Optimalizálja a kockázati előrejelzést a miokardiális infarktus után mesterséges intelligencia és többdimenziós értékelés útján: Az Oracle tanulmány (ORACLE)
Háttér. A miokardiális infarktus (MI) világszerte a fő halálok oka. Az MI után a hosszú távú antitrombotikus kezelés elengedhetetlen a visszatérő események megelőzéséhez, de növeli a vérzést, ami befolyásolja a morbiditást és a halálozást is. Ezeknek a versengő kockázatoknak az előrejelzési eszközöknek az ischaemiás és a vérzés előrejelzéséhez kiemelkedően fontos a klinikai döntések tájékoztatása, ám jelenlegi pontosságuk korlátozott. Az események előrejelzésének javítása az új és innovatív kockázati marker felfedezésével óriási hatással lenne a terápiás döntésekre és a betegek kimenetelére.
Célkitűzések. Fedezze fel a kockázat új "számítási biomarkereit", és javítsa a jelenlegi kockázat előrejelzési előírásait innovatív multidimenziós információk felhasználásával hordható eszközökből, biomarkerekből, viselkedési mintákból és nem invazív képalkotásból, amelyet a mesterséges intelligencia számításával integrálnak.
Eredmények. Az elemzés elsődleges érdeklődési eredménye a vérzés és az ischaemiás események, amelyek a kórházban vagy azon kívül is bekövetkeztek a rendelkezésre álló leghosszabb nyomon követésen. A vérzést a Bleeding Academic Research Consortium (BARC) meghatározása szerint kategorizálják. A legfontosabb káros kardiovaszkuláris események (MACE), a kardiovaszkuláris halál, az MI, a határozott stent trombózis és a stroke kompozíciójának előfordulását az Academic Research Consortium-2 osztályozás szerint gyűjtik.
A tanulmány áttekintése
Tanulmány típusa
Beiratkozás (Becsült)
Kapcsolatok és helyek
Tanulmányi kapcsolat
- Név: Dr. Francesco Costa
- Telefonszám: +34
- E-mail: dottfrancescocosta@gmail.com
Tanulmányi helyek
-
-
-
Málaga, Spanyolország, 29010
- Toborzás
- Hospital Universitario Virgen de la Victoria
-
Kapcsolatba lépni:
- Francesco Costa, MD
- Telefonszám: +34951030435
- E-mail: dottfrancescocosta@gmail.com
-
-
Részvételi kritériumok
Jogosultsági kritériumok
Tanulmányozható életkorok
- Felnőtt
- Idősebb felnőtt
Egészséges önkénteseket fogad
Mintavételi módszer
Tanulmányi populáció
Leírás
Befogadási kritériumok:
Miokardiális infarktusban szenvedő betegek (azaz Kórházi ápolás az ST-szegmens megemelkedett, nem szegmens megemelkedett miokardiális infarktus vagy instabil angina) invazív kezelésen és magas klinikai események kockázatával jár (azaz A magas kockázati kritériumok közül legalább kettő jelenléte: 65 év, cukorbetegség -mellitus, multivessel -betegség, perifériás artériás betegség, krónikus vesebetegség, korábbi stroke bármikor vagy korábbi TIA, az elmúlt 6 hónapban, a korábbi MI, komplex PCI, PCI/CABIN, szívelégtelenség, BMI> 27, az orális anticoaguláns, a Hemoglobloblobl, mint a 11. számú hosszú távú felhasználás, az orális anticoaguláns, a Hemoglobloblobl, mint a 11. Spontán vérzés, amely kórházi ápolást vagy transzfúziót igényel az elmúlt 12 hónapban, vérzés diatézis* aktív malignitás, kivéve a bőr, az előző spontán intrakraniális vérzés).
- A megnövekedett vérzési kockázathoz kapcsolódó szisztémás feltételek (pl. A hematológiai rendellenességek, ideértve a jelenlegi trombocitopaénia története vagy a vérlemezkeszám, amely <100 000/mm3 (<100 x 10^9/L), vagy bármely ismert koagulációs rendellenesség, amely a megnövekedett vérzési kockázathoz kapcsolódik.
Kizárási kritériumok:
- Életkor <18 év
- Alacsony élettartam (<1 év)
- Terhes vagy szoptató nők
- Bizonyítékok a nem szignifikáns koszorúér-betegség koszorúér angiográfiáján (<30% a bal fő szárban vagy <50% a többi koszorúér szegmensben)
- Az alany egy kiszolgáltatott népességhez tartozik (a nyomozó ítélete szerint), az alany nem tudott olvasni vagy írni, vagy más olyan állapotokhoz, amelyek nem tudják a beteget teljes mértékben megérteni és betartani a vizsgálati eljárás szerint
Tanulási terv
Hogyan készül a tanulmány?
Tervezési részletek
Kohorszok és beavatkozások
Csoport / Kohorsz |
Beavatkozás / kezelés |
|---|---|
|
Miokardiális infarktus (MI)
Miokardiális infarktusban szenvedő betegek (azaz
Kórházi ápolás az ST-szegmens megemelkedett, nem szegmens megemelkedett miokardiális infarktus vagy instabil angina) invazív kezelésen és magas klinikai események kockázatával jár (azaz
A magas kockázati kritériumok közül legalább kettő jelenléte: 65 év, cukorbetegség -mellitus, multivessel -betegség, perifériás artériás betegség, krónikus vesebetegség, korábbi stroke bármikor vagy korábbi TIA, az elmúlt 6 hónapban, a korábbi MI, komplex PCI, PCI/CABIN, szívelégtelenség, BMI> 27, az orális anticoaguláns, a Hemoglobloblobl, mint a 11. számú hosszú távú felhasználás, az orális anticoaguláns, a Hemoglobloblobl, mint a 11. spontán vérzés, amely kórházi ápolást vagy transzfúziót igényel az elmúlt 12 hónapban, vérzés diatézis* A bőrön kívüli aktív malignitás, az előző spontán intrakraniális vérzés)
|
Az Oracle Program egy prospektív, mély fenotípuskészítés, multimodális információk és mesterséges intelligencia számításon alapuló tanulmány.
Prospektív módon összegyűjtjük a kórházi és a kórházon kívüli adatait egy MI-vel bemutatott nagy betegek csoportjáról, ideértve a hordható eszközök adatait, amelyek folyamatos EKG-t, intersticiális-fluidokat, nem invazív vérnyomást és mobilitást, viselkedési mintákat, dedikált mobil alkalmazásból származó viselkedési mintákat, vér- és urak biomarkerek és nem invazív képalkotás.
A statisztikai tanulási módszerekkel és ideghálózatokkal felhasználjuk az AI -t, hogy feltárjuk az adatokon belüli mintákat és magasabb rendű interakciókat az ischaemiás és a vérzési kockázat új számítási biomarkereinek biztosítása érdekében.
Más nevek:
|
Mit mér a tanulmány?
Elsődleges eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
|---|---|---|
|
A vérzés és az ischaemiás események gyakorisága és súlyossága
Időkeret: 8 hónapos felvétel és 12 hónapos nyomon követés a vizsgálat vége után
|
Ennek az elemzésnek az elsődleges érdeklődési eredményei a vérzés és az ischaemiás események, amelyek a leghosszabb, a rendelkezésre álló nyomon követésnél be- vagy a kórházon kívül fordulnak elő.
A vérzést a Bleeding Academic Research Consortium (BARC) meghatározása szerint kategorizálják.
A legfontosabb káros kardiovaszkuláris események (MACE), a kardiovaszkuláris halál, az MI, a határozott stent trombózis és a stroke kompozíciójának előfordulását az Academic Research Consortium-2 osztályozás szerint gyűjtik.
|
8 hónapos felvétel és 12 hónapos nyomon követés a vizsgálat vége után
|
Másodlagos eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
|---|---|---|
|
Halál, stroke, visszatérő MI, stent trombózis, szívelégtelenség, kórházi ápolás száma
Időkeret: 8 hónapos felvétel és 12 hónapos nyomon követés a vizsgálat vége után
|
A halált úgy határozzák meg, hogy a szív- és érrendszeri okokból származó halál vagy a cerebrovaszkuláris okok és minden más ismert ok nélkül halál.
A stroke -ot egy akut új neurológiai hiányként definiálják, amely halálba vagy 24 órán át tartó, nem pedig egy másik könnyen azonosítható ok miatt, például a trauma miatt.
A visszatérő MI -t az MI negyedik univerzális meghatározása szerint határozzuk meg.
A stent trombózist határozottnak, valószínűnek vagy lehetségesnek kell besorolni az Academic Research Consortium (ARC) meghatározása szerint.
Az újszülött szívelégtelenség, amely újbóli kórházat vagy nem tervezett orvosi érintkezést igényel a szívelégtelenség tüneteihez, kiértékeljük.
Az akut koszorúér-szindróma, az instabil angina vagy a klinikailag jelölt sürgős revaszkularizáció visszatérő kórházi ápolását szintén kiértékeljük.
|
8 hónapos felvétel és 12 hónapos nyomon követés a vizsgálat vége után
|
Egyéb eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
|---|---|---|
|
Minőségi élet és a kezelés betartása
Időkeret: 8 hónapos felvétel és 12 hónapos nyomon követés a vizsgálat vége után
|
A betegek életminőségét és a kezeléshez való betartást a következőkkel értékelik:
|
8 hónapos felvétel és 12 hónapos nyomon követés a vizsgálat vége után
|
Együttműködők és nyomozók
Publikációk és hasznos linkek
Általános kiadványok
- Valgimigli M, Bueno H, Byrne RA, Collet JP, Costa F, Jeppsson A, Juni P, Kastrati A, Kolh P, Mauri L, Montalescot G, Neumann FJ, Petricevic M, Roffi M, Steg PG, Windecker S, Zamorano JL, Levine GN; ESC Scientific Document Group; ESC Committee for Practice Guidelines (CPG); ESC National Cardiac Societies. 2017 ESC focused update on dual antiplatelet therapy in coronary artery disease developed in collaboration with EACTS: The Task Force for dual antiplatelet therapy in coronary artery disease of the European Society of Cardiology (ESC) and of the European Association for Cardio-Thoracic Surgery (EACTS). Eur Heart J. 2018 Jan 14;39(3):213-260. doi: 10.1093/eurheartj/ehx419. No abstract available.
- Gerbaud E, Darier R, Montaudon M, Beauvieux MC, Coffin-Boutreux C, Coste P, Douard H, Ouattara A, Catargi B. Glycemic Variability Is a Powerful Independent Predictive Factor of Midterm Major Adverse Cardiac Events in Patients With Diabetes With Acute Coronary Syndrome. Diabetes Care. 2019 Apr;42(4):674-681. doi: 10.2337/dc18-2047. Epub 2019 Feb 6.
- Levine GN, Bates ER, Bittl JA, Brindis RG, Fihn SD, Fleisher LA, Granger CB, Lange RA, Mack MJ, Mauri L, Mehran R, Mukherjee D, Newby LK, O'Gara PT, Sabatine MS, Smith PK, Smith SC Jr. 2016 ACC/AHA Guideline Focused Update on Duration of Dual Antiplatelet Therapy in Patients With Coronary Artery Disease: A Report of the American College of Cardiology/American Heart Association Task Force on Clinical Practice Guidelines. J Am Coll Cardiol. 2016 Sep 6;68(10):1082-115. doi: 10.1016/j.jacc.2016.03.513. Epub 2016 Mar 29. No abstract available.
- Johnson KW, Torres Soto J, Glicksberg BS, Shameer K, Miotto R, Ali M, Ashley E, Dudley JT. Artificial Intelligence in Cardiology. J Am Coll Cardiol. 2018 Jun 12;71(23):2668-2679. doi: 10.1016/j.jacc.2018.03.521.
- Krittanawong C, Zhang H, Wang Z, Aydar M, Kitai T. Artificial Intelligence in Precision Cardiovascular Medicine. J Am Coll Cardiol. 2017 May 30;69(21):2657-2664. doi: 10.1016/j.jacc.2017.03.571.
- Krittanawong C, Johnson KW, Rosenson RS, Wang Z, Aydar M, Baber U, Min JK, Tang WHW, Halperin JL, Narayan SM. Deep learning for cardiovascular medicine: a practical primer. Eur Heart J. 2019 Jul 1;40(25):2058-2073. doi: 10.1093/eurheartj/ehz056.
- Costa F, van Klaveren D, James S, Heg D, Raber L, Feres F, Pilgrim T, Hong MK, Kim HS, Colombo A, Steg PG, Zanchin T, Palmerini T, Wallentin L, Bhatt DL, Stone GW, Windecker S, Steyerberg EW, Valgimigli M; PRECISE-DAPT Study Investigators. Derivation and validation of the predicting bleeding complications in patients undergoing stent implantation and subsequent dual antiplatelet therapy (PRECISE-DAPT) score: a pooled analysis of individual-patient datasets from clinical trials. Lancet. 2017 Mar 11;389(10073):1025-1034. doi: 10.1016/S0140-6736(17)30397-5.
- LeCun Y, Bengio Y, Hinton G. Deep learning. Nature. 2015 May 28;521(7553):436-44. doi: 10.1038/nature14539.
- D'Ascenzo F, De Filippo O, Gallone G, Mittone G, Deriu MA, Iannaccone M, Ariza-Sole A, Liebetrau C, Manzano-Fernandez S, Quadri G, Kinnaird T, Campo G, Simao Henriques JP, Hughes JM, Dominguez-Rodriguez A, Aldinucci M, Morbiducci U, Patti G, Raposeiras-Roubin S, Abu-Assi E, De Ferrari GM; PRAISE study group. Machine learning-based prediction of adverse events following an acute coronary syndrome (PRAISE): a modelling study of pooled datasets. Lancet. 2021 Jan 16;397(10270):199-207. doi: 10.1016/S0140-6736(20)32519-8.
- Rajkomar A, Dean J, Kohane I. Machine Learning in Medicine. N Engl J Med. 2019 Apr 4;380(14):1347-1358. doi: 10.1056/NEJMra1814259. No abstract available.
- Writing Group Members; Mozaffarian D, Benjamin EJ, Go AS, Arnett DK, Blaha MJ, Cushman M, Das SR, de Ferranti S, Despres JP, Fullerton HJ, Howard VJ, Huffman MD, Isasi CR, Jimenez MC, Judd SE, Kissela BM, Lichtman JH, Lisabeth LD, Liu S, Mackey RH, Magid DJ, McGuire DK, Mohler ER 3rd, Moy CS, Muntner P, Mussolino ME, Nasir K, Neumar RW, Nichol G, Palaniappan L, Pandey DK, Reeves MJ, Rodriguez CJ, Rosamond W, Sorlie PD, Stein J, Towfighi A, Turan TN, Virani SS, Woo D, Yeh RW, Turner MB; American Heart Association Statistics Committee; Stroke Statistics Subcommittee. Heart Disease and Stroke Statistics-2016 Update: A Report From the American Heart Association. Circulation. 2016 Jan 26;133(4):e38-360. doi: 10.1161/CIR.0000000000000350. Epub 2015 Dec 16. No abstract available.
- Simonsson M, Wallentin L, Alfredsson J, Erlinge D, Hellstrom Angerud K, Hofmann R, Kellerth T, Lindhagen L, Ravn-Fischer A, Szummer K, Ueda P, Yndigegn T, Jernberg T. Temporal trends in bleeding events in acute myocardial infarction: insights from the SWEDEHEART registry. Eur Heart J. 2020 Feb 14;41(7):833-843. doi: 10.1093/eurheartj/ehz593.
- Valgimigli M, Costa F, Lokhnygina Y, Clare RM, Wallentin L, Moliterno DJ, Armstrong PW, White HD, Held C, Aylward PE, Van de Werf F, Harrington RA, Mahaffey KW, Tricoci P. Trade-off of myocardial infarction vs. bleeding types on mortality after acute coronary syndrome: lessons from the Thrombin Receptor Antagonist for Clinical Event Reduction in Acute Coronary Syndrome (TRACER) randomized trial. Eur Heart J. 2017 Mar 14;38(11):804-810. doi: 10.1093/eurheartj/ehw525.
- Fox KA, Dabbous OH, Goldberg RJ, Pieper KS, Eagle KA, Van de Werf F, Avezum A, Goodman SG, Flather MD, Anderson FA Jr, Granger CB. Prediction of risk of death and myocardial infarction in the six months after presentation with acute coronary syndrome: prospective multinational observational study (GRACE). BMJ. 2006 Nov 25;333(7578):1091. doi: 10.1136/bmj.38985.646481.55. Epub 2006 Oct 10.
- Subherwal S, Bach RG, Chen AY, Gage BF, Rao SV, Newby LK, Wang TY, Gibler WB, Ohman EM, Roe MT, Pollack CV Jr, Peterson ED, Alexander KP. Baseline risk of major bleeding in non-ST-segment-elevation myocardial infarction: the CRUSADE (Can Rapid risk stratification of Unstable angina patients Suppress ADverse outcomes with Early implementation of the ACC/AHA Guidelines) Bleeding Score. Circulation. 2009 Apr 14;119(14):1873-82. doi: 10.1161/CIRCULATIONAHA.108.828541. Epub 2009 Mar 30.
- Baber U, Mehran R, Giustino G, Cohen DJ, Henry TD, Sartori S, Ariti C, Litherland C, Dangas G, Gibson CM, Krucoff MW, Moliterno DJ, Kirtane AJ, Stone GW, Colombo A, Chieffo A, Kini AS, Witzenbichler B, Weisz G, Steg PG, Pocock S. Coronary Thrombosis and Major Bleeding After PCI With Drug-Eluting Stents: Risk Scores From PARIS. J Am Coll Cardiol. 2016 May 17;67(19):2224-2234. doi: 10.1016/j.jacc.2016.02.064. Epub 2016 Apr 11.
- Bianco M, D'ascenzo F, Raposeiras Roubin S, Kinnaird T, Peyracchia M, Ariza-Sole A, Cerrato E, Manzano-Fernandez S, Gravinese C, Templin C, Destefanis P, Velicki L, Luciano A, Xanthopoulou I, Rinaldi M, Rognoni A, Varbella F, Boccuzzi G, Omede P, Montabone A, Bernardi A, Taha S, Rossini R, Durante A, Gili S, Magnani G, Autelli M, Grosso A, Blanco PF, Giustetto C, Garay A, Quadri G, Queija BC, Srdanovic I, Paz RC, Fernandez MC, Pousa IM, Gallo D, Morbiducci U, Dominguez-Rodriguez A, Lopez-Cuenca A, Cequier A, Alexopoulos D, Iniguez-Romo A, Pozzi R, Assi EA, Valgimigli M. Comparative external validation of the PRECISE-DAPT and PARIS risk scores in 4424 acute coronary syndrome patients treated with prasugrel or ticagrelor. Int J Cardiol. 2020 Feb 15;301:200-206. doi: 10.1016/j.ijcard.2019.11.132. Epub 2019 Nov 22.
- Choi KH, Song YB, Lee JM, Park TK, Yang JH, Choi JH, Choi SH, Oh JH, Cho DK, Lee JB, Doh JH, Kim SH, Jeong JO, Bae JH, Kim BO, Cho JH, Suh IW, Kim DI, Park HK, Park JS, Choi WG, Lee WS, Gwon HC, Hahn JY. Clinical Usefulness of PRECISE-DAPT Score for Predicting Bleeding Events in Patients With Acute Coronary Syndrome Undergoing Percutaneous Coronary Intervention: An Analysis From the SMART-DATE Randomized Trial. Circ Cardiovasc Interv. 2020 May;13(5):e008530. doi: 10.1161/CIRCINTERVENTIONS.119.008530. Epub 2020 May 1.
- Choi SY, Kim MH, Cho YR, Sung Park J, Min Lee K, Park TH, Yun SC. Performance of PRECISE-DAPT Score for Predicting Bleeding Complication During Dual Antiplatelet Therapy. Circ Cardiovasc Interv. 2018 Dec;11(12):e006837. doi: 10.1161/CIRCINTERVENTIONS.118.006837.
- Yoshida R, Ishii H, Morishima I, Tanaka A, Morita Y, Takagi K, Yoshioka N, Hirayama K, Iwakawa N, Tashiro H, Kojima H, Mitsuda T, Hitora Y, Furusawa K, Tsuboi H, Murohara T. Performance of HAS-BLED, ORBIT, PRECISE-DAPT, and PARIS risk score for predicting long-term bleeding events in patients taking an oral anticoagulant undergoing percutaneous coronary intervention. J Cardiol. 2019 Jun;73(6):479-487. doi: 10.1016/j.jjcc.2018.10.013. Epub 2018 Dec 28.
- Kawashima H, Gao C, Takahashi K, Tomaniak M, Ono M, Hara H, Wang R, Chichareon P, Suryapranata H, Walsh S, Cotton J, Koning R, Rensing B, Wykrzykowska J, de Winter RJ, Garg S, Anderson R, Hamm C, Steg PG, Onuma Y, Serruys PW. Comparative Assessment of Predictive Performance of PRECISE-DAPT, CRUSADE, and ACUITY Scores in Risk Stratifying 30-Day Bleeding Events. Thromb Haemost. 2020 Jul;120(7):1087-1095. doi: 10.1055/s-0040-1712449. Epub 2020 Jun 22.
- Collet JP, Thiele H, Barbato E, Barthelemy O, Bauersachs J, Bhatt DL, Dendale P, Dorobantu M, Edvardsen T, Folliguet T, Gale CP, Gilard M, Jobs A, Juni P, Lambrinou E, Lewis BS, Mehilli J, Meliga E, Merkely B, Mueller C, Roffi M, Rutten FH, Sibbing D, Siontis GCM; ESC Scientific Document Group. 2020 ESC Guidelines for the management of acute coronary syndromes in patients presenting without persistent ST-segment elevation. Eur Heart J. 2021 Apr 7;42(14):1289-1367. doi: 10.1093/eurheartj/ehaa575. No abstract available.
- Capodanno D, Angiolillo DJ. Tailoring duration of DAPT with risk scores. Lancet. 2017 Mar 11;389(10073):987-989. doi: 10.1016/S0140-6736(17)30591-3. No abstract available.
- Rymer JA, Rao SV. Enhancement of Risk Prediction With Machine Learning: Rise of the Machines. JAMA Netw Open. 2019 Jul 3;2(7):e196823. doi: 10.1001/jamanetworkopen.2019.6823. No abstract available.
- Goldstein BA, Navar AM, Carter RE. Moving beyond regression techniques in cardiovascular risk prediction: applying machine learning to address analytic challenges. Eur Heart J. 2017 Jun 14;38(23):1805-1814. doi: 10.1093/eurheartj/ehw302.
- Pencina MJ, D'Agostino RB Sr. Thoroughly modern risk prediction? Sci Transl Med. 2012 Apr 25;4(131):131fs10. doi: 10.1126/scitranslmed.3004127.
- Krittanawong C, Rogers AJ, Johnson KW, Wang Z, Turakhia MP, Halperin JL, Narayan SM. Integration of novel monitoring devices with machine learning technology for scalable cardiovascular management. Nat Rev Cardiol. 2021 Feb;18(2):75-91. doi: 10.1038/s41569-020-00445-9. Epub 2020 Oct 9.
- Gao W, Emaminejad S, Nyein HYY, Challa S, Chen K, Peck A, Fahad HM, Ota H, Shiraki H, Kiriya D, Lien DH, Brooks GA, Davis RW, Javey A. Fully integrated wearable sensor arrays for multiplexed in situ perspiration analysis. Nature. 2016 Jan 28;529(7587):509-514. doi: 10.1038/nature16521.
- Mi SH, Su G, Yang HX, Zhou Y, Tian L, Zhang T, Tao H. Comparison of in-hospital glycemic variability and admission blood glucose in predicting short-term outcomes in non-diabetes patients with ST elevation myocardial infarction underwent percutaneous coronary intervention. Diabetol Metab Syndr. 2017 Mar 21;9:20. doi: 10.1186/s13098-017-0217-1. eCollection 2017.
- Hylek EM, Ko D. Atrial Fibrillation and Fall Risk: What Are the Treatment Implications? J Am Coll Cardiol. 2016 Sep 13;68(11):1179-1180. doi: 10.1016/j.jacc.2016.07.714. No abstract available.
- Liu C, Chen R, Sera F, Vicedo-Cabrera AM, Guo Y, Tong S, Coelho MSZS, Saldiva PHN, Lavigne E, Matus P, Valdes Ortega N, Osorio Garcia S, Pascal M, Stafoggia M, Scortichini M, Hashizume M, Honda Y, Hurtado-Diaz M, Cruz J, Nunes B, Teixeira JP, Kim H, Tobias A, Iniguez C, Forsberg B, Astrom C, Ragettli MS, Guo YL, Chen BY, Bell ML, Wright CY, Scovronick N, Garland RM, Milojevic A, Kysely J, Urban A, Orru H, Indermitte E, Jaakkola JJK, Ryti NRI, Katsouyanni K, Analitis A, Zanobetti A, Schwartz J, Chen J, Wu T, Cohen A, Gasparrini A, Kan H. Ambient Particulate Air Pollution and Daily Mortality in 652 Cities. N Engl J Med. 2019 Aug 22;381(8):705-715. doi: 10.1056/NEJMoa1817364.
Tanulmányi rekorddátumok
Tanulmány főbb dátumok
Tanulmány kezdete (Becsült)
Elsődleges befejezés (Becsült)
A tanulmány befejezése (Becsült)
Tanulmányi regisztráció dátumai
Először benyújtva
Először nyújtották be, amely megfelel a minőségbiztosítási kritériumoknak
Első közzététel (Tényleges)
Tanulmányi rekordok frissítései
Utolsó frissítés közzétéve (Tényleges)
Az utolsó frissítés elküldve, amely megfelel a minőségbiztosítási kritériumoknak
Utolsó ellenőrzés
Több információ
A tanulmányhoz kapcsolódó kifejezések
Kulcsszavak
További vonatkozó MeSH feltételek
Egyéb vizsgálati azonosító számok
- ORACLE
- ERC-2023-STG-101117469 (Egyéb azonosító: European Research Council (ERC))
Terv az egyéni résztvevői adatokhoz (IPD)
Tervezi megosztani az egyéni résztvevői adatokat (IPD)?
Gyógyszer- és eszközinformációk, tanulmányi dokumentumok
Egy amerikai FDA által szabályozott gyógyszerkészítményt tanulmányoz
Egy amerikai FDA által szabályozott eszközterméket tanulmányoz
Ezt az információt közvetlenül a clinicaltrials.gov webhelyről szereztük be, változtatás nélkül. Ha bármilyen kérése van vizsgálati adatainak módosítására, eltávolítására vagy frissítésére, kérjük, írjon a következő címre: register@clinicaltrials.gov. Amint a változás bevezetésre kerül a clinicaltrials.gov oldalon, ez a webhelyünkön is automatikusan frissül. .