- ICH GCP
- Registro degli studi clinici negli Stati Uniti
- Sperimentazione clinica NCT03753139
Identificazione delle aritmie con ECG una tantum
Nei paesi occidentali, una persona su sei nella vita e 15.000 persone in Finlandia hanno un nuovo ictus ogni anno. Circa ogni quarto ictus si basa sull'embolia cardiaca. La fibrillazione atriale provoca la formazione di trombi nell'atrio sinistro con conseguente embolizzazione nella circolazione cerebrale e periferica.
Questo studio esamina l'idoneità delle tecniche di misurazione e dei nuovi metodi di calcolo utilizzati nella tecnologia dello sport/benessere per lo screening e la diagnosi della fibrillazione atriale e di altre aritmie. Le nuove tecnologie di misurazione, la misurazione dell'ECG una tantum e la misurazione del polso da polso, sono studiate per le loro caratteristiche, la qualità dei dati e il riconoscimento del ritmo. Identificare le aritmie latenti con le nuove tecnologie di automonitoraggio può ridurre significativamente il numero di ictus (le aritmie latenti causano circa il 25% degli ictus).
La ricerca sarà realizzata in collaborazione con il dipartimento di emergenza dell'ospedale universitario di Kuopio, l'Heart Center, il dipartimento di fisica applicata dell'Università della Finlandia orientale e Heart2Save Ltd.
I risultati del progetto di ricerca saranno pubblicati su riviste scientifiche di medicina e tecnologia medica e saranno presentati a convegni scientifici dei rispettivi campi. I risultati della ricerca del progetto possono essere utilizzati da tutte le aziende del settore della tecnologia medica, in particolare le aziende che producono strumenti di misurazione ECG e le aziende che producono software di riconoscimento del ritmo.
Panoramica dello studio
Stato
Intervento / Trattamento
Descrizione dettagliata
La ricerca mira a risolvere i seguenti problemi medici:
- L'identificazione e la definizione del tipo di fibrillazione atriale è problematica a causa della sua insorgenza spontanea e della sua latenza.
- I dispositivi di misurazione per lo screening della fibrillazione atriale sono scarsamente disponibili.
Le principali domande di ricerca sono:
È possibile utilizzare una misurazione ECG a derivazione singola per rilevare le aritmie?
- Scopri le posizioni di misurazione (derivazioni ECG) per l'automonitoraggio ECG a derivazione singola e valuta l'impatto delle posizioni di misurazione sull'usabilità e sulla qualità del segnale.
- Scopri le posizioni di misurazione per il monitoraggio dell'ECG a derivazione singola quando la misurazione viene eseguita da un'altra persona (infermiere o parente) e valuta l'impatto delle posizioni di misurazione sull'usabilità e sulla qualità del segnale.
- Scopri l'affidabilità della misurazione dell'ECG a derivazione singola per l'identificazione della fibrillazione atriale.
- Scopri l'affidabilità della misurazione dell'ECG a derivazione singola per l'identificazione della frequenza cardiaca rapida (tachicardia) e lenta (bradicardia).
Un braccialetto basato sulla registrazione ottica degli impulsi può essere in grado di ottenere informazioni affidabili sulle aritmie?
- Scopri l'usabilità del braccialetto a impulsi per l'identificazione della fibrillazione atriale.
- Scopri l'usabilità del braccialetto a impulsi per l'identificazione della frequenza cardiaca rapida (tachicardia) e lenta (bradicardia).
Lo scopo dello sviluppo del metodo dello studio è valutare l'affidabilità della misurazione della frequenza cardiaca nell'ECG a derivazione singola e nella misurazione dell'onda del polso con pazienti sani e con problemi cardiaci. Lo studio sviluppa metodi di calcolo basati su una tecnologia di misurazione leggera per identificare in modo affidabile l'aritmia cardiaca più comune, la fibrillazione atriale. La diagnosi e il trattamento della fibrillazione atriale sono fattori decisivi per la prevenzione dell'ictus.
I pazienti della ricerca sono già stati sottoposti a una registrazione dell'ECG clinico a 12 canali inclusa nel normale processo di trattamento. Questo ECG a 12 canali viene utilizzato per l'identificazione di pazienti idonei per la ricerca e la suddivisione in sottogruppi (ritmo normale, fibrillazione atriale, ritmo rapido o lento).
Nelle misurazioni dello studio effettivo, un dispositivo Holter-ECG è attaccato al torace del paziente utilizzando cinque elettrodi bagnati da utilizzare come standard aureo per il monitoraggio del ritmo. I metodi di misurazione leggeri vengono confrontati con il risultato della registrazione Holter-ECG. Inoltre, il fotopletismogramma viene posizionato sul polso del paziente per la registrazione PPG. La Figura 1 mostra esempi illustrativi delle misurazioni dello studio.
Il ricercatore misura le registrazioni di un minuto da due diverse posizioni di misurazione (fianco e torace) con un dispositivo di misurazione ECG monouso. Successivamente, il paziente esegue misurazioni di automonitoraggio di un minuto con un dispositivo ECG una tantum da tutte e tre le posizioni (pollici, fianco e torace) e anche dal torace con gioiello-ECG.
Lo studio confronta la capacità di questi metodi di misurazione leggeri di rilevare diversi ritmi cardiaci rispetto alla registrazione Holter.
I dispositivi utilizzati per la misurazione sono:
- Sensore ECG Faros 360 con elettrodi bagnati (figura 1, dispositivo 1) (Mega Elektroniikka, http://www.megaemg.com/ Kuopio Suomi). Faros 360 Holter è un dispositivo medico di classe 2a approvato CE e FDA 510(k), che viene fissato al torace del paziente con cinque elettrodi umidi monouso.
Dispositivo ECG monouso Suunto Movesense (Suunto Oy, http://www.suunto.com Vantaa Suomi). Movesense è un dispositivo consumer approvato CE, che viene utilizzato con due elettrodi dy per la misurazione ECG (Figura 1 dispositivi 2 e 3). Custodia Movesense; gioiello e custodia ECG una tantum.
- Nello studio precedente (Afib24h), Valvira è stato segnalato e la ricerca ha ricevuto l'autorizzazione per lo studio del dispositivo clinico (combinazione Movesense + fascia toracica).
- Per questo studio, Valira è segnalato per uno studio clinico su dispositivo (combinazione Movesense + dispositivo ECG monouso)
- Braccialetto di attività Empatica E4 (Empatica Ltd http://www.empatica.com Milan Italia), che è un dispositivo di consumo certificato CE. Empatica E4 è anche un fotopletismogramma, che misura otticamente la quantità di sangue circolante nel vaso sanguigno (Figura 1 dispositivo 4).
- Dispositivo indossabile Samsung Gear S3 (Samsung Electronics, Co., Ltd., www.samsung.com Soul Etelä-Korea) che è un dispositivo consumer approvato CE. Gear S3 è anche un fotopletismogramma, che misura otticamente la quantità di sangue circolante nel vaso sanguigno.
Il ricercatore attacca i dispositivi al paziente. Successivamente, il ricercatore avvia una registrazione di 10 minuti con i dispositivi Faros 360 (dispositivo 1) ed Empatica E4 (dispositivo 4). Durante una misurazione di 10 minuti, il ricercatore misura registrazioni di un minuto da due diverse posizioni di misurazione con l'ECG Movesense (dispositivo 2) 1. dal torace, sterno perpendicolarmente 2. dal torace, lungo lo sterno. Il paziente esegue quindi misurazioni di autocontrollo di un minuto 1. dal torace, sterno perpendicolarmente 2. dal torace, lungo lo sterno 3. dalla parte inferiore del fianco 4. dai pollici e 5. dal torace con un gioiello -ECG.
Il rilevamento della frequenza cardiaca mediante misurazione ECG è più comunemente eseguito mediante il rilevamento dei complessi QRS. Numerosi di questi rilevatori di QRS sono stati sviluppati negli ultimi decenni. La misurazione dell'ECG con elettrodi asciutti comporta molti più disturbi del movimento rispetto alle misurazioni con elettrodi bagnati, poiché anche i piccoli movimenti del dispositivo inducono grandi cambiamenti nel segnale ECG. Inoltre, soprattutto quando si utilizzano i pollici come punti di misurazione, il rumore EMG dei muscoli è notevolmente elevato rispetto alle misurazioni dell'elettrodo bagnato.
Questo progetto utilizza i metodi sviluppati nel precedente progetto di ECG mobile per il rilevamento del rumore e del QRS per consentire il rilevamento affidabile dei complessi QRS e delle irregolarità della frequenza cardiaca nelle misurazioni dell'elettrodo secco.
In questo studio, i metodi di rilevamento della frequenza cardiaca sviluppati in precedenza sono convalidati dalle misurazioni dello studio del ritmo sinusale normale, della fibrillazione atriale e della frequenza cardiaca lenta (bradicardia) e rapida (tachicardia).
Questo studio esamina la capacità di rilevamento del polso nel rilevamento della fibrillazione atriale. Il fotopletismogramma misura l'assorbimento della luce nel tessuto. L'assorbimento della luce nel sangue è maggiore dell'assorbimento nel tessuto circostante. Quando il cuore batte, i capillari si espandono e si contraggono in base alle variazioni del volume sanguigno. La fotopletismografia consente la misurazione della frequenza cardiaca rilevando i cambiamenti nell'assorbimento.
Il fotopletismogramma, come un dispositivo ECG mobile, è particolarmente sensibile al movimento, anche il piccolo movimento del led/fotodiodo induce un cambiamento importante nell'intensità della luce.
Inoltre, i cambiamenti fisiologici causano un disturbo nella misurazione della frequenza cardiaca, ad esempio, quando l'elasticità vascolare cambia, la durata dell'impulso cambia, con conseguente disturbo nella misurazione.
A differenza del complesso QRS perforato ad alta frequenza, l'onda del polso è una variazione verso l'alto e verso il basso a bassa frequenza, che pone le proprie sfide per una misurazione accurata della frequenza cardiaca.
Gli atri funzionano in modo insufficiente nella fibrillazione atriale quindi i ventricoli non sono completamente pieni di sangue. Inoltre, la fibrillazione atriale provoca la conduzione irregolare degli impulsi dagli atri ai ventricoli che portano all'irregolarità del polso. La quantità di sangue pompato varia da un ictus all'altro, il che rende difficile il rilevamento delle onde del polso.
Questo progetto sviluppa metodi per la misurazione accurata della frequenza cardiaca da una serie di onde del polso.
Lo sviluppo del metodo mira a tenere conto dei disturbi dovuti al movimento del misuratore, delle irregolarità dell'onda del polso tipiche della fibrillazione atriale e delle sfide del rilevamento della frequenza cardiaca lenta (bradicardia) e rapida (tachicardia).
L'obiettivo principale dello sviluppo del metodo è determinare il polso in modo così preciso che l'irregolarità del polso dovuta alla fibrillazione atriale possa essere distinta dal normale ritmo sinusale e rilevare in modo affidabile ritmi cardiaci rapidi e lenti.
Nella fibrillazione atriale, gli impulsi elettrici conducono in modo casuale ai ventricoli, causando una frequenza cardiaca irregolare e irregolare. Una vasta campagna della Heart Association "Feel your pulse - prevent the stroke" si basa sulla frequenza cardiaca o sul riconoscimento del polso. Il riconoscimento del polso è ovviamente il metodo più economico per rilevare la fibrillazione atriale, ma questo metodo produce un gran numero di falsi positivi. Con la misurazione dell'ECG, il rilevamento della fibrillazione atriale è molto più affidabile. A tale scopo sono stati sviluppati algoritmi di rilevamento automatico della fibrillazione atriale.
L'identificazione dell'attivazione dell'atrio nelle misurazioni Holter-ECG a lungo termine è generalmente molto impegnativa a causa dello scarso rapporto segnale-rumore (movimento, artefatti muscolari e attività ventricolare in parte sovrapposta molto più forte). Per questo motivo, la maggior parte degli algoritmi di rilevamento della fibrillazione atriale si basa sull'identificazione dell'irregolarità del polso. Per la parametrizzazione dell'irregolarità della frequenza cardiaca (intervallo RR) sono stati introdotti diversi metodi a livello di tempo relativamente semplici ma affidabili. Ad esempio, un metodo basato su RdR in cui gli intervalli RR (frequenza cardiaca) sono rappresentati in funzione di variazioni consecutive dell'intervallo RR (variazione della frequenza cardiaca) (Lian et al. 2011). Il grafico RdR definisce la frammentazione del pattern risultante da variazioni irregolari della frequenza cardiaca. Inoltre, esistono metodi che stimano la coerenza interna delle serie temporali RR (Lee et al. 2011). Vari metodi non lineari sono stati introdotti anche per la parametrizzazione della variazione della frequenza cardiaca, consentendo di descrivere la dinamica della variazione della frequenza cardiaca in modo più ampio (senza limitazione dell'ipotesi di linearità). Una classe di metodi non lineari sono diverse quantità di entropia, queste sono particolarmente interessanti per l'identificazione della fibrillazione atriale e della frequenza cardiaca irregolare. Le quantità di entropia possono essere utilizzate per stimare la regolarità e la prevedibilità delle serie temporali RR. Tipicamente, il calcolo affidabile delle quantità di entropia richiede un tempo di misura relativamente lungo, ma sono state introdotte anche quantità di entropia adatte all'analisi di misure brevi (Lake & Moorman 2011).
Questo progetto di ricerca sviluppa nuovi algoritmi di rilevamento della fibrillazione atriale per la misurazione dell'ECG mobile e la misurazione dell'onda del polso sulla base di metodi già esistenti. Gli algoritmi devono tenere conto dei complessi prematuri atriali e ventricolari. L'ignoranza di questi aumenta l'irregolarità delle serie temporali RR e quindi aumenta il numero di fibrillazione atriale falsamente positiva.
Tipo di studio
Iscrizione (Effettivo)
Contatti e Sedi
Luoghi di studio
-
-
Eastern-Finland
-
Kuopio, Eastern-Finland, Finlandia, 70029
- Kuopio University Hospital
-
-
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:
- Pazienti curati per qualsiasi motivo nel pronto soccorso dell'ospedale universitario di Kuopio.
Criteri di esclusione:
- indice di massa corporea (BMI) superiore a 35, pacemaker cardiaco impiantato e una condizione medica che richiede un trattamento immediato che sarebbe ritardato dalle misurazioni dello studio.
Piano di studio
Come è strutturato lo studio?
Dettagli di progettazione
- Modelli osservazionali: Caso di controllo
- Prospettive temporali: Prospettiva
Coorti e interventi
Gruppo / Coorte |
Intervento / Trattamento |
---|---|
Fibrillazione atriale
Pazienti con fibrillazione atriale registrati da Holter
|
Lo studio confronta la capacità dei metodi di misurazione leggeri di rilevare diversi ritmi cardiaci rispetto alla registrazione Holter.
|
Ritmo sinusale
Pazienti con ritmo sinusale registrato da Holter
|
Lo studio confronta la capacità dei metodi di misurazione leggeri di rilevare diversi ritmi cardiaci rispetto alla registrazione Holter.
|
Cosa sta misurando lo studio?
Misure di risultato primarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
---|---|---|
Monitoraggio del ritmo cardiaco con ECG a derivazione singola
Lasso di tempo: 30 minuti
|
Sensibilità e specificità per il riconoscimento della fibrillazione atriale
|
30 minuti
|
Collaboratori e investigatori
Sponsor
Collaboratori
Investigatori
- Investigatore principale: Tero J Martikainen, MD. PhD, Kuopio University Hospital
Pubblicazioni e link utili
Pubblicazioni generali
- Amann A, Tratnig R, Unterkofler K. Reliability of old and new ventricular fibrillation detection algorithms for automated external defibrillators. Biomed Eng Online. 2005 Oct 27;4:60. doi: 10.1186/1475-925X-4-60.
- Barro S, Ruiz R, Cabello D, Mira J. Algorithmic sequential decision-making in the frequency domain for life threatening ventricular arrhythmias and imitative artefacts: a diagnostic system. J Biomed Eng. 1989 Jul;11(4):320-8. doi: 10.1016/0141-5425(89)90067-8.
- Cabello D, Barro S, Salceda JM, Ruiz R, Mira J. Fuzzy K-nearest neighbor classifiers for ventricular arrhythmia detection. Int J Biomed Comput. 1991 Feb;27(2):77-93. doi: 10.1016/0020-7101(91)90089-w.
- Chen SW. A two-stage discrimination of cardiac arrhythmias using a total least squares-based prony modeling algorithm. IEEE Trans Biomed Eng. 2000 Oct;47(10):1317-27. doi: 10.1109/10.871404.
- al-Fahoum AS, Howitt I. Combined wavelet transformation and radial basis neural networks for classifying life-threatening cardiac arrhythmias. Med Biol Eng Comput. 1999 Sep;37(5):566-73. doi: 10.1007/BF02513350.
- Fuster V, Ryden LE, Cannom DS, Crijns HJ, Curtis AB, Ellenbogen KA, Halperin JL, Le Heuzey JY, Kay GN, Lowe JE, Olsson SB, Prystowsky EN, Tamargo JL, Wann S; Task Force on Practice Guidelines, American College of Cardiology/American Heart Association; Committee for Practice Guidelines, European Society of Cardiology; European Heart Rhythm Association; Heart Rhythm Society. ACC/AHA/ESC 2006 guidelines for the management of patients with atrial fibrillation-executive summary: a report of the American College of Cardiology/American Heart Association Task Force on Practice Guidelines and the European Society of Cardiology Committee for Practice Guidelines (Writing Committee to Revise the 2001 Guidelines for the Management of Patients with Atrial Fibrillation). Eur Heart J. 2006 Aug;27(16):1979-2030. doi: 10.1093/eurheartj/ehl176. No abstract available. Erratum In: Eur Heart J. 2007 Aug;28(16):2046.
- Ge D, Srinivasan N, Krishnan SM. Cardiac arrhythmia classification using autoregressive modeling. Biomed Eng Online. 2002 Nov 13;1:5. doi: 10.1186/1475-925x-1-5.
- Jekova I. Comparison of five algorithms for the detection of ventricular fibrillation from the surface ECG. Physiol Meas. 2000 Nov;21(4):429-39. doi: 10.1088/0967-3334/21/4/301.
- Lake DE, Moorman JR. Accurate estimation of entropy in very short physiological time series: the problem of atrial fibrillation detection in implanted ventricular devices. Am J Physiol Heart Circ Physiol. 2011 Jan;300(1):H319-25. doi: 10.1152/ajpheart.00561.2010. Epub 2010 Oct 29.
- Lee J, Nam Y, McManus DD, Chon KH. Time-varying coherence function for atrial fibrillation detection. IEEE Trans Biomed Eng. 2013 Oct;60(10):2783-93. doi: 10.1109/TBME.2013.2264721. Epub 2013 May 22.
- Li C, Zheng C, Tai C. Detection of ECG characteristic points using wavelet transforms. IEEE Trans Biomed Eng. 1995 Jan;42(1):21-8. doi: 10.1109/10.362922.
- Lian J, Wang L, Muessig D. A simple method to detect atrial fibrillation using RR intervals. Am J Cardiol. 2011 May 15;107(10):1494-7. doi: 10.1016/j.amjcard.2011.01.028. Epub 2011 Mar 17.
- Lipponen JA, Tarvainen MP, Laitinen T, Lyyra-Laitinen T, Karjalainen PA. A principal component regression approach for estimation of ventricular repolarization characteristics. IEEE Trans Biomed Eng. 2010 May;57(5):1062-9. doi: 10.1109/TBME.2009.2037492. Epub 2010 Feb 5.
- Lipponen JA, Kemppainen J, Karjalainen PA, Laitinen T, Mikola H, Karki T, Tarvainen MP. Dynamic estimation of cardiac repolarization characteristics during hypoglycemia in healthy and diabetic subjects. Physiol Meas. 2011 Jun;32(6):649-60. doi: 10.1088/0967-3334/32/6/003. Epub 2011 Apr 20.
- Lipponen JA, Tarvainen MP. Principal component model for maternal ECG extraction in fetal QRS detection. Physiol Meas. 2014 Aug;35(8):1637-48. doi: 10.1088/0967-3334/35/8/1637. Epub 2014 Jul 29.
- Meretoja A, Roine RO, Kaste M, Linna M, Juntunen M, Erila T, Hillbom M, Marttila R, Rissanen A, Sivenius J, Hakkinen U. Stroke monitoring on a national level: PERFECT Stroke, a comprehensive, registry-linkage stroke database in Finland. Stroke. 2010 Oct;41(10):2239-46. doi: 10.1161/STROKEAHA.110.595173. Epub 2010 Aug 26.
- Syvaoja S, Castren M, Mantyla P, Rissanen TT, Kivela A, Uusaro A, Jantti H. The feasibility of recognizing the heart rhythm with an automated external defibrillator from an area the size of a mobile phone. Eur J Emerg Med. 2016 Apr;23(2):102-7. doi: 10.1097/MEJ.0000000000000214.
- Tarvainen MP, Ranta-Aho PO, Karjalainen PA. An advanced detrending method with application to HRV analysis. IEEE Trans Biomed Eng. 2002 Feb;49(2):172-5. doi: 10.1109/10.979357.
- Tarvainen MP, Niskanen JP, Lipponen JA, Ranta-Aho PO, Karjalainen PA. Kubios HRV--heart rate variability analysis software. Comput Methods Programs Biomed. 2014;113(1):210-20. doi: 10.1016/j.cmpb.2013.07.024. Epub 2013 Aug 6.
- Thakor NV, Zhu YS, Pan KY. Ventricular tachycardia and fibrillation detection by a sequential hypothesis testing algorithm. IEEE Trans Biomed Eng. 1990 Sep;37(9):837-43. doi: 10.1109/10.58594.
- Zhang XS, Zhu YS, Thakor NV, Wang ZZ. Detecting ventricular tachycardia and fibrillation by complexity measure. IEEE Trans Biomed Eng. 1999 May;46(5):548-55. doi: 10.1109/10.759055.
- Kirchhof P, Benussi S, Kotecha D, Ahlsson A, Atar D, Casadei B, Castella M, Diener HC, Heidbuchel H, Hendriks J, Hindricks G, Manolis AS, Oldgren J, Alexandru Popescu B, Schotten U, Van Putte B, Vardas P. 2016 ESC Guidelines for the Management of Atrial Fibrillation Developed in Collaboration With EACTS. Rev Esp Cardiol (Engl Ed). 2017 Jan;70(1):50. doi: 10.1016/j.rec.2016.11.033. No abstract available. Erratum In: Rev Esp Cardiol (Engl Ed). 2017 Nov;70(11):1031. English, Spanish.
- Valiaho ES, Kuoppa P, Lipponen JA, Hartikainen JEK, Jantti H, Rissanen TT, Kolk I, Pohjantahti-Maaroos H, Castren M, Halonen J, Tarvainen MP, Santala OE, Martikainen TJ. Wrist Band Photoplethysmography Autocorrelation Analysis Enables Detection of Atrial Fibrillation Without Pulse Detection. Front Physiol. 2021 May 7;12:654555. doi: 10.3389/fphys.2021.654555. eCollection 2021.
- Santala OE, Lipponen JA, Jäntti H, Rissanen TT, Halonen J, Kolk I, Pohjantähti-Maaroos H, Tarvainen MP, Väliaho ES, Hartikainen J, Martikainen T. Necklace-embedded electrocardiogram for the detection and diagnosis of atrial fibrillation. Clin Cardiol. 2021 May;44(5):620-626. doi: 10.1002/clc.23580. Epub 2021 Feb 25.
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
Termini MeSH pertinenti aggiuntivi
Altri numeri di identificazione dello studio
- KUH507P002
Piano per i dati dei singoli partecipanti (IPD)
Hai intenzione di condividere i dati dei singoli partecipanti (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 .