- ICH GCP
- Registro degli studi clinici negli Stati Uniti
- Sperimentazione clinica NCT06781398
Chirurgia robotica nel trattamento dell'endometriosi profonda: confronto tra Da Vinci e HUGO RAS
Panoramica dello studio
Stato
Condizioni
Descrizione dettagliata
Tipo di studio
Iscrizione (Stimato)
Contatti e Sedi
Contatto studio
- Nome: Diego Raimondo, MD
- Numero di telefono: +393290636618
- Email: die.raimondo@gmail.com
Backup dei contatti dello studio
- Nome: Pierluigi Celerino, MD
- Email: celerinopierluigi@gmail.com
Luoghi di studio
-
-
-
Bologna, Italia, 40138
- IRCCS Azienda Ospedaliero-Universitaria di Bologna
-
Contatto:
- Diego Raimondo, MD
- Numero di telefono: +393290636618
- Email: die.raimondo@gmail.com
-
Contatto:
- Pierluigi Celerino, MD
- Email: celerinopierluigi@gmail.com
-
Contatto:
- Diego Raimondo, MD
-
Roma, Italia, 00168
- Fondazione Policlinico Universitario A. Gemelli IRCCS, Università Cattolica del Sacro Cuore
-
Contatto:
- Federica Campolo, MD
- Numero di telefono: +390630155629
- Email: campolo.f@gmail.com
-
-
Criteri di partecipazione
Criteri di ammissibilità
Età idonea allo studio
- Adulto
Accetta volontari sani
Metodo di campionamento
Popolazione di studio
Descrizione
Criteri di inclusione:
- Età compresa tra 18 e 55 anni;
- Diagnosi ecografica pelvica e/o radiologica (RM/TAC con insufflazione rettale) di endometriosi
- Indicazione all'intervento chirurgico (sintomatici nonostante o refrattari alla terapia medica, e/o con stenosi intestinale critica o stenosi urinaria, e/o sterili in attesa di trattamento di procreazione medicalmente assistita (PMA) o con precedenti tentativi di fecondazione assistita falliti);
- Classe ASA (American Society of Anesthesiologists Physical Status Classification) compresa tra 1 e 3;
- Acquisizione del consenso a sottoporsi al trattamento chirurgico;
- Acquisizione del consenso per la partecipazione allo studio e trattamento dei dati
Criteri di esclusione:
- Diagnosi passata o attuale di patologia ginecologica oncologica.
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 |
|---|---|---|
|
L'approccio chirurgico robotico utilizzando HUGO RAS non è inferiore a quello eseguito utilizzando Da Vinci in termini di tempo operatorio (docking + tempo chirurgico) nel trattamento chirurgico di pazienti con endometriosi
Lasso di tempo: Durante l'intervento chirurgico
|
Confrontare le due tecniche chirurgiche valutando il tempo operatorio (espresso in minuti), che comprende il docking e il tempo chirurgico. L'attracco è definito come il tempo necessario per spostare i bracci robotici nel campo operatorio, posizionarli nei rispettivi siti di accesso e inserire gli strumenti robotici nell'addome. Il tempo chirurgico va dalla fine dell'aggancio alla sutura delle brecce laparoscopiche/laparotomiche. |
Durante l'intervento chirurgico
|
Misure di risultato secondarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
Tasso di conversione alla laparoscopia o laparotomia
Lasso di tempo: Durante l'intervento chirurgico
|
Conversione alla laparoscopia o alla laparotomia, sulla base della valutazione intraoperatoria del quadro clinico
|
Durante l'intervento chirurgico
|
|
Tassi di complicanze intraoperatorie e postoperatorie; necessità di trattamento delle complicanze
Lasso di tempo: Perioperatorio e a 3 mesi
|
Complicanze intraoperatorie (lesioni accidentali ad organi e strutture, sanguinamento incoercibile) classificate dal ClassIntra System (iAE); complicanze postoperatorie (anemia, febbre postoperatoria, emoperitoneo, perforazione intestinale), secondo la classificazione di Clavien-Dindo; trattamento delle complicanze (trasfusione di GRC, reintervento, procedure interventistiche)
|
Perioperatorio e a 3 mesi
|
|
Ergonomia per il chirurgo
Lasso di tempo: Durante l'intervento chirurgico
|
Ergonomia dei due approcci robotici stabilita attraverso il sistema Rapid Upper Limb Assessment (RULA) che consente attraverso la compilazione di un punteggio, una rapida valutazione del carico gravante sul collo e sull'arto superiore.
Il rischio di disturbi legati al lavoro è calcolato con un punteggio da 1 (basso) a 7 (alto)
|
Durante l'intervento chirurgico
|
|
Entità del dolore postoperatorio
Lasso di tempo: Perioperatorio e a 3 e 12 mesi
|
Dolore postoperatorio valutato come valore massimo registrato dalla scala di valutazione numerica (NRS), da 0 a 10, corrispondente rispettivamente a "nessun dolore" e "peggiore dolore immaginabile"
|
Perioperatorio e a 3 e 12 mesi
|
|
Tempo di ricovero
Lasso di tempo: Dal giorno del ricovero al giorno della dimissione, in media 1 anno
|
Tempo di ricovero
|
Dal giorno del ricovero al giorno della dimissione, in media 1 anno
|
|
Valutazione del dolore e della qualità della vita
Lasso di tempo: A 3 e 12 mesi dall'intervento
|
Valutazione del dolore e cambiamento della qualità della vita, valutati mediante la somministrazione della scala NRS, da 0 a 10, corrispondenti rispettivamente a "nessun dolore" e "peggior dolore immaginabile"
|
A 3 e 12 mesi dall'intervento
|
|
Valutazione del dolore e della qualità della vita
Lasso di tempo: A 3 e 12 mesi dall'intervento
|
Valutazione del dolore e cambiamento della qualità della vita, valutati mediante la somministrazione di un questionario sulla qualità della vita (EHP-30, profilo sanitario correlato all'endometriosi), con punteggio da 0 a 100, dove 0 è il risultato migliore e 100 il risultato peggiore
|
A 3 e 12 mesi dall'intervento
|
|
Recidiva sintomatologica e/o anatomica
Lasso di tempo: A 12 mesi dall'intervento
|
Ripresa clinica o anatomica della malattia mediante visita ginecologica, storia patologica recente, ecografia pelvica ed eventuali metodi radiologici come la risonanza magnetica nucleare (NMR)
|
A 12 mesi dall'intervento
|
Collaboratori e investigatori
Investigatori
- Investigatore principale: Diego Raimondo, MD, IRCCS Azienda Ospedaliero-Universitaria di Bologna
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 (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
- ROBOTENDO
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
prodotto fabbricato ed esportato dagli 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 Endometriosi profonda
-
RenJi HospitalNon ancora reclutamentoDeep Learning, risonanza magnetica lombare
-
Ceren SireNon ancora reclutamentoDeep caries lesione di denti pemanentiTacchino
-
Tishreen UniversityCompletatoValutazione dell'Intervento Deep Plan nella Regione Sottomentoniera per la Gestione del Doppio MentoSiria
-
Misr International UniversityNational Research Centre, EgyptAttivo, non reclutantePazienti con lesioni cariose profonde | Lesione cariosa profonda | Deep caries lesione di denti pemanentiEgitto
-
University of ZurichReclutamentoPrevisione dell'esito dell'ictus supportata dall'algoritmo di deep learningSvizzera
-
Third Affiliated Hospital, Sun Yat-Sen UniversityReclutamentoSviluppare un modello predittivo di germogliamento del tumore basato sulla TC per il cancro alla vescica utilizzando algoritmi di deep learningCina
-
First Affiliated Hospital of Chongqing Medical...CompletatoFocus sullo sviluppo di un modello di deep learning per prevedere il rischio di recidiva dell'adenocarcinoma polmonare invasivo di stadio IA dopo resezione sublobareCina