- ICH GCP
- Registro degli studi clinici negli Stati Uniti
- Sperimentazione clinica NCT03458806
Rilevazione assistita da fono ed elettrocardiogramma della malattia valvolare (PEA-Valve)
La diagnosi di cardiopatia valvolare (VHD), o la sua assenza, richiede invariabilmente l'imaging cardiaco. Uno strumento familiare ed economico per assistere nella diagnosi o nell'esclusione di VHD significativi potrebbe sia accelerare l'accesso a terapie salvavita sia ridurre la necessità di test costosi. Il dispositivo Eko Duo approvato dalla FDA è costituito da uno stetoscopio digitale e un elettrocardiogramma a derivazione singola (ECG), che si accoppia in modalità wireless con l'applicazione Eko Mobile per consentire la registrazione e la visualizzazione simultanee di fono ed elettrocardiogrammi. Queste caratteristiche collocano in modo univoco questo dispositivo per accumulare grandi serie di dati auscultatori su pazienti con e senza VHD.
In questo studio, i ricercatori cercano di sviluppare un sistema automatizzato per identificare VHD mediante fono ed elettrocardiogramma. In particolare, i ricercatori tenteranno di sviluppare algoritmi di apprendimento automatico per apprendere i fonocardiogrammi di pazienti con stenosi aortica clinicamente importante (AS) o rigurgito mitralico (MR), e quindi incaricare gli algoritmi di identificare soggetti con VHD clinicamente importante, come identificato da un oro standard, da fonocardiogrammi ingenui. I ricercatori prevedono che lo studio abbia il potenziale per rivoluzionare la diagnosi di VHD fornendo un sostituto più accurato dell'auscultazione tradizionale.
Panoramica dello studio
Stato
Descrizione dettagliata
Rilevazione assistita da fono ed elettrocardiogramma della malattia valvolare (studio della valvola PEA)
Obiettivi specifici Obiettivo 1: un algoritmo di apprendimento automatico derivato da registrazioni simultanee di fono ed elettrocardiogramma può diagnosticare in modo affidabile una stenosi aortica clinicamente importante?
Obiettivo 2: un algoritmo di apprendimento automatico derivato da registrazioni simultanee di fono ed elettrocardiogramma può diagnosticare in modo affidabile un rigurgito mitralico clinicamente importante?
Significato La cardiopatia valvolare (VHD) è un problema di salute globale comune, con studi basati sulla popolazione che mostrano una prevalenza del 10% per la stenosi aortica (SA) e del 20% per il rigurgito mitralico (MR). I nuovi progressi chirurgici e interventistici consentono il trattamento di pazienti in età avanzata o il cui rischio di intervento sarebbe stato precedentemente insostenibile. Dato che l'incidenza sia di MR che di AS aumenta con l'aumentare dell'età, vi è una crescente necessità di identificare queste condizioni in modo da offrire terapie che alterano la malattia.
Nella pratica clinica corrente, la diagnosi di VHD si basa fortemente sull'ecocardiografia. Questo, a sua volta, richiede sia un rinvio da parte di un fornitore con un sospetto clinico per VHD, tipicamente da un'anomalia all'auscultazione, sia l'accesso all'ecocardiogramma stesso. MR e AS risultano entrambi in reperti auscultatori riproducibili in modo affidabile: soffi olosistolici e sistolici in crescendo-decrescendo, rispettivamente. Tuttavia, nonostante ciò, l'auscultazione come strumento diagnostico è notoriamente scarsa: la sua accuratezza nel rilevare MR e AS varia solo dal 5 al 40%. Tutti questi fattori portano a preoccupazioni per la sottodiagnosi di queste condizioni sempre più curabili.
Qui, gli investigatori affronteranno le esigenze sia di un maggiore accesso che di una migliore accuratezza diagnostica dei test per VHD. Gli investigatori utilizzeranno una combinazione di registrazioni di fonocardiogramma (PCG) ed elettrocardiogramma a derivazione singola (ECG), sincronizzate in tempo reale su un server sicuro basato su cloud, utilizzando lo stetoscopio elettronico Eko Duo. Con questi dati, i ricercatori svilupperanno e convalideranno un algoritmo di apprendimento automatico per diagnosticare AS o MR clinicamente importanti. Poiché l'Eko Duo è essenzialmente simile a uno stetoscopio tradizionale, uno strumento iconico ampiamente accettato sia dai pazienti che dagli operatori sanitari, il suo utilizzo per guidare un algoritmo di rilevamento automatico è sia fattibile che attraente come sostituto dell'auscultazione tradizionale. Inoltre, spostando l'onere dell'interpretazione del test dal medico all'algoritmo, i ricercatori ipotizzano che ciò migliorerà l'accuratezza diagnostica complessiva.
Metodi Panoramica del disegno: studio trasversale di tutti i soggetti sottoposti a ecocardiogrammi clinici presso il laboratorio di ecocardiografia per adulti dell'UCSF
Soggetti dello studio Panoramica: Gli investigatori registreranno soggetti adulti sottoposti a ecocardiogrammi clinici presso il campus UCSF Parnassus. Questi soggetti saranno raggruppati in coorti di derivazione e validazione sequenzialmente, stratificati per stato del caso, in modo da raggiungere la dimensione del campione prevista. Tale raggruppamento avverrà dopo l'iscrizione del soggetto e la raccolta dei dati.
Popolazione target: adulti con AS da moderata a grave a grave o MR da moderata a grave a grave (casi) e adulti con cuori strutturalmente normali con VHD minima (controlli). In un'analisi parallela più rigorosa, una popolazione target di controlli sarà definita come avente qualsiasi grado di AS o MR inferiore a moderato-severo.
Popolazione accessibile: adulti che soddisfano i criteri di ammissione sottoposti a ecocardiogrammi clinici presso il laboratorio di ecocardiografia dell'UCSF suscettibili di partecipazione.
Schema di campionamento: gli investigatori si avvicineranno consecutivamente ai soggetti che si presentano al laboratorio di ecocardiografia per adulti presso l'UCSF Parnassus. Inoltre, gli investigatori esamineranno in anticipo i soggetti per un'alta probabilità di avere AS o MR (sulla base dell'indicazione per lo studio e delle diagnosi precedenti nella cartella clinica APEX) e mireranno selettivamente alla loro iscrizione durante le situazioni in cui la capacità di iscrizione del coordinatore dello studio è satura .
Strategia di reclutamento: introduzione dello studio al momento della registrazione per l'ecocardiogramma con un opuscolo o un volantino, seguito dall'avvicinamento di persona di potenziali soggetti in attesa dell'ecocardiogramma clinico.
Strategia di conservazione: nessuna. Gli investigatori conserveranno un file master dei numeri delle cartelle cliniche per identificare le informazioni di contatto in futuro, se ritenuto necessario.
Panoramica delle misurazioni: lo studio si concentrerà su due misurazioni: 1) la valutazione gold standard della VHD mediante ecocardiogramma, come riportato dal laboratorio di ecocardiografia dell'UCSF. 2) 30 secondi simultanei di PCG e registrazioni ECG a singola derivazione dal dispositivo Eko Duo in ciascuna delle quattro posizioni auscultatorie cardiache standard, con registrazioni aggiuntive opzionali con il dispositivo Eko Core. Lo studio si avvale del fatto che tutti i referti clinici dell'ecocardiogramma includono queste valutazioni valvolari.
Gold Standard: l'ecocardiogramma è accettato come gold standard per la diagnosi della gravità della VHD dalla comunità cardiologica. Per ridurre al minimo l'onere per gli investigatori, oltre a ridurre i costi, gli investigatori trarranno vantaggio dal fatto che tutti i rapporti di ecocardiogramma clinico includono valutazioni di VHD, che fungerà da gold standard. Questi rapporti seguono le linee guida dell'American Society for Echocardiography (ASE), che consentono la classificazione del VHD come segue: nessuno, lieve, moderato o grave. Il laboratorio di ecocardiografia dell'UCSF include ulteriori categorie di tracce, da lieve a moderato, da moderato a grave e critico, consentendo interpretazioni in cui i singoli parametri all'interno dello studio sono in conflitto. La misurazione primaria sarà la conclusione finale della gravità della VHD per MR o AS, come riportato da un cardiologo certificato dal consiglio. Gli investigatori definiranno VHD "clinicamente importante" come quello classificato da moderato a grave o peggiore, in quanto ciò comprenderebbe tutti i livelli di malattia che potrebbero richiedere un intervento diretto. Inoltre, gli investigatori estrarranno l'intero referto dell'ecocardiografia, nonché le immagini dei file dell'ecocardiogramma, in modo da salvare i dati per un uso futuro quando sorgono nuove domande di ricerca.
Misurazioni del dispositivo: le registrazioni simultanee del PCG e dell'ECG a derivazione singola verranno eseguite per ciascun soggetto in modo standardizzato. Ogni soggetto verrà sottoposto a registrazioni di 30 secondi utilizzando il dispositivo Eko Duo nelle quattro posizioni di auscultazione standard. Gli osservatori saranno formati sul metodo sistematico per ottenere misurazioni. Tempo e paziente permettendo, gli investigatori otterranno anche le stesse registrazioni utilizzando il dispositivo Eko Core, che utilizza lo stesso software ma non include la registrazione ECG. Poiché il dispositivo consentirà la visualizzazione del PCG durante la registrazione, l'osservatore riceverà un feedback in tempo reale sul posizionamento del dispositivo per massimizzare la qualità della registrazione in ogni posizione. Gli investigatori pianificheranno una revisione periodica delle registrazioni per garantire un'adeguata qualità dei dati. Gli investigatori prevedono che questa flessibilità e il feedback in tempo reale miglioreranno la generalizzabilità dell'uso del dispositivo in un mondo reale (ad es. situazione clinica non oggetto di studio).
Confondenti e pregiudizi: la derivazione e la validazione degli algoritmi avverrà da remoto, dopo che l'ecocardiogramma clinico è stato eseguito, e quindi senza alcun effetto sull'esito del gold standard. Il test può essere influenzato dalla presenza di altre condizioni che causano soffi sistolici (inclusi VHD diversi da AS o MR o cardiopatie congenite). Gli investigatori includeranno queste misure dal rapporto dell'ecocardiogramma per confrontare le prestazioni del test in quelli con e senza queste altre condizioni.
Problemi statistici Ipotesi nulla: un algoritmo di apprendimento automatico non può prevedere la presenza di AS o MR clinicamente importanti.
Giustificazione della dimensione del campione:
- Sensibilità dell'algoritmo: 90%
- Specificità dell'algoritmo: 90%
- Target Likelihood Ratio (+) dell'algoritmo [LR(R)]: 9 (derivato da Sn / [1 - Sp])
- Rapporto di verosimiglianza minimo (+) dell'algoritmo [LR(R)]: 5
- Livello di confidenza = 0,95 (alfa = 0,05)
- Intervallo di confidenza [LR(R)]: 5,120-15,820
- Dimensione del campione = 110 per gruppo; 330 per coorte (controllo, caso AS, caso MR); 660 complessivi (coorti di formazione e validazione)
- Riepilogo: supponendo che la sensibilità e la specificità dell'algoritmo di apprendimento automatico per il rilevamento di AS o MR clinicamente importanti siano entrambe 0,9, non si prevede che una dimensione totale del campione di 660 scenda al di sotto del rapporto di verosimiglianza soglia di 5,0 nell'intervallo di confidenza del 95% in entrambi le coorti di derivazione o validazione.
- Giustificazione delle ipotesi critiche: gli investigatori presumono che l'algoritmo possa produrre una sensibilità e specificità del 90% nel rilevare la stenosi aortica o il rigurgito mitralico rispetto ai cuori senza malattia valvolare, sulla base di precedenti rapporti pubblicati utilizzando reti neurali, utilizzando campioni di dimensioni inferiori a 100 casi. Inoltre, i ricercatori stimano che sarebbe necessario un rapporto di verosimiglianza minimo di 5 affinché il test sia clinicamente utile. Sebbene questa stima funzioni bene per il set di convalida, il numero necessario per il set di derivazione è meno chiaro; le stime di cui sopra sono un numero prudente. Gli investigatori prevedono di addestrare l'algoritmo dopo la registrazione di ogni 20 casi utilizzando un approccio di bootstrap; questo fornirà le caratteristiche del test provvisorio e aiuterà a determinare il numero vero necessario per l'insieme di derivazione. Trattandosi, in parte, di uno studio pilota, l'identificazione della vera sensibilità e specificità del test è di per sé un risultato prezioso.
Approccio all'analisi: gli investigatori genereranno curve ROC (tracciando Sn vs. 1-Sp) per i punteggi dell'algoritmo per il set di convalida. Alla fine gli investigatori genereranno 4 curve: due ciascuna per MR e AS, utilizzando algoritmi generati dagli approcci primario (definendo i controlli come aventi VHD non superiore a lieve) e secondario (definendo i controlli come non aventi VHD da moderato a grave o maggiore) . Inoltre, i ricercatori prevedono di eseguire analisi esplorative e descrittive dell'algoritmo stesso, identificando i correlati clinici alle caratteristiche maggiormente ponderate nel rilevare AS o MR.
Varie Considerazioni etiche: Nessuna preoccupazione importante. I dati verranno archiviati in modo sicuro su piattaforme conformi a HIPAA. Lo studio si qualifica come rischio minimo secondo i criteri UCSF CHR.
Piani pre-test: prima del reclutamento per lo studio, il personale dello studio raccoglierà dati su se stesso e sui fornitori per testare il sistema di raccolta dei dati. Durante il reclutamento iniziale del soggetto, il personale dello studio esaminerà il processo dopo ogni giorno per discutere ostacoli o preoccupazioni.
Piano di gestione dei dati: i dati dello studio proverranno da due fonti. I referti degli ecocardiogrammi, estratti dalla cartella clinica elettronica (APEX), saranno esaminati dal personale dello studio per generare il database principale delle caratteristiche della malattia. Un file principale che collega gli identificatori del soggetto con le informazioni identificabili, nonché i referti dell'ecocardiogramma estratti e deidentificati e le immagini dell'ecocardiogramma grezzo deidentificate saranno archiviati su un server di ricerca sicuro utilizzato dalla Divisione di Cardiologia. I dati PCG ed ECG registrati (le misurazioni effettive dello studio) verranno sincronizzati in tempo reale su un server sicuro, conforme a HIPAA e basato su cloud gestito da Eko Devices. In tempi prestabiliti di addestramento dell'algoritmo, al team di machine learning (coordinato da Eko Devices) verranno fornite le chiavi per l'assegnazione dell'identificatore del soggetto alla categoria VHD.
Misure di controllo della qualità: la revisione periodica dei dati registrati sarà eseguita dal PI dello studio per garantire un'adeguata qualità dei dati.
Orario:
Contratto/Logistica Soggetto Iscrizione Algoritmo Sviluppo Analisi Pubblicazione Calendario generale: 9 mesi
Tipo di studio
Iscrizione (Effettivo)
Contatti e Sedi
Luoghi di studio
-
-
California
-
San Francisco, California, Stati Uniti, 94143
- University of California San Francisco
-
-
Criteri di partecipazione
Criteri di ammissibilità
Età idonea allo studio
Accetta volontari sani
Sessi ammissibili allo studio
Metodo di campionamento
Popolazione di studio
Descrizione
Criterio di inclusione:
- In grado di fornire il consenso
- Sottoporsi a un ecocardiogramma completo
Criteri di esclusione:
- Rifiuto di partecipare
Piano di studio
Come è strutturato lo studio?
Dettagli di progettazione
- Modelli osservazionali: Caso di controllo
- Prospettive temporali: Trasversale
Coorti e interventi
Gruppo / Coorte |
Intervento / Trattamento |
---|---|
Controllo
Soggetti con malattia valvolare confermata ecocardiograficamente di grado inferiore a moderato-severo per quanto riguarda stenosi aortica (AS) e rigurgito mitralico (MR).
Si noti che all'interno di questa coorte ci sarà una sottocoorte composta da soggetti con cuori strutturalmente normali, con malattia valvolare non superiore a lieve di qualsiasi valvola, nessun precedente intervento valvolare e nessuna evidenza di cardiopatia congenita.
|
Algoritmo di apprendimento automatico, generato dalle registrazioni ECG e PCG, che distingue la stenosi aortica da moderata a grave o maggiore dai controlli con risultati diversi dalla stenosi aortica da moderata a grave o maggiore.
Algoritmo di apprendimento automatico, generato dalle registrazioni ECG e PCG, che distingue il rigurgito mitralico da moderato a grave o maggiore dai controlli con risultati diversi dal rigurgito mitralico da moderato a grave o maggiore.
|
COME Caso
- Soggetti con stenosi aortica (AS) confermata ecocardiograficamente di grado da moderato a grave o maggiore.
|
Algoritmo di apprendimento automatico, generato dalle registrazioni ECG e PCG, che distingue la stenosi aortica da moderata a grave o maggiore dai controlli con risultati diversi dalla stenosi aortica da moderata a grave o maggiore.
Algoritmo di apprendimento automatico, generato dalle registrazioni ECG e PCG, che distingue la stenosi aortica da moderata a grave o maggiore dai controlli con cuori strutturalmente normali con cardiopatia valvolare non superiore a lieve in qualsiasi posizione.
|
Caso MR
Soggetti con rigurgito mitralico (MR) confermato ecocardiograficamente di grado da moderato a grave o maggiore.
|
Algoritmo di apprendimento automatico, generato dalle registrazioni ECG e PCG, che distingue il rigurgito mitralico da moderato a grave o maggiore dai controlli con risultati diversi dal rigurgito mitralico da moderato a grave o maggiore.
Algoritmo di apprendimento automatico, generato dalle registrazioni ECG e PCG, che distingue il rigurgito mitralico da moderato a grave o maggiore dai controlli con cuori strutturalmente normali con cardiopatia valvolare non superiore a lieve in qualsiasi posizione.
|
Sottogruppo di controllo
Soggetti con cuore strutturalmente normale, con malattia valvolare non superiore a lieve di qualsiasi valvola, nessun precedente intervento valvolare e nessuna evidenza di cardiopatia congenita.
|
Algoritmo di apprendimento automatico, generato dalle registrazioni ECG e PCG, che distingue la stenosi aortica da moderata a grave o maggiore dai controlli con cuori strutturalmente normali con cardiopatia valvolare non superiore a lieve in qualsiasi posizione.
Algoritmo di apprendimento automatico, generato dalle registrazioni ECG e PCG, che distingue il rigurgito mitralico da moderato a grave o maggiore dai controlli con cuori strutturalmente normali con cardiopatia valvolare non superiore a lieve in qualsiasi posizione.
|
Cosa sta misurando lo studio?
Misure di risultato primarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
---|---|---|
Differenziazione di stenosi aortica clinicamente significativa da cuori strutturalmente normali
Lasso di tempo: Chiusura dello studio (dopo l'arruolamento finale del set di convalida della stenosi aortica), entro 1 anno.
|
Identificazione da parte dell'algoritmo di apprendimento automatico addestrato di stenosi aortica clinicamente importante (definita come da moderata a grave o maggiore) da soggetti di controllo con cuori strutturalmente normali e cardiopatia valvolare non superiore a lieve, rispetto all'interpretazione dell'ecocardiogramma gold standard.
Poiché il nostro algoritmo fornirà un "punteggio" continuo per determinare la probabilità di malattia, i dati si presenteranno principalmente sotto forma di una curva caratteristica operativa del ricevitore, per la quale calcoleremo i rapporti di accuratezza, specificità e verosimiglianza a cutoff di sensibilità di 0,9, 0,95 e 0,99.
|
Chiusura dello studio (dopo l'arruolamento finale del set di convalida della stenosi aortica), entro 1 anno.
|
Differenziazione di stenosi mitralica clinicamente significativa da cuori strutturalmente normali
Lasso di tempo: Chiusura dello studio (dopo l'arruolamento finale del set di validazione del rigurgito mitralico), entro 1 anno.
|
Identificazione da parte dell'algoritmo di apprendimento automatico addestrato di rigurgito mitralico clinicamente importante (definito come da moderato a grave o maggiore) da soggetti di controllo con cuori strutturalmente normali e cardiopatia valvolare non superiore a lieve, rispetto all'interpretazione dell'ecocardiogramma gold standard.
Poiché il nostro algoritmo fornirà un "punteggio" continuo per determinare la probabilità di malattia, i dati si presenteranno principalmente sotto forma di una curva caratteristica operativa del ricevitore, per la quale calcoleremo i rapporti di accuratezza, specificità e verosimiglianza a cutoff di sensibilità di 0,9, 0,95 e 0,99...
|
Chiusura dello studio (dopo l'arruolamento finale del set di validazione del rigurgito mitralico), entro 1 anno.
|
Misure di risultato secondarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
---|---|---|
Differenziazione della stenosi aortica clinicamente significativa dall'assenza di stenosi aortica clinicamente significativa
Lasso di tempo: Chiusura dello studio (dopo l'arruolamento finale del set di convalida della stenosi aortica), entro 1 anno.
|
Identificazione da parte dell'algoritmo di apprendimento automatico addestrato di stenosi aortica clinicamente importante (definita come da moderata a grave o maggiore) da controlli con stenosi aortica inferiore a moderata o grave, rispetto all'interpretazione dell'ecocardiogramma gold standard.
Poiché il nostro algoritmo fornirà un "punteggio" continuo per determinare la probabilità di malattia, i dati si presenteranno principalmente sotto forma di una curva caratteristica operativa del ricevitore, per la quale calcoleremo i rapporti di accuratezza, specificità e verosimiglianza a cutoff di sensibilità di 0,9, 0,95 e 0,99.
|
Chiusura dello studio (dopo l'arruolamento finale del set di convalida della stenosi aortica), entro 1 anno.
|
Differenziazione del rigurgito mitralico clinicamente significativo dall'assenza di rigurgito mitralico clinicamente significativo
Lasso di tempo: Chiusura dello studio (dopo l'arruolamento finale del set di validazione del rigurgito mitralico), entro 1 anno.
|
Identificazione da parte dell'algoritmo di apprendimento automatico addestrato di rigurgito mitralico clinicamente importante (definito come da moderato a grave o maggiore) da controlli con rigurgito mitralico inferiore a moderato o grave, rispetto all'interpretazione dell'ecocardiogramma gold standard.
Poiché il nostro algoritmo fornirà un "punteggio" continuo per determinare la probabilità di malattia, i dati si presenteranno principalmente sotto forma di una curva caratteristica operativa del ricevitore, per la quale calcoleremo i rapporti di accuratezza, specificità e verosimiglianza a cutoff di sensibilità di 0,9, 0,95 e 0,99.
|
Chiusura dello studio (dopo l'arruolamento finale del set di validazione del rigurgito mitralico), entro 1 anno.
|
Collaboratori e investigatori
Collaboratori
Investigatori
- Investigatore principale: John Chorba, MD, University of California, San Francisco
Pubblicazioni e link utili
Pubblicazioni generali
- Zoghbi WA, Adams D, Bonow RO, Enriquez-Sarano M, Foster E, Grayburn PA, Hahn RT, Han Y, Hung J, Lang RM, Little SH, Shah DJ, Shernan S, Thavendiranathan P, Thomas JD, Weissman NJ. Recommendations for Noninvasive Evaluation of Native Valvular Regurgitation: A Report from the American Society of Echocardiography Developed in Collaboration with the Society for Cardiovascular Magnetic Resonance. J Am Soc Echocardiogr. 2017 Apr;30(4):303-371. doi: 10.1016/j.echo.2017.01.007. Epub 2017 Mar 14. No abstract available.
- Nishimura RA, Otto CM, Bonow RO, Carabello BA, Erwin JP 3rd, Guyton RA, O'Gara PT, Ruiz CE, Skubas NJ, Sorajja P, Sundt TM 3rd, Thomas JD; American College of Cardiology/American Heart Association Task Force on Practice Guidelines. 2014 AHA/ACC guideline for the management of patients with valvular heart disease: a report of the American College of Cardiology/American Heart Association Task Force on Practice Guidelines. J Am Coll Cardiol. 2014 Jun 10;63(22):e57-185. doi: 10.1016/j.jacc.2014.02.536. Epub 2014 Mar 3. No abstract available. Erratum In: J Am Coll Cardiol. 2014 Jun 10;63(22):2489. Dosage error in article text.
- Jones EC, Devereux RB, Roman MJ, Liu JE, Fishman D, Lee ET, Welty TK, Fabsitz RR, Howard BV. Prevalence and correlates of mitral regurgitation in a population-based sample (the Strong Heart Study). Am J Cardiol. 2001 Feb 1;87(3):298-304. doi: 10.1016/s0002-9149(00)01362-x.
- Eveborn GW, Schirmer H, Heggelund G, Lunde P, Rasmussen K. The evolving epidemiology of valvular aortic stenosis. the Tromso study. Heart. 2013 Mar;99(6):396-400. doi: 10.1136/heartjnl-2012-302265. Epub 2012 Sep 2.
- Faxon DP, Williams DO. Interventional Cardiology: Current Status and Future Directions in Coronary Disease and Valvular Heart Disease. Circulation. 2016 Jun 21;133(25):2697-711. doi: 10.1161/CIRCULATIONAHA.116.023551. No abstract available.
- Mangione S, Nieman LZ. Cardiac auscultatory skills of internal medicine and family practice trainees. A comparison of diagnostic proficiency. JAMA. 1997 Sep 3;278(9):717-22. Erratum In: JAMA 1998 May 13;279(18):1444.
- Mangione S. Cardiac auscultatory skills of physicians-in-training: a comparison of three English-speaking countries. Am J Med. 2001 Feb 15;110(3):210-6. doi: 10.1016/s0002-9343(00)00673-2.
- Baumgartner H, Hung J, Bermejo J, Chambers JB, Edvardsen T, Goldstein S, Lancellotti P, LeFevre M, Miller F Jr, Otto CM. Recommendations on the Echocardiographic Assessment of Aortic Valve Stenosis: A Focused Update from the European Association of Cardiovascular Imaging and the American Society of Echocardiography. J Am Soc Echocardiogr. 2017 Apr;30(4):372-392. doi: 10.1016/j.echo.2017.02.009.
- Pretorius E, Cronje ML, Strydom O. Development of a pediatric cardiac computer aided auscultation decision support system. Annu Int Conf IEEE Eng Med Biol Soc. 2010;2010:6078-82. doi: 10.1109/IEMBS.2010.5627633.
- Chorba JS, Shapiro AM, Le L, Maidens J, Prince J, Pham S, Kanzawa MM, Barbosa DN, Currie C, Brooks C, White BE, Huskin A, Paek J, Geocaris J, Elnathan D, Ronquillo R, Kim R, Alam ZH, Mahadevan VS, Fuller SG, Stalker GW, Bravo SA, Jean D, Lee JJ, Gjergjindreaj M, Mihos CG, Forman ST, Venkatraman S, McCarthy PM, Thomas JD. Deep Learning Algorithm for Automated Cardiac Murmur Detection via a Digital Stethoscope Platform. J Am Heart Assoc. 2021 May 4;10(9):e019905. doi: 10.1161/JAHA.120.019905. Epub 2021 Apr 26.
Collegamenti utili
Studiare le date dei record
Studia le date principali
Inizio studio (Effettivo)
Completamento primario (Effettivo)
Completamento dello studio (Effettivo)
Date di iscrizione allo studio
Primo inviato
Primo inviato che soddisfa i criteri di controllo qualità
Primo Inserito (Effettivo)
Aggiornamenti dei record di studio
Ultimo aggiornamento pubblicato (Effettivo)
Ultimo aggiornamento inviato che soddisfa i criteri QC
Ultimo verificato
Maggiori informazioni
Termini relativi a questo studio
Parole chiave
Termini MeSH pertinenti aggiuntivi
Altri numeri di identificazione dello studio
- 17-21881
Piano per i dati dei singoli partecipanti (IPD)
Hai intenzione di condividere i dati dei singoli partecipanti (IPD)?
Descrizione del piano IPD
Informazioni su farmaci e dispositivi, documenti di studio
Studia un prodotto farmaceutico regolamentato dalla FDA degli Stati Uniti
Studia un dispositivo regolamentato dalla FDA degli Stati Uniti
prodotto fabbricato ed esportato dagli Stati Uniti
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 .
Prove cliniche su Stenosi della valvola aortica
-
National Heart, Lung, and Blood Institute (NHLBI)CompletatoNative e Valve in Valve Guasto della valvola aorticaStati Uniti
Prove cliniche su AS Algoritmo 2
-
Medtronic Cardiac Rhythm and Heart FailureCompletatoBlocco di conduzione atrioventricolareStati Uniti, Belgio, Hong Kong, Malaysia, Spagna, Austria, Danimarca, Francia
-
Wren Laboratories LLCIscrizione su invitoTumore neuroendocrino | Carcinoma neuroendocrino | CarcinoideStati Uniti
-
Carna Biosciences, Inc.ReclutamentoLinfoma follicolare | Macroglobulinemia di Waldenstrom | Linfoma a cellule del mantello | Linfoma della zona marginale | Leucemia linfatica cronica | Linfoma non Hodgkin | Piccolo linfoma linfocitico | Neoplasia a cellule BStati Uniti
-
InQpharm GroupRitirato
-
Carmel Medical CenterCompletatoSegni e sintomi, respiratori | Allergia | Asma bronchialeIsraele
-
Renmin Hospital of Wuhan UniversityNon ancora reclutamentoIntelligenza artificiale | SorveglianzaCina
-
Zimmer BiometAttivo, non reclutanteArtrite, reumatoide | Necrosi avascolare | Artrite, degenerativa | Chirurgia di revisione | Condizioni Conseguenti a Operazioni Precedenti | Artrite; TraumaticoBelgio, Regno Unito, Svizzera, Germania
-
London School of Hygiene and Tropical MedicineHindustan Unilever Ltd.; University of Kalyani; KIIT UniversityCompletatoMalattia diarroica | Arsenico urinario totale | Arsenico totale in acquaIndia
-
Renmin Hospital of Wuhan UniversityShanghai Pudong HospitalNon ancora reclutamentoIntelligenza artificiale | SorveglianzaCina
-
Renmin Hospital of Wuhan UniversityJiangmen Central HospitalNon ancora reclutamentoIntelligenza artificiale | SorveglianzaCina