このページは自動翻訳されたものであり、翻訳の正確性は保証されていません。を参照してください。 英語版 ソーステキスト用。

結核の進行中の症例発見のためのホットスポットの特定のための MATCH AI 予測モデリングの使用の影響評価 (SPOT-TB)

2024年7月24日 更新者:Centre for Global Public Health Pakistan

パキスタンにおける結核の活動性症例発見のホットスポットを特定するための MATCH AI 予測モデリングの使用の影響評価: 実用的なステップウェッジクラスターランダム化試験

この実用的な段階的ウェッジクラスター無作為化試験の目的は、MATCH-AIと呼ばれる人工知能ソフトウェアによって生成された予測に基づく施設選択アプローチを使用して、比較収率(積極的な症例発見キャンプ中に診断された結核発症症例の数)を測定することです。 (介入群)対、現場スタッフの知識と経験を利用したキャンプ場選択の従来のアプローチ(対照群)。 この試験は、人工知能を使用した結核のスクリーニングに対する的を絞ったアプローチが、地域ベースの積極的な症例発見を通じて検出される結核症例の収率を向上させることができるかどうかを知るのに役立ちます。

調査の概要

詳細な説明

過去数十年にわたる大きな進歩にも関わらず、2021 年には推定 1,060 万人が結核 (TB) に罹患し、この病気により世界中で 160 万人が死亡しました。 パキスタンは結核負担が世界で5番目に高い国としてランク付けされており、同国では結核により年間4万2000人が死亡している。 パキスタンの結核対策における重要な課題は、すべての結核患者の診断と治療を確実に行うことである。 2020年には、57万3,000件の事件のうち、合計27万6,736件(48%)が通知されました。 この症例と検出のギャップを埋めることは、国家結核プログラム (NTP) の重要な目標です。 積極的症例発見(ACF)は、地域社会の結核に対する体系的なスクリーニングによって症例検出を増やす潜在的な戦略です。 最近の証拠は、ACF が早期発見を通じて集団レベルの結核の発生率と有病率を減らすこともできることを示しています。 ACF介入は地域社会での治験で有効性が証明されており、現在パキスタンで大規模に実施されているが、プログラム的な設定におけるその収量と費用対効果については懸念が残っている。

この研究の主な目的は、サブ地区の結核罹患率をモデル化する人工知能ソフトウェアである MATCH-AI を使用した地域ベースのスクリーニングに対する的を絞ったアプローチが、パキスタンにおける ACF 介入の収率を向上できるかどうかを調査することです。 介入部門では、フィールドチームは、主に MATCH-AI によって結核の有病率が高いと予測された場所で、地域ベースの ACF 活動 (チェストキャンプと呼ばれる) を実施します。 管理部門では、現場チームはキャンプ地の選択に向けて既存のアプローチを引き続き利用します。 この試験は、NTPの実施パートナーと協力してパキスタンの65の地区で実施される。

研究の種類

介入

入学 (推定)

180000

段階

  • 適用できない

連絡先と場所

このセクションには、調査を実施する担当者の連絡先の詳細と、この調査が実施されている場所に関する情報が記載されています。

研究連絡先

研究連絡先のバックアップ

研究場所

参加基準

研究者は、適格基準と呼ばれる特定の説明に適合する人を探します。これらの基準のいくつかの例は、人の一般的な健康状態または以前の治療です。

適格基準

就学可能な年齢

  • 子
  • 大人
  • 高齢者

健康ボランティアの受け入れ

はい

説明

参加基準: 結核の既往歴のある人も含め、キャンプ場に来るすべての人はスクリーニングに参加する資格があります。

除外基準: 15 歳未満の子供および妊娠中の女性は除外されます。

研究計画

このセクションでは、研究がどのように設計され、研究が何を測定しているかなど、研究計画の詳細を提供します。

研究はどのように設計されていますか?

デザインの詳細

  • 主な目的:ヘルスサービス研究
  • 割り当て:ランダム化
  • 介入モデル:クロスオーバー割り当て
  • マスキング:独身

武器と介入

参加者グループ / アーム
介入・治療
実験的:介入
MATCH-AI を使用した結核患者の積極的な発見のためのキャンプサイトの選択
この研究における主な介入は、ACFキャンプのサイト選択をガイドするために、サブ地区の結核罹患率をモデル化する人工知能ソフトウェアであるMATCH-AIの展開である。 MATCH-AI ツールは、ベイジアン モデリング アプローチを使用して、ポリゴンとしてマッピングされた 10,000 人の人口の解像度で結核罹患率を予測します。 このモデルは、過去の結核施設通知データ、以前のACFデータに加え、人口動態、収入、人口密度、ワクチン接種率などの健康指標、気候関連変数などの状況要因を含むさまざまなソースからのデータを統合し、局地的な結核罹患率を予測します。 介入部門では、キャンプは主に MATCH-AI によって誘導される場所で実施されます。
介入なし:コントロール
既存のアプローチを使用して結核の積極的な症例を見つけるためのキャンプサイトの選択。

この研究は何を測定していますか?

主要な結果の測定

結果測定
メジャーの説明
時間枠
キャンプでのポジティブな成果
時間枠:12ヶ月
各キャンプで診断された細菌学的に確認された結核(B+)症例の数
12ヶ月

二次結果の測定

結果測定
メジャーの説明
時間枠
キャンプ陽性率
時間枠:12ヶ月
スクリーニングされた集団あたりの細菌学的に確認された結核 (B+) 症例数
12ヶ月
キャンプの全形態の収量
時間枠:12ヶ月
各キャンプで診断された全型結核(AF-TB)症例数
12ヶ月
キャンプ全形態の結核率
時間枠:12ヶ月
スクリーニング対象集団あたりの全型結核(AF-TB)症例数
12ヶ月

協力者と研究者

ここでは、この調査に関係する人々や組織を見つけることができます。

捜査官

  • 主任研究者:Faran Emmanuel、Centre for Global Public Health Pakistan

研究記録日

これらの日付は、ClinicalTrials.gov への研究記録と要約結果の提出の進捗状況を追跡します。研究記録と報告された結果は、国立医学図書館 (NLM) によって審査され、公開 Web サイトに掲載される前に、特定の品質管理基準を満たしていることが確認されます。

主要日程の研究

研究開始 (実際)

2023年9月1日

一次修了 (推定)

2024年10月31日

研究の完了 (推定)

2025年6月30日

試験登録日

最初に提出

2023年8月21日

QC基準を満たした最初の提出物

2023年8月28日

最初の投稿 (実際)

2023年8月30日

学習記録の更新

投稿された最後の更新 (実際)

2024年7月25日

QC基準を満たした最後の更新が送信されました

2024年7月24日

最終確認日

2024年7月1日

詳しくは

本研究に関する用語

個々の参加者データ (IPD) の計画

個々の参加者データ (IPD) を共有する予定はありますか?

いいえ

IPD プランの説明

試験の終了時には、最終分析に使用される集計された概要データがアーカイブ用に公開リポジトリに保存されます。

医薬品およびデバイス情報、研究文書

米国FDA規制医薬品の研究

いいえ

米国FDA規制機器製品の研究

いいえ

この情報は、Web サイト clinicaltrials.gov から変更なしで直接取得したものです。研究の詳細を変更、削除、または更新するリクエストがある場合は、register@clinicaltrials.gov。 までご連絡ください。 clinicaltrials.gov に変更が加えられるとすぐに、ウェブサイトでも自動的に更新されます。

購読する