Questa pagina è stata tradotta automaticamente e l'accuratezza della traduzione non è garantita. Si prega di fare riferimento al Versione inglese per un testo di partenza.

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

10 novembre 2026 aggiornato da: 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.

Panoramica dello studio

Stato

Non ancora reclutamento

Condizioni

Intervento / Trattamento

Tipo di studio

Osservativo

Iscrizione (Stimato)

500

Contatti e Sedi

Questa sezione fornisce i recapiti di coloro che conducono lo studio e informazioni su dove viene condotto lo studio.

Contatto studio

  • Nome: Mohamed Khalis, Professor
  • Numero di telefono: +212 628-245023
  • Email: mkhalis@um6ss.ma

Criteri di partecipazione

I ricercatori cercano persone che corrispondano a una certa descrizione, chiamata criteri di ammissibilità. Alcuni esempi di questi criteri sono le condizioni generali di salute di una persona o trattamenti precedenti.

Criteri di ammissibilità

Età idonea allo studio

18 anni e precedenti (Adulto, Adulto più anziano)

Accetta volontari sani

Sì

Sessi ammissibili allo studio

Tutto

Metodo di campionamento

Campione non probabilistico

Popolazione di studio

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.

Descrizione

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.

Piano di studio

Questa sezione fornisce i dettagli del piano di studio, compreso il modo in cui lo studio è progettato e ciò che lo studio sta misurando.

Come è strutturato lo studio?

Dettagli di progettazione

  • Modelli osservazionali: CASE_CONTROL
  • Prospettive temporali: CROSS_SECTIONAL

Coorti e interventi

Gruppo / Coorte
Intervento / Trattamento
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

Cosa sta misurando lo studio?

Misure di risultato primarie

Misura del risultato
Misura Descrizione
Lasso di tempo
The accuracy of a machine-learning based algorithm to predict high risk CKD from digital retinal images
Lasso di tempo: 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

Misure di risultato secondarie

Misura del risultato
Misura Descrizione
Lasso di tempo
Accuracy of the Machine Learning Algorithm for Detection of Hypertension and T2DM
Lasso di tempo: 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

Collaboratori e investigatori

Qui è dove troverai le persone e le organizzazioni coinvolte in questo studio.

Sponsor

Collaboratori

Studiare le date dei record

Queste date tengono traccia dell'avanzamento della registrazione dello studio e dell'invio dei risultati di sintesi a ClinicalTrials.gov. I record degli studi e i risultati riportati vengono esaminati dalla National Library of Medicine (NLM) per assicurarsi che soddisfino specifici standard di controllo della qualità prima di essere pubblicati sul sito Web pubblico.

Studia le date principali

Inizio studio (Stimato)

1 gennaio 2027

Completamento primario (Stimato)

30 giugno 2027

Completamento dello studio (Stimato)

31 ottobre 2027

Date di iscrizione allo studio

Primo inviato

16 luglio 2026

Primo inviato che soddisfa i criteri di controllo qualità

10 novembre 2026

Primo Inserito (Effettivo)

16 novembre 2026

Aggiornamenti dei record di studio

Ultimo aggiornamento pubblicato (Effettivo)

16 novembre 2026

Ultimo aggiornamento inviato che soddisfa i criteri QC

10 novembre 2026

Ultimo verificato

1 luglio 2026

Maggiori informazioni

Termini relativi a questo studio

Altri numeri di identificazione dello studio

  • CKD-AI-2026-07

Informazioni su farmaci e dispositivi, documenti di studio

Studia un prodotto farmaceutico regolamentato dalla FDA degli Stati Uniti

No

Studia un dispositivo regolamentato dalla FDA degli Stati Uniti

No

Queste informazioni sono state recuperate direttamente dal sito web clinicaltrials.gov senza alcuna modifica. In caso di richieste di modifica, rimozione o aggiornamento dei dettagli dello studio, contattare register@clinicaltrials.gov. Non appena verrà implementata una modifica su clinicaltrials.gov, questa verrà aggiornata automaticamente anche sul nostro sito web .