- ICH GCP
- Registro degli studi clinici negli Stati Uniti
- Sperimentazione clinica NCT06231797
Screening AI-ECG per la disfunzione sistolica ventricolare sinistra
Screening AI-ECG per la disfunzione sistolica ventricolare sinistra: uno studio prospettico, osservazionale, multicentrico
Panoramica dello studio
Stato
Condizioni
Intervento / Trattamento
Descrizione dettagliata
Gli attuali ricercatori hanno sviluppato un algoritmo di intelligenza artificiale (AI) basato sull’elettrocardiogramma (ECG) a 12 derivazioni che rileva la disfunzione sistolica ventricolare sinistra, attraverso 364.845 ECG di 148.547 pazienti. Successivamente, quando il modello è stato testato retrospettivamente su 59.805 ECG di 24.376 pazienti, la prestazione del modello espressa come area sotto la curva caratteristica operativa del ricevitore è stata di 0,889 (IC al 95% 0,887-0,891).
Stiamo pianificando di validare in modo prospettico l'efficacia del nostro modello come potenziale strumento di screening per la disfunzione sistolica del ventricolo sinistro.
Tipo di studio
Iscrizione (Stimato)
Contatti e Sedi
Contatto studio
- Nome: Hak Seung Lee, MD
- Numero di telefono: +1-771-216-0764
- Email: cardiolee@gmail.com
Criteri di partecipazione
Criteri di ammissibilità
Età idonea allo studio
- Adulto
- Adulto più anziano
Accetta volontari sani
Metodo di campionamento
Popolazione di studio
Descrizione
Criterio di inclusione:
- Individui o coloro il cui rappresentante legale accetta di partecipare allo studio e firmare il modulo di consenso
- Può completare sia l'elettrocardiogramma a 12 derivazioni che l'ecocardiografia transtoracica
Criteri di esclusione:
- Individui la cui età è inferiore a 18 anni.
- Individui che non accettano di partecipare allo studio
- Pazienti che non possono partecipare a studi clinici a discrezione dello sperimentatore
Piano di studio
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 |
---|---|---|
Area sotto la curva caratteristica operativa del ricevitore (AUROC)
Lasso di tempo: Fino al completamento degli studi, in media 1 anno
|
Prestazioni del modello AI che rileva LVSD, espresse come AUROC.
Come assistenza diagnostica per LVSD, verrà presentata una curva ROC espressa come sensibilità a (specificità 1) e l'accuratezza della previsione sarà confermata calcolando l'AUROC, che è l'area sottostante.
|
Fino al completamento degli studi, in media 1 anno
|
Misure di risultato secondarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
---|---|---|
Sensibilità
Lasso di tempo: Fino al completamento degli studi, in media 1 anno
|
Sensibilità del modello AI che rileva LVSD
|
Fino al completamento degli studi, in media 1 anno
|
Specificità
Lasso di tempo: Fino al completamento degli studi, in media 1 anno
|
Sensibilità del modello AI che rileva pazienti con funzione sistolica ventricolare sinistra normale
|
Fino al completamento degli studi, in media 1 anno
|
Valore predittivo positivo
Lasso di tempo: Fino al completamento degli studi, in media 1 anno
|
Valore predittivo positivo nella popolazione di pazienti reclutata
|
Fino al completamento degli studi, in media 1 anno
|
Valore predittivo negativo
Lasso di tempo: Fino al completamento degli studi, in media 1 anno
|
Valore predittivo negativo nella popolazione di pazienti reclutata
|
Fino al completamento degli studi, in media 1 anno
|
Collaboratori e investigatori
Investigatori
- Investigatore principale: Seung-Pyo Lee, MD, PhD, Seoul National University Hospital
Pubblicazioni e link utili
Pubblicazioni generali
- Kwon JM, Jo YY, Lee SY, Kang S, Lim SY, Lee MS, Kim KH. Artificial Intelligence-Enhanced Smartwatch ECG for Heart Failure-Reduced Ejection Fraction Detection by Generating 12-Lead ECG. Diagnostics (Basel). 2022 Mar 8;12(3):654. doi: 10.3390/diagnostics12030654.
- Kwon JM, Kim KH, Jeon KH, Kim HM, Kim MJ, Lim SM, Song PS, Park J, Choi RK, Oh BH. Development and Validation of Deep-Learning Algorithm for Electrocardiography-Based Heart Failure Identification. Korean Circ J. 2019 Jul;49(7):629-639. doi: 10.4070/kcj.2018.0446. Epub 2019 Mar 21.
Studiare le date dei record
Studia le date principali
Inizio studio (Stimato)
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 (Stimato)
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
- H-2306-083-1439
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
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 .