disease tests at the Department of Nephrology, First Affiliated Hospital of Sun Yat-sen University and Medical Centre of Aikang Health Care, Guangzhou, China

La description

Inclusion Criteria:

  • Patients previously received kidney biopsy, ophthalmic examinations and routine examinations of the department of nephrology during in-hospital period with BCVA>0.5.

Exclusion Criteria:

  • Patients without retinal fundus images or kidney diseases.
  • The quality of the retinal fundus images can not meet the requirement for furthur analysis.
  • Severe loss of results of routine examinations of the department of nephrology.

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

Cohortes et interventions

Groupe / Cohorte
Intervention / Traitement
Development Dataset 01
Slit-lamp, retinal fundus images, OCTA and kidney diseases examinations collected from Department of Nephrology of the First Affiliated Hospital of Sun Yat-sen University
Autre: Diagnostic Test: Chronic Kidney Diseases
The development datasets were used to train the deep learning model, which was validated and tested by the other 4 datasets.
Development Dataset 02
Slit-lamp, retinal fundus images, OCTA and kidney diseases examinations collected from Medical Centre of Aikang Health Care, Guangzhou, China
Autre: Diagnostic Test: Chronic Kidney Diseases
The development datasets were used to train the deep learning model, which was validated and tested by the other 4 datasets.
Validation Dataset 01
Slit-lamp, retinal fundus images, OCTA and kidney diseases examinations collected from Department of Nephrology of the First Affiliated Hospital of Sun Yat-sen University
Autre: Diagnostic Test: Chronic Kidney Diseases
The development datasets were used to train the deep learning model, which was validated and tested by the other 4 datasets.
Validation Dataset 02
Slit-lamp, retinal fundus images, OCTA and kidney diseases examinations collected from Medical Centre of Aikang Health Care, Guangzhou, China
Autre: Diagnostic Test: Chronic Kidney Diseases
The development datasets were used to train the deep learning model, which was validated and tested by the other 4 datasets.
Test Dataset 01
Slit-lamp, retinal fundus images, OCTA and kidney diseases examinations collected from Department of Nephrology of the First Affiliated Hospital of Sun Yat-sen University
Autre: Diagnostic Test: Chronic Kidney Diseases
The development datasets were used to train the deep learning model, which was validated and tested by the other 4 datasets.
Test Dataset 02
Slit-lamp, retinal fundus images, OCTA and kidney diseases examinations collected from Medical Centre of Aikang Health Care, Guangzhou, China
Autre: Diagnostic Test: Chronic Kidney Diseases
The development datasets were used to train the deep learning model, which was validated and tested by the other 4 datasets.

Que mesure l'étude ?

Principaux critères de jugement

Mesure des résultats
Description de la mesure
Délai
Area under the receiver operating characteristic curve of the deep learning system
Délai: baseline
The investigators will calculate the area under the receiver operating characteristic curve of deep learning system and compare this index between deep learning system and human doctors
baseline

Mesures de résultats secondaires

Mesure des résultats
Description de la mesure
Délai
Sensitivity and specificity of the deep learning system
Délai: baseline
The investigators will calculate the sensitivity and specifity of deep learning system and compare this index between deep learning system and human doctors
baseline

Collaborateurs et enquêteurs

C'est ici que vous trouverez les personnes et les organisations impliquées dans cette étude.

Parrainer

Sun Yat-sen University

Collaborateurs

First Affiliated Hospital, Sun Yat-Sen University

Les enquêteurs

  • Chaise d'étude: Yizhi Liu, M.D., Ph.D., Zhongshan Ophthalmic Center, Sun Yat-sen University

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)

28 août 2021

Achèvement primaire (Anticipé)

1 décembre 2022

Achèvement de l'étude (Anticipé)

1 décembre 2022

Dates d'inscription aux études

Première soumission

23 janvier 2022

Première soumission répondant aux critères de contrôle qualité

25 janvier 2022

Première publication (Réel)

4 février 2022

Mises à jour des dossiers d'étude

Dernière mise à jour publiée (Réel)

4 février 2022

Dernière mise à jour soumise répondant aux critères de contrôle qualité

25 janvier 2022

Dernière vérification

1 janvier 2022

Plus d'information

Termes liés à cette étude

Mots clés

Termes MeSH pertinents supplémentaires

Autres numéros d'identification d'étude

  • AIKD-2021

Plan pour les données individuelles des participants (IPD)

Prévoyez-vous de partager les données individuelles des participants (DPI) ?

NON

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 .

Essais cliniques sur Diagnostic Test: Chronic Kidney Diseases

Rechercher des essais similaires

Sponsors et collaborateurs

Les conditions médicales

Interventions en matière de drogue

CROs by country

CROs in United Kingdom

Conditions

Maladies rares

Interventions en matière de drogue

Compléments alimentaires

Commanditaire / collaborateurs

Emplacements

3
S'abonner