- ICH GCP
- Registro degli studi clinici negli Stati Uniti
- Sperimentazione clinica NCT07328997
Esplorazione delle strategie di diagnosi e trattamento e dei modelli di previsione prognostica per la sindrome da distress respiratorio acuto basata su valutazioni radiografiche valutate dall'intelligenza artificiale
27 dicembre 2025 aggiornato da: Shanghai Zhongshan Hospital
Utilizzando dati TC toracici multicentrici, è stato costruito un modello di valutazione intelligente della gravità della ARDS.
Sulla base di caratteristiche quantitative TC e caratteristiche cliniche, è stato stabilito un modello predittivo per eventi critici a breve termine (come decisioni di ventilazione meccanica, strategie di posizione prona, morte, uso di ECMO, ecc.).
La malattia è stata stadia e quantificata, ed è stato sviluppato un modello di diagnosi e stratificazione del rischio per la ARDS per aiutare a guidare le strategie diagnostiche e terapeutiche per la ARDS.
Panoramica dello studio
Stato
Completato
Intervento / Trattamento
Tipo di studio
Osservativo
Iscrizione (Effettivo)
400
Contatti e Sedi
Questa sezione fornisce i recapiti di coloro che conducono lo studio e informazioni su dove viene condotto lo studio.
Luoghi di studio
-
-
Fengling Rd
-
Shanghai, Fengling Rd, Cina, 200032, P. R.
- Department of critical care medicine, Zhongshan Hospital, Fudan 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
- Adulto
- Adulto più anziano
Accetta volontari sani
No
Metodo di campionamento
Campione di probabilità
Popolazione di studio
La popolazione dello studio comprende pazienti adulti con diagnosi di sindrome da distress respiratorio acuto (ARDS) ricoverati nelle unità di terapia intensiva (UTI) di tre ospedali terziari completi in Cina.
I partecipanti idonei sono stati identificati retrospettivamente dalle cartelle cliniche elettroniche tra gennaio 2020 e dicembre 2024.
Tutti i pazienti inclusi soddisfano i criteri di inclusione ed esclusione predefiniti in base alla Definizione globale dell'ARDS 2023 e dispongono di imaging TC torace e relativi dati clinici disponibili.
Questa coorte rappresenta una popolazione reale di UTI con diverse eziologie dell'ARDS e diversi gradi di gravità della malattia.
Descrizione
Criteri di inclusione:
- Soddisfa i criteri diagnostici per ARDS
- Essere ricoverato in unità di terapia intensiva
- Ci sono immagini TC del torace
Criteri di esclusione:
- Età inferiore a 18 anni
- Cartelle cliniche mancanti
- Nessuna immagine TC del torace
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 di addestramento, gruppo di test, gruppo di validazione
Lo studio adotta una strategia di campionamento casuale stratificata con una suddivisione 8:2 per costruire i set di dati di addestramento e di validazione interna, insieme a una coorte di test esterna indipendente proveniente da un centro separato.
Non è coinvolta alcuna randomizzazione di interventi o trattamenti clinici.
Il modello sarà sviluppato e valutato utilizzando dati osservazionali derivati da percorsi clinici e risultati del mondo reale, con l'obiettivo di valutare le prestazioni nella stratificazione della gravità della malattia, nella raccomandazione del trattamento e nella previsione della mortalità.
Le prestazioni del modello saranno confrontate con i punteggi di gravità ICU consolidati e gli approcci basati sull'IA esistenti secondo un piano di analisi statistica prestabilito.
|
TAC
|
Cosa sta misurando lo studio?
Misure di risultato primarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
Accuratezza della classificazione della gravità dell'ARDS
Lasso di tempo: Baseline, definita entro 24 ore dall'acquisizione della TC torace di riferimento durante il ricovero in terapia intensiva.
|
Accuratezza del modello basato sull'intelligenza artificiale nel classificare la gravità dell'ARDS (lieve, moderata o grave), utilizzando la classificazione clinica di riferimento definita dai criteri globali ARDS 2023 come verità di riferimento.
|
Baseline, definita entro 24 ore dall'acquisizione della TC torace di riferimento durante il ricovero in terapia intensiva.
|
|
Tasso di corrispondenza del piano di trattamento tra la gestione clinica raccomandata dal modello e quella effettiva.
Lasso di tempo: Baseline, definito come entro 24 ore dall'acquisizione della TC torace di riferimento durante il ricovero in terapia intensiva.
|
Tasso di concordanza tra le strategie di trattamento raccomandate dal modello e le decisioni effettive di gestione clinica attraverso cinque modalità di intervento predefinite: ventilazione meccanica, ossigenoterapia nasale ad alto flusso, ventilazione non invasiva, posizionamento prono e blocco neuromuscolare.
|
Baseline, definito come entro 24 ore dall'acquisizione della TC torace di riferimento durante il ricovero in terapia intensiva.
|
|
Accuratezza della previsione della mortalità intraospedaliera a 28 giorni.
Lasso di tempo: Fino a 28 giorni dall'ammissione in terapia intensiva, o fino alla dimissione ospedaliera, a seconda di quale si verifichi per primo.
|
Accuratezza del modello nella previsione della mortalità intraospedaliera per tutte le cause entro 28 giorni, basata su caratteristiche integrate delle immagini TC del torace e variabili cliniche.
|
Fino a 28 giorni dall'ammissione in terapia intensiva, o fino alla dimissione ospedaliera, a seconda di quale si verifichi per primo.
|
Misure di risultato secondarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
Miglioramento delle prestazioni comparativo rispetto ai modelli AI di base.
Lasso di tempo: Baseline per la classificazione della gravità e l'abbinamento del piano di trattamento; fino a 28 giorni dal ricovero in terapia intensiva per la previsione della mortalità
|
Miglioramento assoluto delle prestazioni del modello proposto rispetto a tre modelli di intelligenza artificiale di riferimento comunemente utilizzati per la classificazione della gravità della ARDS, l'abbinamento del piano terapeutico e la previsione della mortalità a 28 giorni.
|
Baseline per la classificazione della gravità e l'abbinamento del piano di trattamento; fino a 28 giorni dal ricovero in terapia intensiva per la previsione della mortalità
|
|
Performance di calibrazione della previsione di mortalità a 28 giorni.
Lasso di tempo: Fino a 28 giorni dall'ingresso in terapia intensiva, o fino alla dimissione ospedaliera, a seconda di quale evento si verifichi per primo.
|
Calibrazione del modello di previsione della mortalità valutata mediante curve di calibrazione e statistiche di calibrazione per valutare la concordanza tra la mortalità intraospedaliera a 28 giorni prevista e osservata.
|
Fino a 28 giorni dall'ingresso in terapia intensiva, o fino alla dimissione ospedaliera, a seconda di quale evento si verifichi per primo.
|
|
Interpretabilità del modello basata sui contributi delle caratteristiche di imaging e cliniche.
Lasso di tempo: Linea di base per l'estrazione delle caratteristiche; fino a 28 giorni dall'ammissione in terapia intensiva per l'analisi di associazione degli esiti.
|
Quantificazione dei contributi relativi delle caratteristiche derivate dall'imaging e delle variabili cliniche alla predizione della mortalità utilizzando le Spiegazioni Additive di Shapley (SHAP).
L'importanza delle caratteristiche sarà analizzata complessivamente e stratificata in base alla gravità dell'ARDS.
|
Linea di base per l'estrazione delle caratteristiche; fino a 28 giorni dall'ammissione in terapia intensiva per l'analisi di associazione degli esiti.
|
|
Associazione tra aderenza al trattamento e mortalità ospedaliera a 28 giorni.
Lasso di tempo: Fino a 28 giorni dall'ingresso in terapia intensiva, o fino alla dimissione ospedaliera, a seconda di quale si verifichi per primo.
|
Associazione tra concordanza degli interventi raccomandati dal modello e trattamenti clinici effettivi e mortalità intraospedaliera a 28 giorni, valutata mediante regressione logistica multivariabile aggiustata per le principali metriche strutturali derivate dall'imaging.
|
Fino a 28 giorni dall'ingresso in terapia intensiva, o fino alla dimissione ospedaliera, a seconda di quale si verifichi per primo.
|
Collaboratori e investigatori
Qui è dove troverai le persone e le organizzazioni coinvolte in questo studio.
Sponsor
Pubblicazioni e link utili
La persona responsabile dell'inserimento delle informazioni sullo studio fornisce volontariamente queste pubblicazioni. Questi possono riguardare qualsiasi cosa relativa allo studio.
Pubblicazioni generali
- Xirouchaki N, Magkanas E, Vaporidi K, Kondili E, Plataki M, Patrianakos A, Akoumianaki E, Georgopoulos D. Lung ultrasound in critically ill patients: comparison with bedside chest radiography. Intensive Care Med. 2011 Sep;37(9):1488-93. doi: 10.1007/s00134-011-2317-y. Epub 2011 Aug 2.
- Matthay MA, Arabi Y, Arroliga AC, Bernard G, Bersten AD, Brochard LJ, Calfee CS, Combes A, Daniel BM, Ferguson ND, Gong MN, Gotts JE, Herridge MS, Laffey JG, Liu KD, Machado FR, Martin TR, McAuley DF, Mercat A, Moss M, Mularski RA, Pesenti A, Qiu H, Ramakrishnan N, Ranieri VM, Riviello ED, Rubin E, Slutsky AS, Thompson BT, Twagirumugabe T, Ware LB, Wick KD. A New Global Definition of Acute Respiratory Distress Syndrome. Am J Respir Crit Care Med. 2024 Jan 1;209(1):37-47. doi: 10.1164/rccm.202303-0558WS.
- Ding XF, Li JB, Liang HY, Wang ZY, Jiao TT, Liu Z, Yi L, Bian WS, Wang SP, Zhu X, Sun TW. Predictive model for acute respiratory distress syndrome events in ICU patients in China using machine learning algorithms: a secondary analysis of a cohort study. J Transl Med. 2019 Oct 1;17(1):326. doi: 10.1186/s12967-019-2075-0.
- Zhang Z. Prediction model for patients with acute respiratory distress syndrome: use of a genetic algorithm to develop a neural network model. PeerJ. 2019 Sep 16;7:e7719. doi: 10.7717/peerj.7719. eCollection 2019.
- Zeiberg D, Prahlad T, Nallamothu BK, Iwashyna TJ, Wiens J, Sjoding MW. Machine learning for patient risk stratification for acute respiratory distress syndrome. PLoS One. 2019 Mar 28;14(3):e0214465. doi: 10.1371/journal.pone.0214465. eCollection 2019.
- Zhou Y, Feng J, Mei S, Tang R, Xing S, Qin S, Zhang Z, Xu Q, Gao Y, He Z. A deep learning model for predicting COVID-19 ARDS in critically ill patients. Front Med (Lausanne). 2023 Jul 25;10:1221711. doi: 10.3389/fmed.2023.1221711. eCollection 2023.
- Chiumello D, Coppola S, Catozzi G, Danzo F, Santus P, Radovanovic D. Lung Imaging and Artificial Intelligence in ARDS. J Clin Med. 2024 Jan 5;13(2):305. doi: 10.3390/jcm13020305.
- Albahri OS, Zaidan AA, Albahri AS, Zaidan BB, Abdulkareem KH, Al-Qaysi ZT, Alamoodi AH, Aleesa AM, Chyad MA, Alesa RM, Kem LC, Lakulu MM, Ibrahim AB, Rashid NA. Systematic review of artificial intelligence techniques in the detection and classification of COVID-19 medical images in terms of evaluation and benchmarking: Taxonomy analysis, challenges, future solutions and methodological aspects. J Infect Public Health. 2020 Oct;13(10):1381-1396. doi: 10.1016/j.jiph.2020.06.028. Epub 2020 Jul 1.
- Amisha, Malik P, Pathania M, Rathaur VK. Overview of artificial intelligence in medicine. J Family Med Prim Care. 2019 Jul;8(7):2328-2331. doi: 10.4103/jfmpc.jfmpc_440_19.
- Gutierrez G. Artificial Intelligence in the Intensive Care Unit. Crit Care. 2020 Mar 24;24(1):101. doi: 10.1186/s13054-020-2785-y.
- Ahuja AS. The impact of artificial intelligence in medicine on the future role of the physician. PeerJ. 2019 Oct 4;7:e7702. doi: 10.7717/peerj.7702. eCollection 2019.
- Shenoy S, Rajan AK, Rashid M, Chandran VP, Poojari PG, Kunhikatta V, Acharya D, Nair S, Varma M, Thunga G. Artificial intelligence in differentiating tropical infections: A step ahead. PLoS Negl Trop Dis. 2022 Jun 30;16(6):e0010455. doi: 10.1371/journal.pntd.0010455. eCollection 2022 Jun.
- Chiumello D, Marino A, Brioni M, Menga F, Cigada I, Lazzerini M, Andrisani MC, Biondetti P, Cesana B, Gattinoni L. Visual anatomical lung CT scan assessment of lung recruitability. Intensive Care Med. 2013 Jan;39(1):66-73. doi: 10.1007/s00134-012-2707-9. Epub 2012 Sep 19.
- Raghavendran K, Davidson BA, Woytash JA, Helinski JD, Marschke CJ, Manderscheid PA, Notter RH, Knight PR. The evolution of isolated bilateral lung contusion from blunt chest trauma in rats: cellular and cytokine responses. Shock. 2005 Aug;24(2):132-8. doi: 10.1097/01.shk.0000169725.80068.4a.
- Gattinoni L, Caironi P, Pelosi P, Goodman LR. What has computed tomography taught us about the acute respiratory distress syndrome? Am J Respir Crit Care Med. 2001 Nov 1;164(9):1701-11. doi: 10.1164/ajrccm.164.9.2103121. No abstract available.
- Gattinoni L, Pesenti A. The concept of "baby lung". Intensive Care Med. 2005 Jun;31(6):776-84. doi: 10.1007/s00134-005-2627-z. Epub 2005 Apr 6.
- Yadav H, Thompson BT, Gajic O. Fifty Years of Research in ARDS. Is Acute Respiratory Distress Syndrome a Preventable Disease? Am J Respir Crit Care Med. 2017 Mar 15;195(6):725-736. doi: 10.1164/rccm.201609-1767CI.
- Yildirim F, Karaman I, Kaya A. Current situation in ARDS in the light of recent studies: Classification, epidemiology and pharmacotherapeutics. Tuberk Toraks. 2021 Dec;69(4):535-546. doi: 10.5578/tt.20219611.
- Yang P, Sjoding MW. Acute Respiratory Distress Syndrome: Definition, Diagnosis, and Routine Management. Crit Care Clin. 2024 Apr;40(2):309-327. doi: 10.1016/j.ccc.2023.12.003. Epub 2024 Jan 4.
- Tzotzos SJ, Fischer B, Fischer H, Zeitlinger M. Incidence of ARDS and outcomes in hospitalized patients with COVID-19: a global literature survey. Crit Care. 2020 Aug 21;24(1):516. doi: 10.1186/s13054-020-03240-7. No abstract available.
- Riviello ED, Buregeya E, Twagirumugabe T. Diagnosing acute respiratory distress syndrome in resource limited settings: the Kigali modification of the Berlin definition. Curr Opin Crit Care. 2017 Feb;23(1):18-23. doi: 10.1097/MCC.0000000000000372.
- Villar J, Martin-Rodriguez C, Dominguez-Berrot AM, Fernandez L, Ferrando C, Soler JA, Diaz-Lamas AM, Gonzalez-Higueras E, Nogales L, Ambros A, Carriedo D, Hernandez M, Martinez D, Blanco J, Belda J, Parrilla D, Suarez-Sipmann F, Tarancon C, Mora-Ordonez JM, Blanch L, Perez-Mendez L, Fernandez RL, Kacmarek RM; Spanish Initiative for Epidemiology, Stratification and Therapies for ARDS (SIESTA) Investigators Network. A Quantile Analysis of Plateau and Driving Pressures: Effects on Mortality in Patients With Acute Respiratory Distress Syndrome Receiving Lung-Protective Ventilation. Crit Care Med. 2017 May;45(5):843-850. doi: 10.1097/CCM.0000000000002330.
- Garcia-Laorden MI, Lorente JA, Flores C, Slutsky AS, Villar J. Biomarkers for the acute respiratory distress syndrome: how to make the diagnosis more precise. Ann Transl Med. 2017 Jul;5(14):283. doi: 10.21037/atm.2017.06.49.
- McNicholas BA, Rooney GM, Laffey JG. Lessons to learn from epidemiologic studies in ARDS. Curr Opin Crit Care. 2018 Feb;24(1):41-48. doi: 10.1097/MCC.0000000000000473.
- Bellani G, Laffey JG, Pham T, Fan E, Brochard L, Esteban A, Gattinoni L, van Haren F, Larsson A, McAuley DF, Ranieri M, Rubenfeld G, Thompson BT, Wrigge H, Slutsky AS, Pesenti A; LUNG SAFE Investigators; ESICM Trials Group. Epidemiology, Patterns of Care, and Mortality for Patients With Acute Respiratory Distress Syndrome in Intensive Care Units in 50 Countries. JAMA. 2016 Feb 23;315(8):788-800. doi: 10.1001/jama.2016.0291.
- Gorman EA, O'Kane CM, McAuley DF. Acute respiratory distress syndrome in adults: diagnosis, outcomes, long-term sequelae, and management. Lancet. 2022 Oct 1;400(10358):1157-1170. doi: 10.1016/S0140-6736(22)01439-8. Epub 2022 Sep 4.
- Xu H, Sheng S, Luo W, Xu X, Zhang Z. Acute respiratory distress syndrome heterogeneity and the septic ARDS subgroup. Front Immunol. 2023 Nov 14;14:1277161. doi: 10.3389/fimmu.2023.1277161. eCollection 2023.
- Banavasi H, Nguyen P, Osman H, Soubani AO. Management of ARDS - What Works and What Does Not. Am J Med Sci. 2021 Jul;362(1):13-23. doi: 10.1016/j.amjms.2020.12.019. Epub 2020 Dec 26.
- Katzenstein AL, Bloor CM, Leibow AA. Diffuse alveolar damage--the role of oxygen, shock, and related factors. A review. Am J Pathol. 1976 Oct;85(1):209-28. No abstract available.
- Villar J, Szakmany T, Grasselli G, Camporota L. Redefining ARDS: a paradigm shift. Crit Care. 2023 Oct 31;27(1):416. doi: 10.1186/s13054-023-04699-w.
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 (Effettivo)
31 maggio 2024
Completamento primario (Effettivo)
30 novembre 2025
Completamento dello studio (Effettivo)
30 novembre 2025
Date di iscrizione allo studio
Primo inviato
13 dicembre 2025
Primo inviato che soddisfa i criteri di controllo qualità
27 dicembre 2025
Primo Inserito (Effettivo)
9 gennaio 2026
Aggiornamenti dei record di studio
Ultimo aggiornamento pubblicato (Effettivo)
9 gennaio 2026
Ultimo aggiornamento inviato che soddisfa i criteri QC
27 dicembre 2025
Ultimo verificato
1 dicembre 2025
Maggiori informazioni
Termini relativi a questo studio
Parole chiave
Termini MeSH pertinenti aggiuntivi
- Malattie delle vie respiratorie
- Malattie polmonari
- Lesione polmonare
- Lesioni polmonari acute
- Tecniche e procedure diagnostiche
- Diagnosi
- Tomografia
- Imaging diagnostico
- Radiografia
- Interpretazione dell'immagine, assistita da computer
- Miglioramento dell'immagine radiografica
- Miglioramento dell'immagine
- Fotografia
- Tomografia, radiografia
- Tomografia, raggi X calcolata
Altri numeri di identificazione dello studio
- B2024-180
Piano per i dati dei singoli partecipanti (IPD)
Hai intenzione di condividere i dati dei singoli partecipanti (IPD)?
SÌ
Descrizione del piano IPD
I dati dei singoli partecipanti che costituiscono la base dei risultati dello studio, comprese le informazioni demografiche de-identificate, le variabili cliniche, i risultati di laboratorio, i parametri del ventilatore o dell'HFNC e le caratteristiche quantitative della TC derivate dall'IA, saranno condivisi.
Tutti i dati saranno completamente de-identificati in conformità con le normative applicabili prima della condivisione.
I dati di imaging (scansioni TC) saranno forniti anche in formato de-identificato quando consentito dai siti partecipanti.
Periodo di condivisione IPD
I dati dei singoli partecipanti saranno disponibili a partire da 12 mesi dopo la pubblicazione dei risultati primari e rimarranno accessibili per almeno 5 anni.
Criteri di accesso alla condivisione IPD
I dati dei singoli partecipanti saranno condivisi con ricercatori qualificati per proposte scientificamente valide.
Le richieste devono includere un piano di analisi metodologicamente appropriato e l'approvazione di un comitato di revisione istituzionale (IRB) o di un comitato etico, quando richiesto.
I dati saranno condivisi solo in forma de-identificata.
Tutte le richieste saranno esaminate dal ricercatore principale e dal comitato direttivo dello studio, che valuteranno la motivazione scientifica, la fattibilità e la conformità alle normative sulla protezione dei dati.
Dopo l'approvazione, i dati saranno accessibili tramite una piattaforma sicura e protetta da password per la condivisione dei dati.
Tipo di informazioni di supporto alla condivisione IPD
- STUDIO_PROTOCOLLO
- LINFA
- ICF
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 .
Prove cliniche su ARDS (sindrome da distress respiratorio acuto)
-
University of CalgaryNon ancora reclutamentoARDS (sindrome da distress respiratorio acuto)
-
Ain Shams UniversityIscrizione su invitoARDS (sindrome da distress respiratorio acuto)Egitto
-
Ain Shams UniversityCompletatoARDS (sindrome da distress respiratorio acuto)Egitto
-
Centre Hospitalier Saint Joseph Saint Luc de LyonReclutamentoARDS (sindrome da distress respiratorio acuto)Francia
-
Ming ZhongNon ancora reclutamentoARDS (sindrome da distress respiratorio acuto)Cina
-
Peking Union Medical College HospitalNon ancora reclutamentoARDS (sindrome da distress respiratorio acuto)Cina
-
Shanghai University of Traditional Chinese MedicineReclutamentoSindrome da distress respiratorio acuto (ARDS) | Lesioni polmonari acute (ALI) | Lesione Polmonare Acuta/Sindrome da Distress Respiratorio Acuto Correlata alla SepsiCina
-
HTIC, IncReclutamentoARDS (sindrome da distress respiratorio acuto)Stati Uniti
-
Southeast University, ChinaNon ancora reclutamentoARDS (sindrome da distress respiratorio acuto) | Tomografia ad impedenza elettrica (EIT) | Perfusione PolmonareCina
-
Centre Integre Universitaire de Sante et Services...Non ancora reclutamentoARDS (sindrome da distress respiratorio acuto) | Ventilazione Meccanica Invasiva | Lesioni polmonari autoinflitte dal pazienteCanada
Prove cliniche su TAC
-
Centre Hospitalier Intercommunal de Toulon La Seyne...Reclutamento
-
Valdoltra Orthopedic HospitalCompletato
-
The Netherlands Cancer InstituteCompletato
-
Xijing HospitalAttivo, non reclutante
-
Maastricht University Medical CenterNon ancora reclutamentoAneurisma aortico | Malattie dell'aorta | Dissezione aortica | Aneurisma aortico, toracico | Dilatazione aortica | Allungamento aorticoOlanda
-
Qiubai LiNon ancora reclutamentoCancro testa e collo | Tumore del pancreas | Cancro PancreasStati Uniti
-
RenJi HospitalReclutamentoFibrosi miocardica | Infarto miocardico acuto | Aneurisma ventricolare dopo infarto miocardico acutoCina
-
H. Lee Moffitt Cancer Center and Research InstituteFlorida Breast Cancer FoundationReclutamentoCancro al seno | Cancro al seno con nodo positivoStati Uniti
-
Medical University of SilesiaReclutamento
-
Centre Hospitalier Annecy GenevoisUniversity Grenoble AlpsReclutamentoChirurgia ortognaticaFrancia