Applicazione di modelli di machine learning per ridurre la necessità di EUS o MRCP diagnostici in pazienti con probabilità intermedia di coledocolitiasi
27 settembre 2023 aggiornato da: Asian Institute of Gastroenterology, India
Applicazione di modelli di machine learning per ridurre la necessità di EUS o MRCP diagnostici in pazienti con probabilità intermedia di coledocolitiasi: uno studio diagnostico prospettico, in aperto
Il modello predittivo di apprendimento automatico può aiutare a stratificare un gruppo eterogeneo di probabilità intermedia per ridurre la necessità di EUS o MRCP in sottogruppi selezionati di pazienti.
Panoramica dello studio
Stato
Non ancora reclutamento
Condizioni
Descrizione dettagliata
Le attuali linee guida per sospetta coledocolitiasi hanno lo scopo di ridurre il rischio che i pazienti ricevano ERCP diagnostico e ridurre il rischio di eventi avversi post ERCP.
In questo processo vi è un evidente aumento del numero di pazienti nel gruppo con probabilità intermedia che necessitano di EUS o MRCP.
Ciò può aumentare l’utilizzo dell’assistenza sanitaria e il costo delle cure per i pazienti con probabilità intermedia.
Il campo dell’intelligenza artificiale nella medicina clinica si sta evolvendo rapidamente.
L'uso del modello di apprendimento automatico basato sull'intelligenza artificiale non è adeguatamente studiato per la previsione della coledocolitiasi.
Il modello predittivo di apprendimento automatico può aiutare a stratificare un gruppo eterogeneo di probabilità intermedia per ridurre la necessità di EUS o MRCP in sottogruppi selezionati di pazienti.
Tipo di studio
Osservativo
Iscrizione (Stimato)
1000
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
- Adulto
- Adulto più anziano
Accetta volontari sani
N/A
Metodo di campionamento
Campione di probabilità
Popolazione di studio
Tutti i pazienti con sospetta coledocolitiasi che soddisfano i criteri di stratificazione del rischio ESGE o ASGE di probabilità intermedia di coledocolitiasi saranno arruolati in modo prospettico dagli ospedali AIG, Hyderabad
Descrizione
Criterio di inclusione:
• Individuo di età pari o superiore a 18 anni con sospetta coledocolitiasi che soddisfa i criteri di stratificazione del rischio ASGE o ESGE con probabilità intermedia sottoposto a EUS o MRCP
Criteri di esclusione:
- Pazienti con malattie coesistenti del sistema biliare pancreatico diverse dai calcoli biliari e dalla coledocolitiasi che comprendono pancreatite cronica, stenosi biliare, neoplasie pancreatobiliari, biliopatia portale
- Pazienti con malattie epatiche croniche sottostanti
- Gravidanza e allattamento
- Anamnesi precedente di colecistectomia
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
Cosa sta misurando lo studio?
Misure di risultato primarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
Sviluppo di un algoritmo di machine learning per prevedere la coledocolitiasi
Lasso di tempo: Un anno
|
sviluppare un algoritmo di apprendimento automatico per prevedere la coledocolitiasi in pazienti con probabilità intermedia di coledocolitiasi
|
Un anno
|
Misure di risultato secondarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
1. Confrontare l'accuratezza diagnostica dell'EUS o dell'MRCP con l'algoritmo di apprendimento automatico
Lasso di tempo: Un anno
|
1. Confrontare l'accuratezza diagnostica dell'EUS o dell'MRCP con l'algoritmo di apprendimento automatico
|
Un anno
|
|
2. Convalidare l'algoritmo di apprendimento automatico
Lasso di tempo: Un anno
|
Un anno
|
Collaboratori e investigatori
Qui è dove troverai le persone e le organizzazioni coinvolte in questo studio.
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 ottobre 2023
Completamento primario (Stimato)
30 ottobre 2024
Completamento dello studio (Stimato)
30 ottobre 2024
Date di iscrizione allo studio
Primo inviato
13 settembre 2023
Primo inviato che soddisfa i criteri di controllo qualità
27 settembre 2023
Primo Inserito (Effettivo)
4 ottobre 2023
Aggiornamenti dei record di studio
Ultimo aggiornamento pubblicato (Effettivo)
4 ottobre 2023
Ultimo aggiornamento inviato che soddisfa i criteri QC
27 settembre 2023
Ultimo verificato
1 settembre 2023
Maggiori informazioni
Termini relativi a questo studio
Termini MeSH pertinenti aggiuntivi
Altri numeri di identificazione dello studio
- AI EUS Choledocholithiasis
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 .