Deep Learning per l'identificazione intelligente delle aritmie (ECG-LEARNING)
2 aprile 2024 aggiornato da: First Affiliated Hospital Xi'an Jiaotong University
Apprendimento approfondito per l'identificazione intelligente delle aritmie (ECG-LEARNING): uno studio di coorte, multicentrico nazionale, retrospettivo-prospettico avviato da ricercatori
Questo studio mira a progettare e addestrare un modello di deep learning per la diagnosi di diverse aritmie.
Panoramica dello studio
Descrizione dettagliata
Questo studio mira a raccogliere retrospettivamente e prospetticamente dati clinici di routine come elettrocardiogrammi da pazienti con aritmie che soddisfano i criteri di inclusione ed esclusione.
Quindi progetteremo e addestreremo un modello di deep learning per analizzare le caratteristiche elettrocardiografiche delle aritmie, identificare i tipi di aritmie e valutare il valore del modello per la diagnosi di diverse aritmie.
Tipo di studio
Osservativo
Iscrizione (Stimato)
4000
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: Guoliang Li, M.D.
- Numero di telefono: +8613759982523
- Email: liguoliang_med@163.com
Backup dei contatti dello studio
- Nome: Chaofeng Sun, M.D.
- Email: cfsun1@mail.xjtu.edu.cn
Luoghi di studio
-
-
Shaanxi
-
Xi'an, Shaanxi, Cina, 710061
- First Affiliated Hospital of Xi'an Jiantong University
-
-
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 con diagnosi di aritmia mediante elettrocardiogramma a dodici derivazioni o Holter.
Descrizione
Criterio di inclusione:
- Per studio retrospettivo: 1.Pazienti con aritmia diagnosticata mediante elettrocardiogramma di superficie a 12 derivazioni di routine o Holter; 2. Il tipo di aritmia viene diagnosticato mediante esame elettrofisiologico intracardiaco.
- Per studio prospettico: 1. Pazienti con aritmia diagnosticata mediante elettrocardiogramma di superficie a 12 derivazioni di routine o Holter; 2. È previsto un esame elettrofisiologico intracardiaco.
Criteri di esclusione:
- Mancanza di elettrocardiogramma di superficie a 12 derivazioni di routine o dati Holter;
- Mancanza di esame elettrofisiologico intracardiaco;
- I pazienti si sono rifiutati di firmare il consenso informato e si sono rifiutati di partecipare allo studio.
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 |
|---|---|
|
Gruppo sperimentale
I dati ECG ei dati clinici di questo gruppo di pazienti con aritmia verranno utilizzati per costruire un modello di deep learning.
|
Nessun intervento sarà dato ai pazienti.
|
Cosa sta misurando lo studio?
Misure di risultato primarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
Un modello di deep learning progettato per identificare in modo intelligente i tipi di aritmia.
Lasso di tempo: 1 giorno dopo l'iscrizione.
|
Il modello viene addestrato sul set di training, il modello e gli iperparametri migliori vengono selezionati tramite il set di verifica e infine i risultati del modello vengono testati sul set di test.
|
1 giorno dopo l'iscrizione.
|
Misure di risultato secondarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
La sensibilità, la specificità e l'accuratezza del modello di deep learning
Lasso di tempo: 1 giorno dopo l'iscrizione.
|
La sensibilità, la specificità e l'accuratezza di un modello di deep learning progettato sono state valutate dai risultati dell'esame elettrofisiologico intracardiaco per identificare i pazienti con aritmia da vari centri.
|
1 giorno dopo l'iscrizione.
|
Collaboratori e investigatori
Qui è dove troverai le persone e le organizzazioni coinvolte in questo studio.
Collaboratori
Investigatori
- Investigatore principale: Guoliang Li, M.D., First Affiliated Hospital Xi'an Jiaotong University
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)
30 dicembre 2024
Completamento primario (Stimato)
31 agosto 2028
Completamento dello studio (Stimato)
31 dicembre 2028
Date di iscrizione allo studio
Primo inviato
6 luglio 2023
Primo inviato che soddisfa i criteri di controllo qualità
21 luglio 2023
Primo Inserito (Effettivo)
1 agosto 2023
Aggiornamenti dei record di studio
Ultimo aggiornamento pubblicato (Effettivo)
4 aprile 2024
Ultimo aggiornamento inviato che soddisfa i criteri QC
2 aprile 2024
Ultimo verificato
1 aprile 2024
Maggiori informazioni
Termini relativi a questo studio
Parole chiave
Termini MeSH pertinenti aggiuntivi
Altri numeri di identificazione dello studio
- XJTU1AF2023LSK-170
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 .