- ICH GCP
- Registre américain des essais cliniques
- Essai clinique NCT06066372
Application de modèles d'apprentissage automatique pour réduire le besoin de diagnostic EUS ou MRCP chez les patients présentant un risque intermédiaire de cholédocholithiase
27 septembre 2023 mis à jour par: Asian Institute of Gastroenterology, India
Application de modèles d'apprentissage automatique pour réduire le besoin de diagnostic EUS ou MRCP chez les patients présentant un risque intermédiaire de cholédocholithiase - Une étude diagnostique prospective et ouverte
Le modèle prédictif d'apprentissage automatique peut aider à stratifier un groupe hétérogène à probabilité intermédiaire afin de réduire le besoin d'EUS ou de MRCP dans un sous-groupe sélectionné de patients.
Aperçu de l'étude
Statut
Pas encore de recrutement
Les conditions
Description détaillée
Les lignes directrices actuelles en cas de suspicion de cholédocholithiase visent à réduire le risque que le patient reçoive une CPRE diagnostique et à réduire le risque d'événements indésirables post-CPRE.
Dans ce processus, il y a une augmentation apparente du nombre de patients dans le groupe à probabilité intermédiaire nécessitant une EUS ou une MRCP.
Cela peut augmenter le recours aux soins de santé et le coût des soins pour les patients à probabilité intermédiaire.
Le domaine de l’intelligence artificielle en médecine clinique évolue rapidement.
L'utilisation d'un modèle d'apprentissage automatique basé sur l'intelligence artificielle n'est pas suffisamment étudiée pour prédire la cholédocholithiase.
Le modèle prédictif d'apprentissage automatique peut aider à stratifier un groupe hétérogène à probabilité intermédiaire afin de réduire le besoin d'EUS ou de MRCP dans un sous-groupe sélectionné de patients.
Type d'étude
Observationnel
Inscription (Estimé)
1000
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
- Adulte
- Adulte plus âgé
Accepte les volontaires sains
N/A
Méthode d'échantillonnage
Échantillon de probabilité
Population étudiée
Tous les patients suspectés de cholédocholithiase satisfaisant aux critères de stratification du risque ESGE ou ASGE de probabilité intermédiaire de cholédocholithiase seront recrutés de manière prospective dans les hôpitaux AIG d'Hyderabad.
La description
Critère d'intégration:
• Personne de 18 ans ou plus suspectée de cholédocholithiase répondant aux critères de stratification du risque ASGE ou ESGE de probabilité intermédiaire subissant une EUS ou une MRCP.
Critère d'exclusion:
- Patients présentant une maladie concomitante du système pancréato-biliaire autre que les calculs biliaires et la cholédocholithiase, qui comprennent une pancréatite chronique, une sténose biliaire, une tumeur maligne pancréatobiliaire, une biliopathie portale
- Patients souffrant de maladies hépatiques chroniques sous-jacentes
- La grossesse et l'allaitement
- Antécédents de cholécystectomie
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
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
---|---|---|
Développement d’un algorithme d’apprentissage automatique pour prédire la cholédocholithiase
Délai: Un ans
|
développer un algorithme d'apprentissage automatique pour prédire la lithiase biliaire chez les patients présentant un risque intermédiaire de lithiase biliaire
|
Un ans
|
Mesures de résultats secondaires
Mesure des résultats |
Description de la mesure |
Délai |
---|---|---|
1. Comparez la précision du diagnostic de l'EUS ou du MRCP avec l'algorithme d'apprentissage automatique
Délai: Un ans
|
1. Comparez la précision du diagnostic de l'EUS ou du MRCP avec l'algorithme d'apprentissage automatique
|
Un ans
|
2. Pour valider l'algorithme d'apprentissage automatique
Délai: Un ans
|
Un ans
|
Collaborateurs et enquêteurs
C'est ici que vous trouverez les personnes et les organisations impliquées dans cette étude.
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 (Estimé)
1 octobre 2023
Achèvement primaire (Estimé)
30 octobre 2024
Achèvement de l'étude (Estimé)
30 octobre 2024
Dates d'inscription aux études
Première soumission
13 septembre 2023
Première soumission répondant aux critères de contrôle qualité
27 septembre 2023
Première publication (Réel)
4 octobre 2023
Mises à jour des dossiers d'étude
Dernière mise à jour publiée (Réel)
4 octobre 2023
Dernière mise à jour soumise répondant aux critères de contrôle qualité
27 septembre 2023
Dernière vérification
1 septembre 2023
Plus d'information
Termes liés à cette étude
Termes MeSH pertinents supplémentaires
Autres numéros d'identification d'étude
- AI EUS Choledocholithiasis
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 .