- ICH GCP
- Registre américain des essais cliniques
- Essai clinique NCT05651360
Performances diagnostiques de la TDM à faible dose pour les affections abdominales aiguës (DETECT_Acute)
Performances diagnostiques de la reconstruction d'images d'apprentissage en profondeur dans la tomodensitométrie à faible dose pour la détection des affections abdominales aiguës
L'objectif de cette étude observationnelle de non-infériorité est d'évaluer les performances diagnostiques de la TDM à faible dose avec reconstruction d'image par apprentissage en profondeur (DLIR) chez des participants adultes souffrant d'affections abdominales aiguës. La principale question de recherche est :
• La TDM à faible dose avec DLIR peut-elle atteindre les mêmes performances diagnostiques que la TDM standard pour le diagnostic des affections abdominales aiguës.
Les participants seront examinés avec un CT supplémentaire à faible dose directement après le CT standard. Le participant sera ses propres contrôles.
Aperçu de l'étude
Statut
Les conditions
Intervention / Traitement
Description détaillée
Contexte La tomodensitométrie (TDM) est devenue un outil essentiel de la médecine clinique moderne. Avec une large disponibilité, une augmentation rapide de l'utilisation de l'imagerie CT a été observée au cours des dernières décennies. Avec l'augmentation associée de l'exposition aux rayonnements, le risque accru potentiel de malignité radio-induite est devenu un problème de santé publique. Ceci est particulièrement vrai pour les tomodensitogrammes de l'abdomen et du bassin qui représentent actuellement 50 % de la dose CT collective. Comme le bénéfice de la réduction de la dose en général est compensé par la détérioration de la qualité de l'image, les avancées technologiques pour réduire la dose de rayonnement sans compromettre la qualité de l'image sont aspirées dans la pratique clinique.
Dans la reconstruction d'images CT, la rétroprojection filtrée (FBP) est l'algorithme de technique de reconstruction d'image dominant depuis le début des années 1970, complété par les premiers algorithmes commerciaux de reconstruction itérative (IR) en 2009.
Un nouvel algorithme de reconstruction d'image d'apprentissage en profondeur (DLIR) a reçu une approbation clinique en 2019 (TrueFidelity, GE Healthcare, Milwaukee, WI). D'autres algorithmes spécifiques à un fournisseur pour la reconstruction d'images d'apprentissage en profondeur émergent également (AiCE, Canon Medical Systems, Otawara, Japon). Comme l'explique un livre blanc technique, ayant été formé avec des ensembles de données FBP à haute et à faible dose sur des cas de fantômes et de patients, l'algorithme DLIR s'efforce de supprimer le bruit de l'image sans compromettre la qualité de l'image. L'utilisation de la reconstruction d'image par apprentissage en profondeur a démontré un potentiel d'amélioration de la qualité de l'image et de la réduction de la dose sans modifier la texture du bruit.
Pour les patients souffrant d'affections abdominales aiguës, la TDM de l'abdomen et du bassin est considérée comme la meilleure approche diagnostique de première ou de deuxième ligne. Pour ces patients, un diagnostic rapide et précis est d'une grande importance pour éviter un retard de traitement et des complications ultérieures telles qu'une perforation gastro-intestinale en cas d'appendicite ou de diverticulite. D'autre part, il est également important d'éviter une intervention chirurgicale inutile et les complications associées. Un éventuel protocole CT à faible dose doit donc apporter une performance diagnostique non inférieure pour faciliter un diagnostic rapide et éviter les surtraitements et les examens non concluants.
Des résultats prometteurs ont été rapportés concernant les examens CT à faible dose avec une IR basée sur un modèle et une réduction de dose allant jusqu'à 75-80 %. Cependant, avec l'introduction du DLIR, une réduction encore plus importante de la dose semble faisable. Nos propres résultats d'une étude de perception de la qualité d'image avec DLIR indiquent qu'une réduction de dose allant jusqu'à 92,5 % par rapport à la tomodensitométrie standard pourrait préserver une qualité d'image diagnostique acceptable (travail encore non publié).
Sur cette base, le but de cette étude est d'évaluer les performances diagnostiques de la TDM à faible dose avec DLIR pour le diagnostic des affections abdominales aiguës dans un contexte de non-infériorité avec un échantillon de grande taille fourni par deux grands centres de traumatologie du nord de l'Europe.
Objectifs
Primaire:
Évaluer les performances diagnostiques pour les affections abdominales aiguës de la tomodensitométrie à faible dose avec contraste amélioré avec DLIR "TrueFidelity" (TF) par rapport à la tomodensitométrie à dose complète standard.
Secondaire:
Évaluer la qualité technique et perçue de l'image (qualitativement et quantitativement).
Éthique
L'approbation sera obtenue auprès du comité d'éthique régional et du délégué à la protection des données de l'établissement.
Un consentement éclairé écrit sera obtenu de tous les participants. Ce projet sera conforme à la Déclaration d'Helsinki.
Risques Des risques minimes existent en raison d'une légère augmentation de l'exposition aux rayonnements. L'exposition supplémentaire aux rayonnements de 27,5 % se situe dans la variation nationale de l'exposition aux rayonnements des examens CT effectués pour les tâches cliniques correspondantes. Les chercheurs ont estimé la dose efficace supplémentaire moyenne à 1,5 mSv, ce qui correspond à environ 4 mois avec une exposition au rayonnement de fond naturel en Norvège (4,1 mSv/an). L'exposition supplémentaire aux rayonnements se traduit par un excès théorique de risque à vie de cancer mortel radio-induit compris entre 0,004 et 0,03 %. Les risques cliniques liés à cette exposition sont considérés comme minimes/non significatifs.
Matériel et méthodes L'étude sera enregistrée sur ClinicalTrials.gov avant l'initiation. Les méthodes et les résultats de l'étude seront rapportés conformément à la déclaration des normes de notification des études sur l'exactitude diagnostique (STARD) de 2015. A noter que le STARD-AI Steering Group prépare une extension spécifique à l'IA. Si ces directives STARD-AI sont publiées avant la fin de l'étude, les résultats seront également rapportés conformément aux présentes. Pour compenser les éléments spécifiques à l'IA non abordés dans STARD, les enquêteurs s'appuieront, le cas échéant, sur la liste de contrôle pour l'intelligence artificielle en imagerie médicale (CLAIM) qui est calquée sur la ligne directrice STARD.
Pilote Une étude pilote comprenant 10 patients répartis également entre Oslo et Odense sera réalisée pour permettre de tester la logistique de l'étude et les ajustements du niveau de dose de rayonnement du scanner à faible dose.
Protocole d'examen / imagerie Les examens seront effectués selon les procédures de routine locales et les protocoles CT établis (scanner CT : GE Revolution).
En plus de la tomodensitométrie avec protocole d'examen standard, une tomodensitométrie à faible dose sera effectuée, ne dépassant pas 30 % de la dose de rayonnement de la tomodensitométrie standard. Les images CT à faible dose seront reconstruites avec un TF élevé. Le scanner à faible dose sera réalisé directement après le scanner standard pour éviter les biais dus aux différences de synchronisation de la phase de contraste.
Localisation et population locale de l'étude L'étude sera réalisée sous la forme d'une étude multicentrique impliquant Oslo et Odense avec une collecte de données prospective.
La population totale estimée de l'étude sera divisée également entre les deux hôpitaux.
Évaluation de l'image Le scanner à faible dose ne sera pas utilisé à des fins de diagnostic ou de traitement du patient. L'évaluation et la comparaison des images seront effectuées séparément du flux de travail de routine clinique.
Tous les examens CT à faible dose seront évalués indépendamment par deux radiologues résidents et par deux radiologues expérimentés spécialisés en radiologie abdominale avec plus de 10 ans d'expérience en CT abdominal. Les lecteurs seront aveuglés pour toutes les informations des examens précédents, le rapport CT primaire, toute découverte par les autres lecteurs, toutes les informations liées au traitement et pour le diagnostic final.
Ils auront accès aux références cliniques et aux tests de laboratoire effectués avant l'examen CT original. L'évaluation des images sera effectuée dans l'environnement clinique des radiologues à l'aide de moniteurs de diagnostic.
Dans l'analyse des résultats, le diagnostic de chaque patient à partir d'une TDM à faible dose sera comparé au diagnostic radiologique initial basé sur une TDM à pleine dose.
Pour l'accord intra-lecteur, une sélection aléatoire parmi 10 % des cas sera présentée deux fois à chaque lecteur.
La qualité technique de l'image est évaluée en positionnant les régions d'intérêt (ROI) dans un segment homogène de la veine porte, de l'aorte du parenchyme hépatique normal adjacent, des muscles érecteurs du rachis et de la graisse sous-cutanée. Le rapport contraste/bruit (CNR) sera calculé.
La qualité d'image perçue sera évaluée par au moins deux radiologues sur une échelle de type Likert selon des critères de qualité d'image basés sur les directives européennes pour la qualité d'image en tomodensitométrie abdominale.
Statistiques Des logiciels statistiques dédiés tels que Stata et SPSS seront utilisés pour l'analyse des données de l'étude. Le niveau de signification alpha sera fixé à 5 % et des intervalles de confiance de 95 % seront utilisés. Les statistiques Kappa seront utilisées pour l'accord inter et intra lecteur. La régression logistique sera utilisée pour l'évaluation de la qualité de l'image. Des tests paramétriques ou non paramétriques appropriés seront utilisés pour l'évaluation des variables numériques. La performance diagnostique sera définie par l'aire sous la courbe, la sensibilité, la spécificité, la valeur prédictive positive et négative. Les différences significatives de sensibilité et de spécificité seront déterminées par le test de McNemar.
Calcul de la puissance et taille de l'échantillon Un plan d'étude de non-infériorité sera utilisé pour montrer la non-infériorité concernant les performances diagnostiques du scanner à faible dose par rapport au scanner standard. Les investigateurs ont estimé la sensibilité du CT standard à 90 %. La prévalence des affections abdominales aiguës avec une corrélation visible au scanner standard est estimée à 70 % parmi toutes les références répondant aux critères d'inclusion. Une marge de non-infériorité de 10 % pour la sensibilité a été considérée comme cliniquement acceptable, c'est-à-dire que la probabilité de résultats positifs au scanner à faible dose en cas de scanner standard positif a été supposée être de 90 %.
S_L = Probabilité (CT positif à faible dose | CT standard positif)
L'hypothèse 0 a été définie comme suit :
S_L < 90 %
L'hypothèse alternative a alors été définie comme suit :
S_L > 90 % Pour identifier une différence unilatérale de 6 % (augmentation) par rapport à la marge de non-infériorité avec une puissance de 80 % et un niveau de signification alpha de 5 %, les investigateurs ont estimé à n= le nombre de patients requis avec des résultats CT positifs. 116 (distribution binominale). Le nombre total de patients requis a ensuite été calculé à 116/0,7=166.
Type d'étude
Inscription (Réel)
Contacts et emplacements
Critères de participation
Critère d'éligibilité
Âges éligibles pour étudier
Accepte les volontaires sains
Méthode d'échantillonnage
Population étudiée
La description
Critère d'intégration:
- Les patients sous évaluation pour une affection abdominale aiguë qui sont référés à une TDM de l'abdomen et du bassin.
- Âge >18 ans
- Les patients doivent être en mesure de donner leur consentement oral et écrit à la participation à l'étude.
Critère d'exclusion:
- Contre-indications concernant les examens de tomodensitométrie avec contraste comme les effets indésirables connus des produits de contraste iodés ou la claustrophobie.
- Grossesse.
Plan d'étude
Comment l'étude est-elle conçue ?
Détails de conception
- Modèles d'observation: Cohorte
- Perspectives temporelles: Éventuel
Cohortes et interventions
Groupe / Cohorte |
Intervention / Traitement |
|---|---|
|
Douleur abdominale
Participants sous évaluation pour une affection abdominale aiguë qui sont référés à une TDM de l'abdomen et du bassin.
|
Une tomodensitométrie à faible dose sera effectuée, ne dépassant pas 30 % de la dose de rayonnement de la tomodensitométrie standard.
Les images CT à faible dose seront reconstruites avec TrueFidelity high.
Le scanner à faible dose sera effectué directement après le scanner standard pour éviter les biais dus aux différences de synchronisation de la phase de contraste.
|
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Diagnostic performance of low-dose CT
Délai: 6 to 12 months
|
Diagnostic performance of low-dose CT compared to standard CT according to ICD 10 diagnosis. Diagnostic performance measured in terms of: Sensitivity, derived from mixed-effects logistic regression. |
6 to 12 months
|
Mesures de résultats secondaires
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Diagnostic performance
Délai: 6 to 12 month
|
Diagnostic performance measured in terms of: Specificity, positive predictive value, negative predictive value, and accuracy derived from mixed-effects logistic regression.
|
6 to 12 month
|
|
Radiation dose
Délai: 6 to 12 months
|
Compare radiation dose; low-dose vs standard CT: Radiation dose measured in terms of DLP and CTDIvol. |
6 to 12 months
|
|
Reading time.
Délai: 6 to 12 month
|
Reading time difference between low-dose CT and standard CT.
|
6 to 12 month
|
|
Perceived image quality
Délai: 6 to 12 months
|
Compare perceived image quality; low-dose vs standard CT: Perceived image quality scored on a ordinal, 5-point Likert scale (at least two readers). |
6 to 12 months
|
|
Image quality - noise
Délai: 6 to 12 months
|
Compare technical image quality; low-dose vs standard CT: Image noise in terms of standard deviation within a region of interest (ROI); numerical as Hounsfield unit (HU), several points of measurement. |
6 to 12 months
|
|
Image quality - contrast-to-noise ratio
Délai: 6 to 12 months
|
Compare technical image quality; low-dose vs standard CT: Contrast-to-noise ratio; numerical, several points of measurement. Calculated according to: CNR=(│〖HU〗_Kidney - 〖HU〗_(Water )│)/√((〖SD〗_Kidney 2 + 〖SD〗_Water 2 )/2) |
6 to 12 months
|
|
Diagnoses
Délai: 6 to 12 months
|
Descriptive exploration of diagnoses among patients referred to CT examinations; diagnoses according to ICD 10.
|
6 to 12 months
|
Collaborateurs et enquêteurs
Parrainer
Collaborateurs
Les enquêteurs
- Chercheur principal: Anselm Schulz, PhD, Oslo University Hospital
Publications et liens utiles
Publications générales
- Berrington de Gonzalez A, Mahesh M, Kim KP, Bhargavan M, Lewis R, Mettler F, Land C. Projected cancer risks from computed tomographic scans performed in the United States in 2007. Arch Intern Med. 2009 Dec 14;169(22):2071-7. doi: 10.1001/archinternmed.2009.440.
- Brenner DJ, Hall EJ. Computed tomography--an increasing source of radiation exposure. N Engl J Med. 2007 Nov 29;357(22):2277-84. doi: 10.1056/NEJMra072149. No abstract available.
- Novelline RA, Rhea JT, Rao PM, Stuk JL. Helical CT in emergency radiology. Radiology. 1999 Nov;213(2):321-39. doi: 10.1148/radiology.213.2.r99nv01321.
- OECD. Computed tomography (CT) exams. 2018.
- Mettler FA Jr, Thomadsen BR, Bhargavan M, Gilley DB, Gray JE, Lipoti JA, McCrohan J, Yoshizumi TT, Mahesh M. Medical radiation exposure in the U.S. in 2006: preliminary results. Health Phys. 2008 Nov;95(5):502-7. doi: 10.1097/01.HP.0000326333.42287.a2.
- Pan X, Sidky EY, Vannier M. Why do commercial CT scanners still employ traditional, filtered back-projection for image reconstruction? Inverse Probl. 2009 Jan 1;25(12):1230009. doi: 10.1088/0266-5611/25/12/123009.
- Beister M, Kolditz D, Kalender WA. Iterative reconstruction methods in X-ray CT. Phys Med. 2012 Apr;28(2):94-108. doi: 10.1016/j.ejmp.2012.01.003. Epub 2012 Feb 10.
- Hsieh JL, E.; Nett, B.; Tang, J.; Thibault JB.; Sahney, S. A new era of image reconstruction: TrueFidelity. Technical white paper on deep learning image reconstruction. 2019.
- Jensen CT, Liu X, Tamm EP, Chandler AG, Sun J, Morani AC, Javadi S, Wagner-Bartak NA. Image Quality Assessment of Abdominal CT by Use of New Deep Learning Image Reconstruction: Initial Experience. AJR Am J Roentgenol. 2020 Jul;215(1):50-57. doi: 10.2214/AJR.19.22332. Epub 2020 Apr 14.
- Njolstad T, Schulz A, Godt JC, Brogger HM, Johansen CK, Andersen HK, Martinsen ACT. Improved image quality in abdominal computed tomography reconstructed with a novel Deep Learning Image Reconstruction technique - initial clinical experience. Acta Radiol Open. 2021 Apr 9;10(4):20584601211008391. doi: 10.1177/20584601211008391. eCollection 2021 Apr.
- Solomon J, Lyu P, Marin D, Samei E. Noise and spatial resolution properties of a commercially available deep learning-based CT reconstruction algorithm. Med Phys. 2020 Sep;47(9):3961-3971. doi: 10.1002/mp.14319. Epub 2020 Jul 6.
- Greffier J, Hamard A, Pereira F, Barrau C, Pasquier H, Beregi JP, Frandon J. Image quality and dose reduction opportunity of deep learning image reconstruction algorithm for CT: a phantom study. Eur Radiol. 2020 Jul;30(7):3951-3959. doi: 10.1007/s00330-020-06724-w. Epub 2020 Feb 25.
- Brady SL, Trout AT, Somasundaram E, Anton CG, Li Y, Dillman JR. Improving Image Quality and Reducing Radiation Dose for Pediatric CT by Using Deep Learning Reconstruction. Radiology. 2021 Jan;298(1):180-188. doi: 10.1148/radiol.2020202317. Epub 2020 Nov 17.
- Larson DB, Johnson LW, Schnell BM, Salisbury SR, Forman HP. National trends in CT use in the emergency department: 1995-2007. Radiology. 2011 Jan;258(1):164-73. doi: 10.1148/radiol.10100640. Epub 2010 Nov 29.
- Rud B, Vejborg TS, Rappeport ED, Reitsma JB, Wille-Jorgensen P. Computed tomography for diagnosis of acute appendicitis in adults. Cochrane Database Syst Rev. 2019 Nov 19;2019(11):CD009977. doi: 10.1002/14651858.CD009977.pub2.
- Kabir SA, Kabir SI, Sun R, Jafferbhoy S, Karim A. How to diagnose an acutely inflamed appendix; a systematic review of the latest evidence. Int J Surg. 2017 Apr;40:155-162. doi: 10.1016/j.ijsu.2017.03.013. Epub 2017 Mar 6.
- Moloney F, James K, Twomey M, Ryan D, Grey TM, Downes A, Kavanagh RG, Moore N, Murphy MJ, Bye J, Carey BW, McSweeney SE, Deasy C, Andrews E, Shanahan F, Maher MM, O'Connor OJ. Low-dose CT imaging of the acute abdomen using model-based iterative reconstruction: a prospective study. Emerg Radiol. 2019 Apr;26(2):169-177. doi: 10.1007/s10140-018-1658-z. Epub 2018 Nov 17.
- Poletti PA, Becker M, Becker CD, Halfon Poletti A, Rutschmann OT, Zaidi H, Perneger T, Platon A. Emergency assessment of patients with acute abdominal pain using low-dose CT with iterative reconstruction: a comparative study. Eur Radiol. 2017 Aug;27(8):3300-3309. doi: 10.1007/s00330-016-4712-9. Epub 2017 Jan 12.
- Widmark A. Diagnostic reference level (DRL) in Norway 2017. Results, revision:and establishment of new DRL.NRPA Report 2018:3. Norwegian Radiation Protection Authority, Østerås 2018.
- Komperød M, Rudjord AL, Skuterud L, Dyve JE. Radiation Doses from the Environment. Calculations of the Public's Exposure to Radiation from the Environment in Norway. Strålevern Rapport 2015:11 Østerås: Norwegian Radiation Protection Authority 2015.
- Bossuyt PM, Reitsma JB, Bruns DE, Gatsonis CA, Glasziou PP, Irwig L, Lijmer JG, Moher D, Rennie D, de Vet HC, Kressel HY, Rifai N, Golub RM, Altman DG, Hooft L, Korevaar DA, Cohen JF; STARD Group. STARD 2015: An Updated List of Essential Items for Reporting Diagnostic Accuracy Studies. Radiology. 2015 Dec;277(3):826-32. doi: 10.1148/radiol.2015151516. Epub 2015 Oct 28.
- Sounderajah V, Ashrafian H, Golub RM, Shetty S, De Fauw J, Hooft L, Moons K, Collins G, Moher D, Bossuyt PM, Darzi A, Karthikesalingam A, Denniston AK, Mateen BA, Ting D, Treanor D, King D, Greaves F, Godwin J, Pearson-Stuttard J, Harling L, McInnes M, Rifai N, Tomasev N, Normahani P, Whiting P, Aggarwal R, Vollmer S, Markar SR, Panch T, Liu X; STARD-AI Steering Committee. Developing a reporting guideline for artificial intelligence-centred diagnostic test accuracy studies: the STARD-AI protocol. BMJ Open. 2021 Jun 28;11(6):e047709. doi: 10.1136/bmjopen-2020-047709.
- Mongan J, Moy L, Kahn CE Jr. Checklist for Artificial Intelligence in Medical Imaging (CLAIM): A Guide for Authors and Reviewers. Radiol Artif Intell. 2020 Mar 25;2(2):e200029. doi: 10.1148/ryai.2020200029. eCollection 2020 Mar. No abstract available.
- Report EUR 16262 EN. European guidelines on quality criteria for computed tomography. 2000.
- Ahn S, Park SH, Lee KH. How to demonstrate similarity by using noninferiority and equivalence statistical testing in radiology research. Radiology. 2013 May;267(2):328-38. doi: 10.1148/radiol.12120725.
- Eng KA, Abadeh A, Ligocki C, Lee YK, Moineddin R, Adams-Webber T, Schuh S, Doria AS. Acute Appendicitis: A Meta-Analysis of the Diagnostic Accuracy of US, CT, and MRI as Second-Line Imaging Tests after an Initial US. Radiology. 2018 Sep;288(3):717-727. doi: 10.1148/radiol.2018180318. Epub 2018 Jun 19.
- Expert Panel on Gastrointestinal Imaging:; Garcia EM, Camacho MA, Karolyi DR, Kim DH, Cash BD, Chang KJ, Feig BW, Fowler KJ, Kambadakone AR, Lambert DL, Levy AD, Marin D, Moreno C, Peterson CM, Scheirey CD, Siegel A, Smith MP, Weinstein S, Carucci LR. ACR Appropriateness Criteria(R) Right Lower Quadrant Pain-Suspected Appendicitis. J Am Coll Radiol. 2018 Nov;15(11S):S373-S387. doi: 10.1016/j.jacr.2018.09.033.
- Expert Panel on Gastrointestinal Imaging:; Peterson CM, McNamara MM, Kamel IR, Al-Refaie WB, Arif-Tiwari H, Cash BD, Chernyak V, Goldstein A, Grajo JR, Hindman NM, Horowitz JM, Noto RB, Porter KK, Srivastava PK, Zaheer A, Carucci LR. ACR Appropriateness Criteria(R) Right Upper Quadrant Pain. J Am Coll Radiol. 2019 May;16(5S):S235-S243. doi: 10.1016/j.jacr.2019.02.013.
- Akagi M, Nakamura Y, Higaki T, Narita K, Honda Y, Zhou J, Yu Z, Akino N, Awai K. Deep learning reconstruction improves image quality of abdominal ultra-high-resolution CT. Eur Radiol. 2019 Nov;29(11):6163-6171. doi: 10.1007/s00330-019-06170-3. Epub 2019 Apr 11.
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
Mots clés
Termes MeSH pertinents supplémentaires
- La douleur
- Manifestations neurologiques
- Processus pathologiques
- Signes et symptômes digestifs
- Maladies intestinales
- Infections
- Maladies du système digestif
- Maladies gastro-intestinales
- Maladies pancréatiques
- Maladies des voies biliaires
- Gastro-entérite
- Maladies de la vésicule biliaire
- Maladies cæcales
- Infections intra-abdominales
- Conditions pathologiques, signes et symptômes
- Signes et symptômes
- Cholécystite
- Douleur abdominale
- Pancréatite
- Maladie
- La douleur aiguë
- Cholécystite aiguë
- Appendicite
Autres numéros d'identification d'étude
- PVO ref. 22/11840
- 22/11840 (Autre identifiant: Data protection officer at Oslo University Hospital)
- 468490 (Autre identifiant: Regional Comittees for Medical Research Ethics South East)
Plan pour les données individuelles des participants (IPD)
Prévoyez-vous de partager les données individuelles des participants (DPI) ?
Description du régime IPD
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 .