Identificazione dei biomarcatori CT mediante intelligenza artificiale per la prognosi di COVID-19 (COVID 19-IA)
7 marzo 2025 aggiornato da: Centre Hospitalier Universitaire de Nīmes
Identificazione dei biomarcatori della TAC toracica mediante Deep Learning per la valutazione della prognosi dei pazienti con malattia COVID-19
L'ipotesi dello studio è che la tomografia computerizzata a basso dosaggio (LDCT) unita all'intelligenza artificiale mediante il deep learning genererebbe biomarcatori di imaging legati alla prognosi a breve e medio termine del paziente.
Lo scopo di questo studio è quello di rendere rapidamente disponibile uno strumento decisionale precoce (dal primo consulto ospedaliero del paziente con sintomi correlati a SARS-CoV-2) basato sull'integrazione di diversi biomarcatori (clinici, biologici, imaging da torace scanner) consentendo sia la medicina personalizzata che una migliore anticipazione dell'evoluzione del paziente in termini di organizzazione delle cure.
Panoramica dello studio
Stato
Ritirato
Condizioni
Intervento / Trattamento
Tipo di studio
Osservativo
Contatti e Sedi
Questa sezione fornisce i recapiti di coloro che conducono lo studio e informazioni su dove viene condotto lo studio.
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
- Bambino
- Adulto
- Adulto più anziano
Accetta volontari sani
No
Metodo di campionamento
Campione non probabilistico
Popolazione di studio
Pazienti ricoverati per Covid-19 confermati da RT-PCR e sottoposti a TAC
Descrizione
Criterio di inclusione:
- Pazienti positivi per SARS-CoV-2 secondo il test RT-PCR tra il 1 marzo e il 31 maggio 2020
- Pazienti sottoposti a TAC a basso dosaggio per stabilire un danno polmonare da Covid-19
- Disponibile per un follow-up di almeno 8 giorni
Criteri di esclusione:
• Pazienti contrari all'uso retrospettivo dei propri dati
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
Coorti e interventi
Gruppo / Coorte |
Intervento / Trattamento |
|---|---|
|
Pazienti positivi per SARS-CoV-2
|
Tomografia computerizzata a bassa dose
|
Cosa sta misurando lo studio?
Misure di risultato primarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
Stato vitale
Lasso di tempo: Giorno 8
|
Morto vivo
|
Giorno 8
|
|
Paziente che richiede più di 3 litri di ossigeno per mantenere una saturazione >95% (unità di terapia intensiva o reparto di rianimazione)
Lasso di tempo: Giorno 8
|
Si No
|
Giorno 8
|
|
Percentuale di polmone colpito alla TC
Lasso di tempo: Giorno 0
|
% di vetro smerigliato e condensa calcolati mediante deep learning
|
Giorno 0
|
|
Percentuale di polmone affetto da opacità a vetro smerigliato durante la scansione
Lasso di tempo: Giorno 0
|
% calcolata dal deep learning
|
Giorno 0
|
|
Percentuale di polmone affetto da condensa durante la scansione
Lasso di tempo: Giorno 0
|
% calcolata dal deep learning
|
Giorno 0
|
Misure di risultato secondarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
Stato vitale
Lasso di tempo: Giorno 16
|
Morto vivo
|
Giorno 16
|
|
Stato vitale
Lasso di tempo: Giorno 30
|
Morto vivo
|
Giorno 30
|
|
Durata del ricovero
Lasso di tempo: Massimo 30 giorni
|
Giorni
|
Massimo 30 giorni
|
|
riospedalizzazione
Lasso di tempo: Giorno 30
|
Si No
|
Giorno 30
|
|
Durata dell'intubazione
Lasso di tempo: Giorno 30
|
Giorni
|
Giorno 30
|
|
Percentuale di polmone colpito alla TC
Lasso di tempo: Giorno 16
|
% di vetro smerigliato e condensa calcolati mediante deep learning
|
Giorno 16
|
|
Percentuale di polmone affetto da opacità a vetro smerigliato durante la scansione
Lasso di tempo: Giorno 16
|
% calcolata dal deep learning
|
Giorno 16
|
|
Percentuale di polmone affetto da condensa durante la scansione
Lasso di tempo: Giorno 16
|
% calcolata dal deep learning
|
Giorno 16
|
|
Tempo di funzionamento del software
Lasso di tempo: Fine dello studio (agosto 2020)
|
Velocità di caricamento ed elaborazione delle immagini a seconda della marca dello scanner
|
Fine dello studio (agosto 2020)
|
|
Livelli di proteina C-reattiva
Lasso di tempo: Ingresso giorno 0
|
mg/l
|
Ingresso giorno 0
|
|
lattato deidrogenasi
Lasso di tempo: Ingresso giorno 0
|
U/L
|
Ingresso giorno 0
|
|
linfocitimia
Lasso di tempo: Ingresso giorno 0
|
g/l
|
Ingresso giorno 0
|
|
D Livello dei dimeri
Lasso di tempo: Ingresso giorno 0
|
µg/l
|
Ingresso giorno 0
|
|
Tempo fino alla comparsa dei sintomi
Lasso di tempo: Ingresso giorno 0
|
Giorni
|
Ingresso giorno 0
|
|
Tempo tra i risultati positivi della RT-PCR e la prima scansione
Lasso di tempo: Ingresso giorno 0
|
Ore
|
Ingresso giorno 0
|
|
Età
Lasso di tempo: Ingresso giorno 0
|
Anni
|
Ingresso giorno 0
|
|
IMC> 30
Lasso di tempo: Ingresso giorno 0
|
Si No:
|
Ingresso giorno 0
|
|
Storia medica di malattie cardiovascolari
Lasso di tempo: Ingresso giorno 0
|
Sì/no: ipertensione, malattia coronarica, insufficienza cardiaca congestizia, aritmia cardiaca
|
Ingresso giorno 0
|
|
Diabete
Lasso di tempo: Ingresso giorno 0
|
Si No
|
Ingresso giorno 0
|
|
Storia medica della malattia respiratoria
Lasso di tempo: Ingresso giorno 0
|
Sì/no: broncopneumopatia cronica ostruttiva, insufficienza respiratoria cronica
|
Ingresso giorno 0
|
|
Storia medica della condizione immunodepressa
Lasso di tempo: Ingresso giorno 0
|
Sì/no: uso di steroidi, condizioni immunologiche preesistenti, chemioterapia in corso per il cancro
|
Ingresso giorno 0
|
|
Storia attuale o precedente di fumo
Lasso di tempo: Ingresso giorno 0
|
Si No:
|
Ingresso giorno 0
|
|
Calcolare un punteggio prognostico dai parametri clinici, biologici e CT
Lasso di tempo: Giorno 8
|
Algoritmo di apprendimento profondo
|
Giorno 8
|
|
Calcolare un punteggio prognostico solo da parametri clinici e biologici
Lasso di tempo: Giorno 8
|
Algoritmo di apprendimento profondo
|
Giorno 8
|
|
Confronta le curve operative del ricevitore dei punteggi prognostici con e senza parametri CT
Lasso di tempo: Giorno 8
|
Giorno 8
|
Collaboratori e investigatori
Qui è dove troverai le persone e le organizzazioni coinvolte in questo studio.
Investigatori
- Investigatore principale: Julien Frandon, CHU Nîmes
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 marzo 2020
Completamento primario (Stimato)
1 settembre 2021
Completamento dello studio (Stimato)
1 settembre 2021
Date di iscrizione allo studio
Primo inviato
4 giugno 2020
Primo inviato che soddisfa i criteri di controllo qualità
4 giugno 2020
Primo Inserito (Effettivo)
5 giugno 2020
Aggiornamenti dei record di studio
Ultimo aggiornamento pubblicato (Effettivo)
25 marzo 2025
Ultimo aggiornamento inviato che soddisfa i criteri QC
7 marzo 2025
Ultimo verificato
1 marzo 2025
Maggiori informazioni
Termini relativi a questo studio
Parole chiave
Termini MeSH pertinenti aggiuntivi
Altri numeri di identificazione dello studio
- NIMAO/2020/COVID 19-IA/JF-01
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 .