- ICH GCP
- USA klinikai vizsgálatok nyilvántartása
- Klinikai vizsgálat NCT07305324
Májfibrosis-diagnosztika javítása elsődleges ellátásban a FibroX AI segítségével
Egy mesterséges intelligencia eszköz validálása a MASLD-vel összefüggő előrehaladott májfibrosis diagnosztika javítására a háziorvosi ellátásban: Egy szolgáltatói szintű keresztezett randomizált kontrollált vizsgálat pilot
Ennek a klinikai vizsgálatnak a célja, hogy megállapítsa, vajon egy FibroX nevű mesterséges intelligencia (MI) eszköz segíthet-e az elsődleges ellátás szolgáltatóinak a jelentős májfibrosis (≥F2) és a klinikailag jelentős portális hipertenzió pontosabb diagnosztizálásában metabolikus diszfunkcióhoz társított steatosisos májbetegségben (MASLD) szenvedő felnőtteknél.
A fő kérdések, amelyekre választ szeretne találni:
- Javítja-e a FibroX a jelentős májfibrosis (≥F2) és a klinikailag jelentős portális hipertenzió diagnosztizálásának pontosságát a szokásos ellátáshoz képest?
- Könnyen használható és elfogadható-e a FibroX az elsődleges ellátás szolgáltatói számára szimulált klinikai környezetben?
- Megbíznak-e a szolgáltatók a FibroX-ban döntéstámogató eszközként?
A kutatók összehasonlítják a FibroX-asszisztált ellátást a szokásos ellátással, hogy megtudják, javítja-e a FibroX a diagnosztikai pontosságot, a szolgáltatók bizalmát, és támogatja-e a jobb döntéshozatalt.
A résztvevők:
- Elsődleges ellátás szolgáltatói (orvosok, osteopátiás orvosok, ápolónők, asszisztensek) lesznek különböző klinikákról
- Áttekintik a MASLD kockázati tényezőkkel rendelkező szimulált betegeseteket
- Vagy a szokásos ellátási eszközöket (standard laborvizsgálatok és opcionális FIB-4 kalkulátor) vagy a FibroX-ot (MI által generált kockázati pontszám, triage sáv és magyarázó panel) használják
- Diagnosztikai és beutalási döntéseket hoznak minden egyes esetben
- Kitöltik a használhatóságról, az MI-ben való bizalomról, a magabiztosságról és a kognitív terhelésről szóló kérdőíveket
Ez a tanulmány segít meghatározni, hogy a FibroX integrálható-e a valós világbeli elsődleges ellátási munkafolyamatokba, hogy támogassa a májfibrosis és a portális hipertenzió korábbi és pontosabb felismerését, potenciálisan csökkentve az elmulasztott diagnózisokat, a szükségtelen beutalásokat és javítva a betegek eredményeit.
A tanulmány áttekintése
Állapot
Körülmények
Beavatkozás / kezelés
Részletes leírás
Ez a tanulmány egy 12 hónapos pilot klinikai vizsgálat, amelynek célja annak felmérése, hogy a FibroX – egy magyarázható mesterséges intelligencia (MI) eszköz, amelyet a jelentős májfibrosis (≥F2) és a klinikailag jelentős portális hipertónia diagnosztizálásának javítására fejlesztettek ki metabolikus diszfunkcióval társult steatotikus májbetegségben (MASLD) szenvedő felnőttek esetében – mennyire kivitelezhető, használható, megbízható az ellátók számára, és milyen előzetes hatékonysággal rendelkezik. A MASLD egy gyakori és progresszív májbetegség, amely májcirrhózishoz, májlefolyáshoz és megnövekedett cardiovascularis kockázathoz vezethet. Ezen állapotok korai felismerése kritikus fontosságú, mivel a jelenlegi irányelvek a terápia megkezdését javasolják (pl. resmetirom vagy semaglutid ≥F2 fibrosis esetén, és béta-blokkolók a portális hipertónia esetén). Azonban a meglévő eszközök, mint például a FIB-4, gyakran hiányosak a pontosság és a használhatóság terén a rutin primer ellátásban.
A FibroX ezeket a korlátozásokat úgy kezeli, hogy rutinszerűen elérhető klinikai adatokat használ – mint például életkor, májenzimek, trombocitaszám, BMI és vesefunkció – a jelentős fibrosis és portális hipertónia valószínűségének becslésére. Egy triázs sávot nyújt (kizárás, határozatlan, beazonosítás), valamint egy sorban magyarázatot arról, hogy mely klinikai tényezők befolyásolták leginkább az előrejelzést. Ezt az átláthatóságot a Shapley Additive Explanations (SHAP) segítségével érik el, ami segít a klinikusoknak megérteni, hogy az MI hogyan jutott következtetésre.
Retrospektív tanulmányokban a FibroX jobb diagnosztikai teljesítményt mutatott a FIB-4-hez képest (AUROC 0,97 vs. 0,62), és hosszú távú mortalitási kockázattal állt kapcsolatban, ami prognosztikai értékre utal a diagnosztikai hasznosságon túl.
Ez a pilot vizsgálat a valóságos primer ellátási munkafolyamatokat szimulálja annak tesztelésére, hogy a klinikusok hatékonyan használhatják-e a FibroX-et. A tanulmány 30-40 primer ellátó szakembert (orvosok, osteopata orvosok, ápoló szakemberek, asszisztensek) toboroz 4-6 különböző klinikáról. Minden ellátó két szimulációs időszakban vesz részt, mindegyik 16 szintetikus vagy de-identifikált betegesetet tartalmazva, amelyek MASLD kockázati tényezőkkel rendelkező felnőtteket tükröznek. A fibrosis stádium és a portális hipertónia alapvető igazságát biopszia vagy szakértői konszenzus határozza meg, Vibration-Controlled Transient Elastography (VCTE) és irányelv-alapú kritériumok felhasználásával.
Az ellátók véletlenszerűen lesznek hozzárendelve az esetek áttekintéséhez két sorrend egyikében:
- FibroX-kompatibilis ellátás: Az ellátók megkapják a FibroX kockázati valószínűségét, triázs sávját és magyarázó panelját.
- Szokásos ellátás: Az ellátók szabványos laboreredményeket és életfunkciókat használnak, opcionális hozzáféréssel a FIB-4 kalkulátorhoz.
Egy hetes kimosási időszak után az ellátók átváltanak a másik feltételre. Minden esetben az ellátók kezelési döntést hoznak (pl. nincs intézkedés, VCTE megrendelése, hepatológiára történő továbbítás), rögzítik a bizalmi szintjüket, és kitöltik a felméréseket a használhatóságról, az MI-ben való bizalomról és a kognitív terhelésről.
Elsődleges eredmények
- Kivitelezhetőség: Toborzási ráta ≥70%, befejezési ráta ≥85%, medián döntési idő ≤3,5 perc.
- Használhatóság és elfogadhatóság: System Usability Scale (SUS) pontszám ≥70.
- Ellátói bizalom: AI-Trust Scale pontszám ≥6.
- Hatékonyság: Ellátón belüli diagnosztikai pontosság a jelentős fibrosis (≥F2) és a klinikailag jelentős portális hipertónia esetében.
Másodlagos eredmények
- Megfelelő továbbítási ráták
- Net reclassification improvement (NRI)
- Kalibrációs metrikák (intercept, slope)
- Ellátói bizalom és kognitív terhelés (NASA-TLX)
- Szándékolt lefelé irányuló tesztelési terhelés
- Bevezetés és hűség a triázs ajánlásokhoz
- Felülbírálási ráták és okok
- Igazságossági elemzés alcsoportok között (életkor, nem, BMI, faj/etnikum)
Az összes ellátói cselekvés és döntési idő automatikusan naplózásra kerül. Az időszak utáni felmérések és kvalitatív értékelések feltárják a FibroX használatának akadályait és elősegítő tényezőit.
Tanulmány jelentősége Ez a pilot tanulmány kritikus adatokat generál egy jövőbeli multicentrikus vizsgálat és a FibroX lehetséges integrálása az elektronikus egészségügyi nyilvántartásokba történő támogatásához. Ha sikeres, a FibroX lehetővé teheti a skálázható, irányelv-kompatibilis szűrést a jelentős májfibrosis és portális hipertónia esetében a primer ellátásban, csökkentve a kihagyott diagnózisokat és a szükségtelen továbbításokat. Ez összhangban áll a precíziós medicina és a felelős MI megvalósításának nemzeti prioritásaival az egészségügyben.
Tanulmány típusa
Beiratkozás (Becsült)
Fázis
- Nem alkalmazható
Kapcsolatok és helyek
Tanulmányi kapcsolat
- Név: Basile Njei, MD, MPH, PhD, FRCP
- Telefonszám: 475-227-5537
- E-mail: basile.njei@yale.edu
Tanulmányozza a kapcsolattartók biztonsági mentését
- Név: Ulrick S Kanmounye, MD, MPH, MSc
- Telefonszám: 5705404973
- E-mail: ulricksidney@gmail.com
Részvételi kritériumok
Jogosultsági kritériumok
Tanulmányozható életkorok
- Felnőtt
- Idősebb felnőtt
Egészséges önkénteseket fogad
Leírás
Bevonási kritériumok:
- Engedéllyel rendelkező elsődleges ellátó szakemberek (MD, DO, NP vagy PA)
- Jelenleg felnőtt elsődleges ellátásban praktizáló (≥0,5 teljes munkaidős egyenérték)
- Egyik részt vevő klinikához kapcsolódó (akadémiai, közösségi vagy szövetségi támogatású egészségközpont)
- Hajlandó és képes részt venni az elektronikus egészségügyi nyilvántartás (EHR) alapján szimulált esetfelülvizsgálatokban
- Képes tájékozott beleegyezés megadására
Kizárási kritériumok:
- Azok a szakemberek, akik nem aktívan praktizálnak felnőtt elsődleges ellátásban
- 0,5 teljes munkaidős egyenértéknél kevesebb klinikai gyakorlattal rendelkező szakemberek
- Korábbi részvétel a FibroX eszköz fejlesztésében vagy validálásában
- Képtelenség mindkét szimulációs időszak teljesítésére ütemezési vagy egyéb korlátok miatt
Tanulási terv
Hogyan készül a tanulmány?
Tervezési részletek
- Elsődleges cél: Diagnosztikai
- Kiosztás: Véletlenszerűsített
- Beavatkozó modell: Crossover kiosztás
- Maszkolás: Nincs (Open Label)
Fegyverek és beavatkozások
Résztvevő csoport / kar |
Beavatkozás / kezelés |
|---|---|
|
Kísérleti: FibroX-Engedélyezett Ellátás
Ebben az ágban a háziorvosok a FibroX-et, egy mesterséges intelligenciával működő klinikai döntéstámogató eszközt használják, hogy szimulált betegeseteket értékeljenek ki jelentős májfibrosis (≥F2) és klinikailag jelentős portális hipertenzió szempontjából.
A FibroX megjelenít egy kockázati valószínűségi pontszámot, egy triázs sávot (kizárás, határozatlan, megerősítés) és egy egysoros magyarázó panelt, amely megmutatja, hogy mely klinikai tényezők befolyásolták leginkább az előrejelzést.
Az orvosok ezt az információt használják fel diagnosztikai és továbbító döntések meghozatalához (pl. VCTE megrendelése, hepatológiai konzíliumra küldés, irányelv alapú terápia megkezdése).
Minden orvos 16 esetet értékel ki ebben az intervenciós időszakban.
A cél annak értékelése, hogy a FibroX milyen hatással van a diagnosztikai pontosságra, az orvosok bizalmára, a használhatóságra és a munkafolyamat hatékonyságára a szokásos ellátáshoz képest.
|
A FibroX egy magyarázható mesterséges intelligencia (MI) eszköz, amelyet azért terveztek, hogy segítse a háziorvosokat a jelentős májfibrosis (≥F2) és a klinikailag jelentős portális hipertónia diagnosztizálásában metabolikus diszfunkcióhoz társult zsíros májbetegségben (MASLD) szenvedő betegeknél.
Rutinosan elérhető klinikai adatokat használ (pl. életkor, AST, ALT, trombociták, BMI, HbA1c, kreatinin) kockázati valószínűségi pontszám, triázs kategória (kizárás, határozatlan, megerősítés) és egy soros magyarázó panel előállítására Shapley Additive Explanations (SHAP) segítségével.
Az ellátók a FibroX-ot szimulált betegtalálkozások során használják, hogy irányítsák a diagnosztikai és beutalási döntéseket (pl. VCTE megrendelése, hepatológiai beutalás, irányelveken alapuló terápia kezdeményezése).
Az eszköz célja, hogy javítsa a diagnosztikai pontosságot, növelje az ellátók bizalmát, csökkentse az elmulasztott diagnózisokat és támogassa az irányelvekkel összhangban lévő triázst a háziorvosi ellátásban.
|
|
Aktív összehasonlító: Szokásos ellátás
Ebben az ágban az alapellátó szolgáltatók szabványos klinikai eszközökkel értékelnek szimulált betegeseteket, amelyek a rutin gyakorlatban rendelkezésre állnak.
Ezek közé tartoznak a laboreredmények, életfunkciók, problémalista, gyógyszerek és korábbi képalkotó vizsgálatok. A szolgáltatók opcionálisan használhatják a FIB-4 kalkulátort a májfibrosis kockázatának becslésére. Minden szolgáltató 16 esetet vizsgál át ebben az időszakban. Nem biztosítunk mesterséges intelligencia döntéstámogatást. Ez az ág szolgál összehasonlítóként annak értékelésére, hogy a FibroX javítja-e a jelentős májfibrosis (≥F2) és klinikailag jelentős portális hipertenzió diagnosztikai pontosságát, valamint a szolgáltatók bizalmát, használhatóságot és munkafolyamat-hatékonyságot a szokásos ellátáshoz képest. |
A szokásos ellátási feltételek mellett a háziorvosok a rutin gyakorlatban elérhető szokásos klinikai eszközökkel értékelik a szimulált betegeseteket.
Ezek közé tartoznak a laboreredmények, az életfunkciós jelek, a problémalista, a gyógyszerek és a korábbi képalkotó vizsgálatok.
Az ellátók opcionálisan használhatják a FIB-4 kalkulátort a májfibrosis kockázatának becslésére.
Nem nyújtanak mesterséges intelligenciával támogatott döntéshozatalt.
Ez a beavatkozás összehasonlító alapként szolgál annak értékelésére, hogy a FibroX javítja-e a jelentős májfibrosis (≥F2) és a klinikailag jelentős portális hipertenzió diagnosztikai pontosságát, valamint az ellátók bizalmát, a döntéshozatal minőségét és a munkafolyamat hatékonyságát a szokásos ellátáshoz képest.
|
Mit mér a tanulmány?
Elsődleges eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
|---|---|---|
|
A FibroX jelentős májfibroszisra (≥F2) és klinikailag jelentős portális hipertóniára vonatkozó diagnosztikai pontossága a szokásos ellátáshoz képest
Időkeret: Az egyes szimulációs időszakok után azonnal, legfeljebb 24 hétig
|
Az ellátón belüli diagnosztikai pontosság a jelentős májfibrosis (≥F2) és a klinikailag jelentős portális hipertónia felismerésében szimulált elsődleges ellátási találkozók során. A pontosságot érzékenységgel, specificitással és AUROC-val értékeljük klinikailag releváns küszöbértékeknél. A fibrosis stádium és a portális hipertónia alapvető igazságát biopsziából, rezgésvezérelt tranziens elasztográfia (VCTE) alapú szakértői konszenzusból és irányelvek által meghatározott kritériumokból származtatjuk. Mértékegység: Arány (az érzékenység és specificitás %-ban, az AUROC mértékegység nélküli érték) |
Az egyes szimulációs időszakok után azonnal, legfeljebb 24 hétig
|
|
FibroX integrációra vonatkozó Rendszer Használhatósági Skála (SUS) pontszám
Időkeret: Azonnal minden szimulációs időszak után, legfeljebb 24 hétig
|
A FibroX használhatóságát a System Usability Scale (SUS) segítségével értékelték, amely egy validált, 10 tételből álló kérdőív, 0-tól 100-ig pontozva, ahol a magasabb pontszámok jobb használhatóságot jeleznek. Mértékegység: Pontszám (tartomány: 0-100; magasabb pontszám = jobb használhatóság) |
Azonnal minden szimulációs időszak után, legfeljebb 24 hétig
|
|
Szolgáltatói bizalom az AI eszközben (FibroX)
Időkeret: A FibroX-kompatibilis szimulációs időszakot követően azonnal, legfeljebb 24 hétig
|
A szolgáltatók bizalma a FibroX-ben az érvényesített AI-Trust skála segítségével került értékelésre, amely 12 Likert-skálán pontozott tételt tartalmaz. Magasabb pontszámok nagyobb bizalmat jelentenek az AI eszközben. Mértékegység: Pontszám (tartomány: 12-60; magasabb pontszámok = nagyobb bizalom) |
A FibroX-kompatibilis szimulációs időszakot követően azonnal, legfeljebb 24 hétig
|
|
Medián döntési idő esetenként
Időkeret: Az egyes szimulációs időszakok után azonnal, legfeljebb 24 hétig
|
A szolgáltatók által a FibroX használatával szimulált MASLD esetek kezelési döntéseinek teljesítéséhez szükséges medián idő (percben) a szokásos kezeléshez képest. Mértékegység: Perc |
Az egyes szimulációs időszakok után azonnal, legfeljebb 24 hétig
|
Másodlagos eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
|---|---|---|
|
Megfelelő átirányítási arány
Időkeret: Az egyes szimulációs időszakok után azonnal, legfeljebb 24 hétig
|
A szimulált esetek aránya, ahol a szolgáltatói utalási döntések (pl. hepatológiai utalás, VCTE rendelés) összhangban vannak az irányelvkonform triázs szabályokkal a MASLD kockázati rétegekbe sorolásához. Mértékegység: Arány (%) |
Az egyes szimulációs időszakok után azonnal, legfeljebb 24 hétig
|
|
Netto Reklasszifikációs Javulás (NRI)
Időkeret: Az egyes szimulációs időszakok után azonnal, legfeljebb 24 héten belül
|
A MASLD kockázati kategóriák (kizárás, határozatlan, bevonás) besorolási pontosságának változása a FibroX használata esetén a szokásos ellátáshoz képest. Mértékegység: NRI pontszám (mértékegység nélküli) |
Az egyes szimulációs időszakok után azonnal, legfeljebb 24 héten belül
|
|
Kockázat-előrejelzések kalibrálása
Időkeret: Az egyes szimulációs periódusok után azonnal, legfeljebb 24 hétig
|
A FibroX előrejelzések kalibrációja a megfigyelt eredményekhez képest, a kalibrációs metszet, meredekség és kalibrációs ábra felhasználásával értékelve. Mértékegység: Metszet és meredekség (mértékegység nélküli) |
Az egyes szimulációs periódusok után azonnal, legfeljebb 24 hétig
|
|
Szolgáltatói bizalom a döntéshozatalban
Időkeret: Az egyes szimulációs időszakok után azonnal, legfeljebb 24 hétig
|
A szolgáltató által jelentett bizalom a MASLD kezelési döntésekben szimulált esetek során, mérve egy 5 pontos Likert-skálán (1 = nagyon alacsony bizalom; 5 = nagyon magas bizalom). Mértékegység: Pontszám (tartomány: 1-5; magasabb pontszám = nagyobb bizalom) |
Az egyes szimulációs időszakok után azonnal, legfeljebb 24 hétig
|
|
Kognitív terhelés az esetek áttekintése során
Időkeret: Az egyes szimulációs periódusok után azonnal, legfeljebb 24 hétig
|
A szolgáltató kognitív terhelését a NASA Task Load Index (NASA-TLX) segítségével értékelték, amely 0 és 100 közötti összterhelési pontszámot ad hat dimenzióban. Mértékegység: Pontszám (tartomány: 0-100; magasabb pontszám = nagyobb terhelés) |
Az egyes szimulációs periódusok után azonnal, legfeljebb 24 hétig
|
|
Tervezett lefelé irányuló tesztelési terhelés
Időkeret: Az egyes szimulációs időszakok után azonnal, legfeljebb 24 hétig
|
Az egyes szimulált esetek után az ellátók által rendelni szándékozott további vizsgálatok vagy beutalások (pl. VCTE, hepatológiai konzultáció) száma és típusa. Mértékegység: Darabszám (vizsgálatok/beutalások száma esetenként) |
Az egyes szimulációs időszakok után azonnal, legfeljebb 24 hétig
|
|
A triázs ajánlások elfogadása és betartása
Időkeret: Az egyes szimulációs időszakok után azonnal, legfeljebb 24 hétig
|
Azoknak az eseteknek az aránya, amikor a szolgáltatók a FibroX triázs ajánlásait követik (pl. kizárás, határozatlan, megerősítés) felülbírálás nélkül. Mértékegység: Arány (%) |
Az egyes szimulációs időszakok után azonnal, legfeljebb 24 hétig
|
|
Felülbírálási arány és okok
Időkeret: Az egyes szimulációs időszakok után azonnal, legfeljebb 24 hétig
|
Az esetek aránya, amikor a szolgáltatók felülírják a FibroX ajánlásait és a felülírás dokumentált indokai. Mértékegység: Arány (%) |
Az egyes szimulációs időszakok után azonnal, legfeljebb 24 hétig
|
|
Alcsoportok közötti tisztességvizsgálat
Időkeret: Az egyes szimulációs időszakok után azonnal, legfeljebb 24 hétig
|
A FibroX teljesítménye (érzékenység, specificitás, kalibráció) demográfiai alcsoportokban (életkor, nem, BMI, faj/etnikum). Mértékegység: Arány (%) és AUROC (dimenzió nélküli) |
Az egyes szimulációs időszakok után azonnal, legfeljebb 24 hétig
|
Együttműködők és nyomozók
Szponzor
Publikációk és hasznos linkek
Általános kiadványok
- Wong VW, Vergniol J, Wong GL, Foucher J, Chan HL, Le Bail B, Choi PC, Kowo M, Chan AW, Merrouche W, Sung JJ, de Ledinghen V. Diagnosis of fibrosis and cirrhosis using liver stiffness measurement in nonalcoholic fatty liver disease. Hepatology. 2010 Feb;51(2):454-62. doi: 10.1002/hep.23312.
- Njei, B., et al., FIBROX: an explainable AI model for accurate prediction of advanced liver fibrosis and cardiovascular mortality in MASLD. Gastroenterology, 2024. 169(1): p. S-131-S-132.
- Njei B, Osta E, Njei N, Al-Ajlouni YA, Lim JK. An explainable machine learning model for prediction of high-risk nonalcoholic steatohepatitis. Sci Rep. 2024 Apr 13;14(1):8589. doi: 10.1038/s41598-024-59183-4.
- Ratziu V, Charlotte F, Heurtier A, Gombert S, Giral P, Bruckert E, Grimaldi A, Capron F, Poynard T; LIDO Study Group. Sampling variability of liver biopsy in nonalcoholic fatty liver disease. Gastroenterology. 2005 Jun;128(7):1898-906. doi: 10.1053/j.gastro.2005.03.084.
- Decharatanachart P, Chaiteerakij R, Tiyarattanachai T, Treeprasertsuk S. Application of artificial intelligence in non-alcoholic fatty liver disease and liver fibrosis: a systematic review and meta-analysis. Therap Adv Gastroenterol. 2021 Dec 21;14:17562848211062807. doi: 10.1177/17562848211062807. eCollection 2021.
- Meng F, Zheng Y, Zhang Q, Mu X, Xu X, Zhang H, Ding L. Noninvasive evaluation of liver fibrosis using real-time tissue elastography and transient elastography (FibroScan). J Ultrasound Med. 2015 Mar;34(3):403-10. doi: 10.7863/ultra.34.3.403.
- Boursier J, de Ledinghen V, Zarski JP, Fouchard-Hubert I, Gallois Y, Oberti F, Cales P; multicentric groups from SNIFF 32, VINDIAG 7, and ANRS/HC/EP23 FIBROSTAR studies. Comparison of eight diagnostic algorithms for liver fibrosis in hepatitis C: new algorithms are more precise and entirely noninvasive. Hepatology. 2012 Jan;55(1):58-67. doi: 10.1002/hep.24654.
- Yoon JH, Lee JM, Joo I, Lee ES, Sohn JY, Jang SK, Lee KB, Han JK, Choi BI. Hepatic fibrosis: prospective comparison of MR elastography and US shear-wave elastography for evaluation. Radiology. 2014 Dec;273(3):772-82. doi: 10.1148/radiol.14132000. Epub 2014 Jul 7.
- Mondal A, Debnath A, Dhandapani G, Sharma A, Lukhmana S, Yadav G. Prevalence of High and Moderate Risk of Liver Fibrosis Among Patients With Diabetes at a Noncommunicable Diseases (NCD) Clinic in a Primary Healthcare Center in Northern India. Cureus. 2023 Nov 23;15(11):e49286. doi: 10.7759/cureus.49286. eCollection 2023 Nov.
- Estes C, Anstee QM, Arias-Loste MT, Bantel H, Bellentani S, Caballeria J, Colombo M, Craxi A, Crespo J, Day CP, Eguchi Y, Geier A, Kondili LA, Kroy DC, Lazarus JV, Loomba R, Manns MP, Marchesini G, Nakajima A, Negro F, Petta S, Ratziu V, Romero-Gomez M, Sanyal A, Schattenberg JM, Tacke F, Tanaka J, Trautwein C, Wei L, Zeuzem S, Razavi H. Modeling NAFLD disease burden in China, France, Germany, Italy, Japan, Spain, United Kingdom, and United States for the period 2016-2030. J Hepatol. 2018 Oct;69(4):896-904. doi: 10.1016/j.jhep.2018.05.036. Epub 2018 Jun 8.
- Targher G, Byrne CD, Tilg H. MASLD: a systemic metabolic disorder with cardiovascular and malignant complications. Gut. 2024 Mar 7;73(4):691-702. doi: 10.1136/gutjnl-2023-330595.
- Maher S, Rajapakse J, El-Omar E, Zekry A. Role of the Gut Microbiome in Metabolic Dysfunction-Associated Steatotic Liver Disease. Semin Liver Dis. 2024 Nov;44(4):457-473. doi: 10.1055/a-2438-4383. Epub 2024 Oct 10.
- Younossi ZM, Mangla KK, Berentzen TL, Grau K, Kjaer MS, Ladelund S, Nitze LM, Coolbaugh C, Hsu CY, Hagstrom H. Liver histology is associated with long-term clinical outcomes in patients with metabolic dysfunction-associated steatohepatitis. Hepatol Commun. 2024 May 10;8(6):e0423. doi: 10.1097/HC9.0000000000000423. eCollection 2024 Jun 1.
Hasznos linkek
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
- 2000027433
Terv az egyéni résztvevői adatokhoz (IPD)
Tervezi megosztani az egyéni résztvevői adatokat (IPD)?
IPD terv leírása
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. .