기계 학습 기반 CT 혈관 조영술에서 파생된 FFR: 다중 센터, 레지스트리 (Machine)
2017년 1월 3일 업데이트: Laurens Groenendijk, Erasmus Medical Center
기계 학습 기반 CT 혈관 조영술에서 파생된 FFR a 다중 센터, 레지스트리
대규모 다기관 모집단에서 침습적 FFR과 비교하여 상용화 전 현장, 로컬, CT 혈관조영술 파생 FFR 알고리즘의 진단 성능을 입증합니다.
연구 개요
상태
완전한
상세 설명
알려진 또는 의심되는 CAD 환자에서 FFRCT의 진단 정확도를 후 향적으로 평가합니다. 조사관은 소프트웨어의 기술적 평가를 수행하고 다양한 매개변수가 결과에 미치는 영향을 평가할 것을 제안합니다.
FFRCT 값을 소급 환자 데이터의 침습적 FFR 값과 비교하여 FFTCT 결과를 검증합니다.
의사 결정 및 예후에 대한 FFRCT의 잠재력을 분석합니다.
연구 유형
관찰
등록 (실제)
352
연락처 및 위치
이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.
연구 장소
-
-
Zuid Holland
-
Rotterdam, Zuid Holland, 네덜란드, 3015CE
- ErasmusMC
-
-
참여기준
연구원은 적격성 기준이라는 특정 설명에 맞는 사람을 찾습니다. 이러한 기준의 몇 가지 예는 개인의 일반적인 건강 상태 또는 이전 치료입니다.
자격 기준
공부할 수 있는 나이
18년 이상 (성인, OLDER_ADULT)
건강한 자원 봉사자를 받아들입니다
아니
연구 대상 성별
모두
샘플링 방법
비확률 샘플
연구 인구
일반적으로 각 센터는 고유한 포함 및 제외 기준을 사용했습니다.
여기서 조사관은 일반적인 기준을 설명합니다. 자세한 설명은 존경받는 간행물을 참조하십시오.1-4
설명
포함 기준:
- 침습적 FFR 측정 후 6개월 이내에 관상동맥 질환을 알고 있거나 의심합니다.
제외 기준:
- 관상동맥 CT 혈관조영술과 침습적 FFR 절차 사이의 심장 사건, 해석할 수 없는 관상동맥 CT 혈관조영술 이미지 품질 또는 불완전한 관상동맥 CT 혈관조영 범위.
공부 계획
이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.
연구는 어떻게 설계됩니까?
디자인 세부사항
코호트 및 개입
그룹/코호트 |
|---|
|
주제
CT 혈관조영술과 침습적 FFR 측정을 포함한 침습적 관상동맥조영술을 모두 받은 관상동맥 질환이 있거나 의심되는 환자.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
기간 |
|---|---|
|
로컬 감소 차수 CFD 및 머신 러닝 기반 CT 혈관 조영술 파생 FFR의 진단 정확도는 둘 다 침습적 FFR에 대해 검증되었습니다. 혈관과 환자 수준 모두에서 측정됩니다.
기간: 6 개월
|
6 개월
|
2차 결과 측정
결과 측정 |
기간 |
|---|---|
|
CT 혈관조영술의 FFR 진단 정확도에 대한 칼슘의 영향.
기간: 6 개월
|
6 개월
|
|
CT 혈관 조영술의 신뢰 구간 파생 FFR
기간: 6 개월
|
6 개월
|
|
CT 혈관 조영술에서 파생된 FFR과 QCT 협착 측정 간의 직접적인 혈관 기반 비교
기간: 6 개월
|
6 개월
|
|
해부학적으로 경미한 협착증(<50% 내강 직경 감소)이지만 기능적으로 유의미한(침습성 FFR ≤ 0.80) 분석
기간: 6 개월
|
6 개월
|
|
CT 혈관 조영술 유래 FFR의 장기 임상 결과
기간: 12 개월
|
12 개월
|
공동 작업자 및 조사자
여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.
협력자
수사관
- 수석 연구원: Koen Nieman, MD PHD, Erasmus Medical Center
간행물 및 유용한 링크
연구에 대한 정보 입력을 담당하는 사람이 자발적으로 이러한 간행물을 제공합니다. 이것은 연구와 관련된 모든 것에 관한 것일 수 있습니다.
일반 간행물
- De Geer J, Sandstedt M, Bjorkholm A, Alfredsson J, Janzon M, Engvall J, Persson A. Software-based on-site estimation of fractional flow reserve using standard coronary CT angiography data. Acta Radiol. 2016 Oct;57(10):1186-92. doi: 10.1177/0284185115622075. Epub 2015 Dec 20.
- Kruk M, Wardziak L, Demkow M, Pleban W, Pregowski J, Dzielinska Z, Witulski M, Witkowski A, Ruzyllo W, Kepka C. Workstation-Based Calculation of CTA-Based FFR for Intermediate Stenosis. JACC Cardiovasc Imaging. 2016 Jun;9(6):690-9. doi: 10.1016/j.jcmg.2015.09.019. Epub 2016 Feb 17.
- Baumann S, Wang R, Schoepf UJ, Steinberg DH, Spearman JV, Bayer RR 2nd, Hamm CW, Renker M. Coronary CT angiography-derived fractional flow reserve correlated with invasive fractional flow reserve measurements--initial experience with a novel physician-driven algorithm. Eur Radiol. 2015 Apr;25(4):1201-7. doi: 10.1007/s00330-014-3482-5. Epub 2014 Nov 18.
- Coenen A, Lubbers MM, Kurata A, Kono A, Dedic A, Chelu RG, Dijkshoorn ML, Gijsen FJ, Ouhlous M, van Geuns RJ, Nieman K. Fractional flow reserve computed from noninvasive CT angiography data: diagnostic performance of an on-site clinician-operated computational fluid dynamics algorithm. Radiology. 2015 Mar;274(3):674-83. doi: 10.1148/radiol.14140992. Epub 2014 Oct 13.
- Yang DH, Kim YH, Roh JH, Kang JW, Ahn JM, Kweon J, Lee JB, Choi SH, Shin ES, Park DW, Kang SJ, Lee SW, Lee CW, Park SW, Park SJ, Lim TH. Diagnostic performance of on-site CT-derived fractional flow reserve versus CT perfusion. Eur Heart J Cardiovasc Imaging. 2017 Apr 1;18(4):432-440. doi: 10.1093/ehjci/jew094.
- Tesche C, Otani K, De Cecco CN, Coenen A, De Geer J, Kruk M, Kim YH, Albrecht MH, Baumann S, Renker M, Bayer RR, Duguay TM, Litwin SE, Varga-Szemes A, Steinberg DH, Yang DH, Kepka C, Persson A, Nieman K, Schoepf UJ. Influence of Coronary Calcium on Diagnostic Performance of Machine Learning CT-FFR: Results From MACHINE Registry. JACC Cardiovasc Imaging. 2020 Mar;13(3):760-770. doi: 10.1016/j.jcmg.2019.06.027. Epub 2019 Aug 14.
연구 기록 날짜
이 날짜는 ClinicalTrials.gov에 대한 연구 기록 및 요약 결과 제출의 진행 상황을 추적합니다. 연구 기록 및 보고된 결과는 공개 웹사이트에 게시되기 전에 특정 품질 관리 기준을 충족하는지 확인하기 위해 국립 의학 도서관(NLM)에서 검토합니다.
연구 주요 날짜
연구 시작
2016년 4월 1일
기본 완료 (실제)
2017년 1월 1일
연구 완료 (실제)
2017년 1월 1일
연구 등록 날짜
최초 제출
2016년 6월 15일
QC 기준을 충족하는 최초 제출
2016년 6월 15일
처음 게시됨 (추정)
2016년 6월 20일
연구 기록 업데이트
마지막 업데이트 게시됨 (추정)
2017년 1월 4일
QC 기준을 충족하는 마지막 업데이트 제출
2017년 1월 3일
마지막으로 확인됨
2017년 1월 1일
추가 정보
이 정보는 변경 없이 clinicaltrials.gov 웹사이트에서 직접 가져온 것입니다. 귀하의 연구 세부 정보를 변경, 제거 또는 업데이트하도록 요청하는 경우 register@clinicaltrials.gov. 문의하십시오. 변경 사항이 clinicaltrials.gov에 구현되는 즉시 저희 웹사이트에도 자동으로 업데이트됩니다. .