- ICH GCP
- Registro degli studi clinici negli Stati Uniti
- Sperimentazione clinica NCT06017843
Valutazione dell'impatto dell'uso della modellazione predittiva MATCH AI per l'identificazione di hotspot per la ricerca attiva di casi di tubercolosi (SPOT-TB)
Valutazione dell'impatto dell'uso del modello predittivo MATCH AI per l'identificazione degli hotspot per la ricerca attiva di casi di tubercolosi in Pakistan: uno studio randomizzato pragmatico a gradini con cluster a cuneo
Panoramica dello studio
Stato
Condizioni
Descrizione dettagliata
Nonostante i progressi significativi degli ultimi decenni, si stima che nel 2021 si siano ammalati di tubercolosi (TBC) 10,6 milioni di persone e la malattia abbia causato 1,6 milioni di morti a livello globale. Il Pakistan è classificato come il quinto paese con il più alto tasso di tubercolosi al mondo e la tubercolosi causa 42.000 morti ogni anno nel paese. Una sfida fondamentale nella risposta del Pakistan alla tubercolosi è garantire la diagnosi e il trattamento di tutti i soggetti affetti da tubercolosi. Nel 2020, su 573.000 casi, ne sono stati notificati complessivamente 276.736 (48%). Colmare questo divario nel rilevamento dei casi è un obiettivo fondamentale per il Programma nazionale contro la tubercolosi (NTP). La ricerca attiva dei casi (ACF) è una potenziale strategia per aumentare l’individuazione dei casi attraverso lo screening sistematico delle comunità per la tubercolosi. Prove recenti indicano che l’ACF può anche ridurre l’incidenza e la prevalenza della tubercolosi a livello di popolazione attraverso la diagnosi precoce. Sebbene gli interventi ACF abbiano dimostrato efficacia nelle sperimentazioni comunitarie e siano ora condotti su larga scala in Pakistan, permangono preoccupazioni riguardo ai loro risultati e al rapporto costo-efficacia nei contesti programmatici.
Lo scopo principale di questo studio è indagare se un approccio mirato allo screening basato sulla comunità utilizzando MATCH-AI, un software di intelligenza artificiale che modella la prevalenza della tubercolosi nei sub-distretti, può migliorare la resa degli interventi ACF in Pakistan. Nel braccio di intervento, il team sul campo condurrà attività ACF basate sulla comunità (chiamate campi pettorali) principalmente nei luoghi previsti da MATCH-AI per avere una maggiore prevalenza di tubercolosi. Nel braccio di controllo, le squadre sul campo continueranno a utilizzare gli approcci esistenti per la selezione dei campeggi. La sperimentazione sarà condotta in 65 distretti del Pakistan in collaborazione con i partner di attuazione dell'NTP.
Tipo di studio
Iscrizione (Stimato)
Fase
- Non applicabile
Contatti e Sedi
Contatto studio
- Nome: Amna Mahfooz, MS(PH)
- Numero di telefono: +923438101441
- Email: amna.mahfooz@cgph.org.pk
Backup dei contatti dello studio
- Nome: Faheem Baig
- Numero di telefono: +923345379004
- Email: faheem@cgph.org.pk
Luoghi di studio
-
-
-
Islamabad, Pakistan
- Reclutamento
- Mercy Corps Pakistan
-
Contatto:
- Nainan Nawaz
- Email: nanawaz@mercycorps.org
-
Investigatore principale:
- Abdullah Latif
-
-
Criteri di partecipazione
Criteri di ammissibilità
Età idonea allo studio
- Bambino
- Adulto
- Adulto più anziano
Accetta volontari sani
Descrizione
Criteri di inclusione: tutti gli individui che si presentano ai campeggi potranno partecipare allo screening, compresi quelli con precedenti di tubercolosi.
Criteri di esclusione: saranno esclusi i bambini di età <15 anni e le donne incinte.
Piano di studio
Come è strutturato lo studio?
Dettagli di progettazione
- Scopo principale: Ricerca sui servizi sanitari
- Assegnazione: Randomizzato
- Modello interventistico: Assegnazione incrociata
- Mascheramento: Separare
Armi e interventi
Gruppo di partecipanti / Arm |
Intervento / Trattamento |
|---|---|
|
Sperimentale: Intervento
Selezione dei siti dei campi per la ricerca attiva di casi di tubercolosi utilizzando MATCH-AI
|
L’intervento principale in questo studio è l’implementazione di MATCH-AI, un software di intelligenza artificiale che modella la prevalenza della tubercolosi nei sub-distretti, per guidare la selezione del sito dei campi ACF.
Lo strumento MATCH-AI utilizza un approccio di modellazione bayesiano per prevedere la prevalenza della tubercolosi con una risoluzione di 10.000 popolazioni mappate come poligoni.
Il modello integra dati provenienti da una serie di fonti, tra cui dati storici sulle notifiche delle strutture per la tubercolosi, dati ACF precedenti, nonché fattori contestuali come dati demografici, reddito, densità di popolazione, indicatori sanitari come la copertura vaccinale e variabili legate al clima per prevedere la prevalenza localizzata della tubercolosi.
Nel braccio di intervento, i campi saranno condotti principalmente in luoghi guidati da MATCH-AI.
|
|
Nessun intervento: Controllo
Selezione dei siti dei campi per la ricerca attiva di casi di tubercolosi utilizzando gli approcci esistenti.
|
Cosa sta misurando lo studio?
Misure di risultato primarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
Resa della positività del campo
Lasso di tempo: 12 mesi
|
Conteggio dei casi di tubercolosi (B+) confermati batteriologicamente diagnosticati in ciascun campo
|
12 mesi
|
Misure di risultato secondarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
Tasso di positività al campo
Lasso di tempo: 12 mesi
|
Casi di tubercolosi (B+) confermati batteriologicamente per popolazione sottoposta a screening
|
12 mesi
|
|
Rendimento del campo Tutte le forme
Lasso di tempo: 12 mesi
|
Conteggio dei casi di TBC di tutte le forme (AF-TB) diagnosticati in ciascun campo
|
12 mesi
|
|
Tasso di tubercolosi del campo per tutte le forme
Lasso di tempo: 12 mesi
|
Casi di TBC di tutte le forme (AF-TB) per popolazione sottoposta a screening
|
12 mesi
|
Collaboratori e investigatori
Collaboratori
Investigatori
- Investigatore principale: Faran Emmanuel, Centre for Global Public Health Pakistan
Studiare le date dei record
Studia le date principali
Inizio studio (Effettivo)
Completamento primario (Stimato)
Completamento dello studio (Stimato)
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
- CGPH-TB2023-24
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
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 Tubercolosi
-
François SpertiniUniversity of OxfordCompletatoTubercolosi | Mycobacterium tuberculosis, protezione controSvizzera
-
Assistance Publique - Hôpitaux de ParisCompletatoInfezione ossea e osteoarticolare dovuta a ceppi MDR M. TuberculosisFrancia
-
Serum Institute of India Pvt. Ltd.Vakzine Projekt Management GmbHCompletatoInfezione da Mycobacterium TuberculosisGabon, Kenya, Sud Africa, Tanzania, Uganda
-
Johns Hopkins UniversityNational Heart, Lung, and Blood Institute (NHLBI); WalimuReclutamentoTubercolosi, Polmonare | Infezione da Mycobacterium TuberculosisUganda
-
Global Alliance for TB Drug DevelopmentCompletatoTubercolosi | Tubercolosi, Polmonare | Malattia polmonare | Tubercolosi multiresistente ai farmaci | Tubercolosi sensibile ai farmaci | Tubercolosi resistente ai farmaci | Infezione da Mycobacterium TuberculosisStati Uniti
-
Global Alliance for TB Drug DevelopmentCompletatoTubercolosi | Tubercolosi, Polmonare | Malattia polmonare | Tubercolosi multiresistente ai farmaci | Tubercolosi sensibile ai farmaci | Tubercolosi resistente ai farmaci | Infezione da Mycobacterium TuberculosisStati Uniti