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.

Machine-learning Algorithm for Prediction of CKD From Retinal Images (healthy route)

10 novembre 2026 mis à jour par: Mohamed Khalis, Centre Mohammed VI de la Recherche et de l'Innovation (CM6RI)

A Validation Study to Assess Performance Accuracy of a Machine-Learning Algorithm for the Prediction of Chronic Kidney Disease (CKD) From Digital Retinal Images

This is a non-interventional study being conducted to validate the performance of a machine learning algorithm for prediction of eGFR from digital retinal images in a target population for future intended use as a populated-based screening tool. Secondary objectives will include prediction of blood pressure (> or ≤ 140/90 mmHg) and presence or absence of T2DM as determined by glycated haemoglobin (HbA1c >6.5%) or on the basis of clinical history. Once validated, the methodology will be deployed for health screening to improve access to healthcare.

Aperçu de l'étude

Type d'étude

Observationnel

Inscription (Estimé)

500

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: Mohamed Khalis, Professor
  • Numéro de téléphone: +212 628-245023
  • E-mail: mkhalis@um6ss.ma

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 non probabiliste

Population étudiée

The study population consists of adult patients diagnosed with chronic kidney disease (CKD), hypertension, diabetes mellitus, or without these conditions, attending routine outpatient clinics at Hôpital Universitaire International Cheikh Khalifa Ibn Zaid in Casablanca and Centre Hospitalier Universitaire Hassan II in Fez, Morocco.

La description

Inclusion Criteria

Participants are eligible to be included in the study only if all of the following criteria apply:

  1. Participant must be ≥ 18 years of age, at the time of signing the informed consent.
  2. Previously documented eGFR ≥ 3months
  3. Any participant with a positive dipstick result for proteinuria of at least trace
  4. Capable of giving signed informed consent as described in Appendix A which includes compliance with the requirements and restrictions listed in the informed consent form and in this protocol

Exclusion Criteria:

  • Participants are excluded from the study if any of the following criteria apply:

    1. As judged by the investigator, any evidence of a condition which in the investigator's opinion makes it undesirable for the participant to participate in the study.
    2. Any known eye condition that may preclude clear imaging of the retina for example; cataracts
    3. Individuals with hypertensive emergencies and hyperglycemic or hypoglycemic emergencies
    4. Involvement in the planning and/or conduct of the study (applies to HHA/ AstraZeneca staff and/or staff at the study site).
    5. Judgment by the investigator that the participant should not participate in the study if the participant is unlikely to comply with study procedures, restrictions and requirements.

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

  • Modèles d'observation: CASE_CONTROL
  • Perspectives temporelles: CROSS_SECTIONAL

Cohortes et interventions

Groupe / Cohorte
Intervention / Traitement
CKD Cases

350 participants (cases) with diabetes and/or hypertension and/or CKD with previously documented eGFR < 60 ml/min/1.73m2 ≥3 months

A machine learning-based algorithm analyzes retinal images to assess its ability to detect chronic kidney disease

Controls

150 (controls) with previously documented eGFR ≥ 60 ml/min/1.73m2 ≥ 3 months

A machine learning-based algorithm analyzes retinal images to assess its ability to detect chronic kidney disease

Que mesure l'étude ?

Principaux critères de jugement

Mesure des résultats
Description de la mesure
Délai
The accuracy of a machine-learning based algorithm to predict high risk CKD from digital retinal images
Délai: Baseline

To quantify the discrimination of the machine-learning algorithm for identifying the binary target condition of persistent eGFR <60 mL/min/1.73 m², using standard-of-care serum creatinine as the reference standard and the AUROC with a 95% confidence interval as the primary performance measure

Baseline

Mesures de résultats secondaires

Mesure des résultats
Description de la mesure
Délai
Accuracy of the Machine Learning Algorithm for Detection of Hypertension and T2DM
Délai: Baseline

To quantify the sensitivity, specificity, and discriminative performance of a machine-learning-based algorithm for identifying SBP >140 mmHg from digital retinal images, using standard-of-care assessment as the reference standard and the AUROC with a 95% confidence interval as the primary performance measure

Baseline

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 janvier 2027

Achèvement primaire (Estimé)

30 juin 2027

Achèvement de l'étude (Estimé)

31 octobre 2027

Dates d'inscription aux études

Première soumission

16 juillet 2026

Première soumission répondant aux critères de contrôle qualité

10 novembre 2026

Première publication (Réel)

16 novembre 2026

Mises à jour des dossiers d'étude

Dernière mise à jour publiée (Réel)

16 novembre 2026

Dernière mise à jour soumise répondant aux critères de contrôle qualité

10 novembre 2026

Dernière vérification

1 juillet 2026

Plus d'information

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 .

S'abonner