유리체-망막 수술 및 황반 이영양증에서의 복합 영상 (MICAI)
2024년 2월 10일 업데이트: RIZZO STANISLAO, Fondazione Policlinico Universitario Agostino Gemelli IRCCS
유리체-망막 수술 및 황반 이영양증에서의 복합 영상: 인공 지능에 의한 형태 기능 회복의 바이오마커
이 연구의 목적은 일상 임상 실습에서 기계 학습 기술을 통한 다중 빅데이터 분석을 기반으로 의사 결정 지원 시스템(DSS)을 사용하여 유리체망막 수술 후 수술 후 회복의 형태학적 및 기능적 바이오마커를 식별하는 것입니다.
연구 개요
상태
모병
상세 설명
이 연구의 목적은 유리체 망막 수술 후 수술 후 회복의 형태학적 및 기능적 바이오마커를 식별하는 것입니다.
바이오마커를 식별하고 회복의 예측성을 평가하면 외과적 치료로 가장 많은 혜택을 받을 수 있는 환자 범주를 강조하고 개인화된 약물 및 수술을 위해 환자를 보다 정확하게 타겟팅할 수 있습니다.
일상적인 임상 실습에서 기계 학습 기술을 통한 다중 모드 빅 데이터 분석을 기반으로 하는 새로운 의사 결정 지원 시스템(DSS)의 도입은 개인 맞춤형 수술을 위한 환자 평가에 새로운 유용한 정보를 제공하고 있습니다.
연구 유형
관찰
등록 (추정된)
100
연락처 및 위치
이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.
연구 연락처
- 이름: Maria Cristina Savastano, MD,PhD
- 전화번호: +39 3384443002
- 이메일: mariacristina.savastano@unicatt.it
연구 연락처 백업
- 이름: Alfonso Savastano, MD,PhD
- 이메일: alfonso.savastano@policlinicogemelli.it
연구 장소
-
-
-
Rome, 이탈리아, 00168
- 모병
- Prof. Stanislao Rizzo
-
연락하다:
- Stanislao Rizzo, MD,PhD
-
-
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
1년 이상 (어린이, 성인, 고령자)
건강한 자원 봉사자를 받아들입니다
아니
샘플링 방법
확률 샘플
연구 인구
모든 환자는 황반 질환(예: 황반 구멍, 망막 앞막, 망막 박리, 황반 이영양증(망막 인공 삽입물)에 대해 유리체-망막 수술을 받습니다.
설명
포함 기준:
다음을 위해 유리체-망막 수술을 받는 모든 환자:
- 황반 구멍
- 망막앞막
- 망막 박리
- 황반 이영양증(망막 전보철물)
제외 기준:
- 18세 미만 환자는 제외됩니다. 굴절매체의 협응력 저하 또는 불투명도(예. 각막 병리). 획득 후 처리에 적합하지 않은 형태학적 이미지의 품질(<6/10).
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 |
개입 / 치료 |
|---|---|
|
황반 구멍
황반 구멍에 의해 영향을 받은 환자.
|
실행 가능한 경우 IOL 마스터로 수행되는 생체 측정 IOL 마스터를 수행할 수 없는 경우 접촉 또는 침수 에코바이오메트리
색상 + AF: EIDON, 사용 가능한 경우(60° 조정 불가) 색상: COBRA(60° 수정 불가) AF: Spectralis-Heidelberg(55° 선택) 기타 사용 가능한 경우(50-60° 사이에서 후방 극 검사 선택)
OCT B-스캔: 2 스캔(6mm) 교차선 1개 옥타: 3x3mm + 6x6mm 중심와 중심 4.5mm 시신경 중심
1) 주시 패턴 2) 망막 민감도 맵
표준화되고 발표된 방법에 따라 초점 ERG 및 패턴 ERG를 사용하여 망막의 층별 평가, 시력 < 3/10 및 불안정한 고정을 가진 환자의 경우 확산 플래시에서 광상 ERG의 구성 요소 분석을 기반으로 한 프로토콜이 사용됩니다.
|
|
망막앞막
망막전막의 영향을 받는 환자.
|
실행 가능한 경우 IOL 마스터로 수행되는 생체 측정 IOL 마스터를 수행할 수 없는 경우 접촉 또는 침수 에코바이오메트리
색상 + AF: EIDON, 사용 가능한 경우(60° 조정 불가) 색상: COBRA(60° 수정 불가) AF: Spectralis-Heidelberg(55° 선택) 기타 사용 가능한 경우(50-60° 사이에서 후방 극 검사 선택)
OCT B-스캔: 2 스캔(6mm) 교차선 1개 옥타: 3x3mm + 6x6mm 중심와 중심 4.5mm 시신경 중심
1) 주시 패턴 2) 망막 민감도 맵
표준화되고 발표된 방법에 따라 초점 ERG 및 패턴 ERG를 사용하여 망막의 층별 평가, 시력 < 3/10 및 불안정한 고정을 가진 환자의 경우 확산 플래시에서 광상 ERG의 구성 요소 분석을 기반으로 한 프로토콜이 사용됩니다.
|
|
망막 박리
망막 박리에 의해 영향을 받는 환자.
|
실행 가능한 경우 IOL 마스터로 수행되는 생체 측정 IOL 마스터를 수행할 수 없는 경우 접촉 또는 침수 에코바이오메트리
색상 + AF: EIDON, 사용 가능한 경우(60° 조정 불가) 색상: COBRA(60° 수정 불가) AF: Spectralis-Heidelberg(55° 선택) 기타 사용 가능한 경우(50-60° 사이에서 후방 극 검사 선택)
OCT B-스캔: 2 스캔(6mm) 교차선 1개 옥타: 3x3mm + 6x6mm 중심와 중심 4.5mm 시신경 중심
1) 주시 패턴 2) 망막 민감도 맵
표준화되고 발표된 방법에 따라 초점 ERG 및 패턴 ERG를 사용하여 망막의 층별 평가, 시력 < 3/10 및 불안정한 고정을 가진 환자의 경우 확산 플래시에서 광상 ERG의 구성 요소 분석을 기반으로 한 프로토콜이 사용됩니다.
|
|
황반 이영양증
황반 이영양증의 영향을 받는 환자.
|
실행 가능한 경우 IOL 마스터로 수행되는 생체 측정 IOL 마스터를 수행할 수 없는 경우 접촉 또는 침수 에코바이오메트리
색상 + AF: EIDON, 사용 가능한 경우(60° 조정 불가) 색상: COBRA(60° 수정 불가) AF: Spectralis-Heidelberg(55° 선택) 기타 사용 가능한 경우(50-60° 사이에서 후방 극 검사 선택)
OCT B-스캔: 2 스캔(6mm) 교차선 1개 옥타: 3x3mm + 6x6mm 중심와 중심 4.5mm 시신경 중심
1) 주시 패턴 2) 망막 민감도 맵
표준화되고 발표된 방법에 따라 초점 ERG 및 패턴 ERG를 사용하여 망막의 층별 평가, 시력 < 3/10 및 불안정한 고정을 가진 환자의 경우 확산 플래시에서 광상 ERG의 구성 요소 분석을 기반으로 한 프로토콜이 사용됩니다.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
형태학적-기능적 방사성 데이터의 예측성
기간: 3 년
|
인공 지능(AI) 기계 학습 모델을 통해 수술 후 기간의 회복 등급을 설정하기 위한 형태학적-기능적 방사성 데이터의 예측성 비율.
|
3 년
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
진단에 따른 예측 차이 식별
기간: 3 년
|
진단에 따른 예측 차이를 식별하기 위해 하위 그룹으로 세분화
|
3 년
|
|
환자의 나이와 상관 관계
기간: 3 년
|
진단에 따른 예측차이를 식별하고 환자의 연령과 연관시킨다.
|
3 년
|
|
질병 발병 연령과 상관 관계
기간: 3 년
|
진단에 따른 예측차이를 파악하고 발병연령과 연관
|
3 년
|
공동 작업자 및 조사자
여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.
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
- Gulshan V, Peng L, Coram M, Stumpe MC, Wu D, Narayanaswamy A, Venugopalan S, Widner K, Madams T, Cuadros J, Kim R, Raman R, Nelson PC, Mega JL, Webster DR. Development and Validation of a Deep Learning Algorithm for Detection of Diabetic Retinopathy in Retinal Fundus Photographs. JAMA. 2016 Dec 13;316(22):2402-2410. doi: 10.1001/jama.2016.17216.
- Harris PA, Taylor R, Minor BL, Elliott V, Fernandez M, O'Neal L, McLeod L, Delacqua G, Delacqua F, Kirby J, Duda SN; REDCap Consortium. The REDCap consortium: Building an international community of software platform partners. J Biomed Inform. 2019 Jul;95:103208. doi: 10.1016/j.jbi.2019.103208. Epub 2019 May 9.
- Duker JS, Kaiser PK, Binder S, de Smet MD, Gaudric A, Reichel E, Sadda SR, Sebag J, Spaide RF, Stalmans P. The International Vitreomacular Traction Study Group classification of vitreomacular adhesion, traction, and macular hole. Ophthalmology. 2013 Dec;120(12):2611-2619. doi: 10.1016/j.ophtha.2013.07.042. Epub 2013 Sep 17.
- Kermany DS, Goldbaum M, Cai W, Valentim CCS, Liang H, Baxter SL, McKeown A, Yang G, Wu X, Yan F, Dong J, Prasadha MK, Pei J, Ting MYL, Zhu J, Li C, Hewett S, Dong J, Ziyar I, Shi A, Zhang R, Zheng L, Hou R, Shi W, Fu X, Duan Y, Huu VAN, Wen C, Zhang ED, Zhang CL, Li O, Wang X, Singer MA, Sun X, Xu J, Tafreshi A, Lewis MA, Xia H, Zhang K. Identifying Medical Diagnoses and Treatable Diseases by Image-Based Deep Learning. Cell. 2018 Feb 22;172(5):1122-1131.e9. doi: 10.1016/j.cell.2018.02.010.
- Esteva A, Kuprel B, Novoa RA, Ko J, Swetter SM, Blau HM, Thrun S. Dermatologist-level classification of skin cancer with deep neural networks. Nature. 2017 Feb 2;542(7639):115-118. doi: 10.1038/nature21056. Epub 2017 Jan 25. Erratum In: Nature. 2017 Jun 28;546(7660):686.
- Schmidt-Erfurth U, Waldstein SM, Klimscha S, Sadeghipour A, Hu X, Gerendas BS, Osborne A, Bogunovic H. Prediction of Individual Disease Conversion in Early AMD Using Artificial Intelligence. Invest Ophthalmol Vis Sci. 2018 Jul 2;59(8):3199-3208. doi: 10.1167/iovs.18-24106.
- Garrity ST, Sarraf D, Freund KB, Sadda SR. Multimodal Imaging of Nonneovascular Age-Related Macular Degeneration. Invest Ophthalmol Vis Sci. 2018 Mar 20;59(4):AMD48-AMD64. doi: 10.1167/iovs.18-24158.
- Acon D, Wu L. Multimodal Imaging in Diabetic Macular Edema. Asia Pac J Ophthalmol (Phila). 2018 Jan-Feb;7(1):22-27. doi: 10.22608/APO.2017504. Epub 2017 Jan 29.
- Spaide RF, Fujimoto JG, Waheed NK, Sadda SR, Staurenghi G. Optical coherence tomography angiography. Prog Retin Eye Res. 2018 May;64:1-55. doi: 10.1016/j.preteyeres.2017.11.003. Epub 2017 Dec 8.
- Sun P, Tandias RM, Yu G, Arroyo JG. SPECTRAL DOMAIN OPTICAL COHERENCE TOMOGRAPHY FINDINGS AND VISUAL OUTCOME AFTER TREATMENT FOR VITREOMACULAR TRACTION. Retina. 2019 Jun;39(6):1054-1060. doi: 10.1097/IAE.0000000000002116.
- Lee CS, Tyring AJ, Deruyter NP, Wu Y, Rokem A, Lee AY. Deep-learning based, automated segmentation of macular edema in optical coherence tomography. Biomed Opt Express. 2017 Jun 23;8(7):3440-3448. doi: 10.1364/BOE.8.003440. eCollection 2017 Jul 1.
- Zur D, Iglicki M, Busch C, Invernizzi A, Mariussi M, Loewenstein A; International Retina Group. OCT Biomarkers as Functional Outcome Predictors in Diabetic Macular Edema Treated with Dexamethasone Implant. Ophthalmology. 2018 Feb;125(2):267-275. doi: 10.1016/j.ophtha.2017.08.031. Epub 2017 Sep 19.
- Beam AL, Kohane IS. Big Data and Machine Learning in Health Care. JAMA. 2018 Apr 3;319(13):1317-1318. doi: 10.1001/jama.2017.18391. No abstract available.
- Ngiam KY, Khor IW. Big data and machine learning algorithms for health-care delivery. Lancet Oncol. 2019 May;20(5):e262-e273. doi: 10.1016/S1470-2045(19)30149-4. Erratum In: Lancet Oncol. 2019 Jun;20(6):293.
- Abramoff MD, Lou Y, Erginay A, Clarida W, Amelon R, Folk JC, Niemeijer M. Improved Automated Detection of Diabetic Retinopathy on a Publicly Available Dataset Through Integration of Deep Learning. Invest Ophthalmol Vis Sci. 2016 Oct 1;57(13):5200-5206. doi: 10.1167/iovs.16-19964.
- Lakhani P, Sundaram B. Deep Learning at Chest Radiography: Automated Classification of Pulmonary Tuberculosis by Using Convolutional Neural Networks. Radiology. 2017 Aug;284(2):574-582. doi: 10.1148/radiol.2017162326. Epub 2017 Apr 24.
- Ting DSW, Cheung CY, Lim G, Tan GSW, Quang ND, Gan A, Hamzah H, Garcia-Franco R, San Yeo IY, Lee SY, Wong EYM, Sabanayagam C, Baskaran M, Ibrahim F, Tan NC, Finkelstein EA, Lamoureux EL, Wong IY, Bressler NM, Sivaprasad S, Varma R, Jonas JB, He MG, Cheng CY, Cheung GCM, Aung T, Hsu W, Lee ML, Wong TY. Development and Validation of a Deep Learning System for Diabetic Retinopathy and Related Eye Diseases Using Retinal Images From Multiethnic Populations With Diabetes. JAMA. 2017 Dec 12;318(22):2211-2223. doi: 10.1001/jama.2017.18152.
- Li Z, He Y, Keel S, Meng W, Chang RT, He M. Efficacy of a Deep Learning System for Detecting Glaucomatous Optic Neuropathy Based on Color Fundus Photographs. Ophthalmology. 2018 Aug;125(8):1199-1206. doi: 10.1016/j.ophtha.2018.01.023. Epub 2018 Mar 2.
- Burlina P, Joshi N, Pacheco KD, Freund DE, Kong J, Bressler NM. Utility of Deep Learning Methods for Referability Classification of Age-Related Macular Degeneration. JAMA Ophthalmol. 2018 Nov 1;136(11):1305-1307. doi: 10.1001/jamaophthalmol.2018.3799.
- Grassmann F, Mengelkamp J, Brandl C, Harsch S, Zimmermann ME, Linkohr B, Peters A, Heid IM, Palm C, Weber BHF. A Deep Learning Algorithm for Prediction of Age-Related Eye Disease Study Severity Scale for Age-Related Macular Degeneration from Color Fundus Photography. Ophthalmology. 2018 Sep;125(9):1410-1420. doi: 10.1016/j.ophtha.2018.02.037. Epub 2018 Apr 10.
- Brown JM, Campbell JP, Beers A, Chang K, Ostmo S, Chan RVP, Dy J, Erdogmus D, Ioannidis S, Kalpathy-Cramer J, Chiang MF; Imaging and Informatics in Retinopathy of Prematurity (i-ROP) Research Consortium. Automated Diagnosis of Plus Disease in Retinopathy of Prematurity Using Deep Convolutional Neural Networks. JAMA Ophthalmol. 2018 Jul 1;136(7):803-810. doi: 10.1001/jamaophthalmol.2018.1934.
- De Fauw J, Ledsam JR, Romera-Paredes B, Nikolov S, Tomasev N, Blackwell S, Askham H, Glorot X, O'Donoghue B, Visentin D, van den Driessche G, Lakshminarayanan B, Meyer C, Mackinder F, Bouton S, Ayoub K, Chopra R, King D, Karthikesalingam A, Hughes CO, Raine R, Hughes J, Sim DA, Egan C, Tufail A, Montgomery H, Hassabis D, Rees G, Back T, Khaw PT, Suleyman M, Cornebise J, Keane PA, Ronneberger O. Clinically applicable deep learning for diagnosis and referral in retinal disease. Nat Med. 2018 Sep;24(9):1342-1350. doi: 10.1038/s41591-018-0107-6. Epub 2018 Aug 13.
- Schmidt-Erfurth U, Sadeghipour A, Gerendas BS, Waldstein SM, Bogunovic H. Artificial intelligence in retina. Prog Retin Eye Res. 2018 Nov;67:1-29. doi: 10.1016/j.preteyeres.2018.07.004. Epub 2018 Aug 1.
- Sarao V, Veritti D, Borrelli E, Sadda SVR, Poletti E, Lanzetta P. A comparison between a white LED confocal imaging system and a conventional flash fundus camera using chromaticity analysis. BMC Ophthalmol. 2019 Nov 19;19(1):231. doi: 10.1186/s12886-019-1241-8.
- Fernandez-Avellaneda P, Breazzano MP, Fragiotta S, Xu X, Zhang Q, Wang RK, Freund KB. BACILLARY LAYER DETACHMENT OVERLYING REDUCED CHORIOCAPILLARIS FLOW IN ACUTE IDIOPATHIC MACULOPATHY. Retin Cases Brief Rep. 2022 Jan 1;16(1):59-66. doi: 10.1097/ICB.0000000000000943.
- Huang NT, Georgiadis C, Gomez J, Tang PH, Drayna P, Koozekanani DD, van Kuijk FJGM, Montezuma SR. Comparing fundus autofluorescence and infrared imaging findings of peripheral retinoschisis, schisis detachment, and retinal detachment. Am J Ophthalmol Case Rep. 2020 Mar 26;18:100666. doi: 10.1016/j.ajoc.2020.100666. eCollection 2020 Jun.
- Stanga PE, Williams JI, Shaarawy SA, Agarwal A, Venkataraman A, Kumar DA, You TT, Hope RS. FIRST-IN-HUMAN CLINICAL STUDY TO INVESTIGATE THE EFFECTIVENESS AND SAFETY OF PARS PLANA VITRECTOMY SURGERY USING A NEW HYPERSONIC TECHNOLOGY. Retina. 2020 Jan;40(1):16-23. doi: 10.1097/IAE.0000000000002365.
- Hubschman JP, Govetto A, Spaide RF, Schumann R, Steel D, Figueroa MS, Sebag J, Gaudric A, Staurenghi G, Haritoglou C, Kadonosono K, Thompson JT, Chang S, Bottoni F, Tadayoni R. Optical coherence tomography-based consensus definition for lamellar macular hole. Br J Ophthalmol. 2020 Dec;104(12):1741-1747. doi: 10.1136/bjophthalmol-2019-315432. Epub 2020 Feb 27.
- Bae K, Lee SM, Kang SW, Kim ES, Yu SY, Kim KT. Atypical epiretinal tissue in full-thickness macular holes: pathogenic and prognostic significance. Br J Ophthalmol. 2019 Feb;103(2):251-256. doi: 10.1136/bjophthalmol-2017-311810. Epub 2018 Apr 26.
- Rizzo S, Tartaro R, Barca F, Caporossi T, Bacherini D, Giansanti F. INTERNAL LIMITING MEMBRANE PEELING VERSUS INVERTED FLAP TECHNIQUE FOR TREATMENT OF FULL-THICKNESS MACULAR HOLES: A COMPARATIVE STUDY IN A LARGE SERIES OF PATIENTS. Retina. 2018 Sep;38 Suppl 1:S73-S78. doi: 10.1097/IAE.0000000000001985.
- Christensen UC. Value of internal limiting membrane peeling in surgery for idiopathic macular hole and the correlation between function and retinal morphology. Acta Ophthalmol. 2009 Dec;87 Thesis 2:1-23. doi: 10.1111/j.1755-3768.2009.01777.x.
- Fukuyama H, Ishikawa H, Komuku Y, Araki T, Kimura N, Gomi F. Comparative analysis of metamorphopsia and aniseikonia after vitrectomy for epiretinal membrane, macular hole, or rhegmatogenous retinal detachment. PLoS One. 2020 May 8;15(5):e0232758. doi: 10.1371/journal.pone.0232758. eCollection 2020.
- Rizzo S, Savastano A, Bacherini D, Savastano MC. Vascular Features of Full-Thickness Macular Hole by OCT Angiography. Ophthalmic Surg Lasers Imaging Retina. 2017 Jan 1;48(1):62-68. doi: 10.3928/23258160-20161219-09.
- Bacherini D, Savastano MC, Dragotto F, Finocchio L, Lenzetti C, Bitossi A, Tartaro R, Giansanti F, Barca F, Savastano A, Caporossi T, Vannozzi L, Sodi A, Luca M, Faraldi F, Virgili G, Rizzo S. Morpho-Functional Evaluation of Full-Thickness Macular Holes by the Integration of Optical Coherence Tomography Angiography and Microperimetry. J Clin Med. 2020 Jan 15;9(1):229. doi: 10.3390/jcm9010229.
- Qi Y, Wang Z, Li SM, You Q, Liang X, Yu Y, Liu W. Effect of internal limiting membrane peeling on normal retinal function evaluated by microperimetry-3. BMC Ophthalmol. 2020 Apr 9;20(1):140. doi: 10.1186/s12886-020-01383-3.
- Smith AJ, Telander DG, Zawadzki RJ, Choi SS, Morse LS, Werner JS, Park SS. High-resolution Fourier-domain optical coherence tomography and microperimetric findings after macula-off retinal detachment repair. Ophthalmology. 2008 Nov;115(11):1923-9. doi: 10.1016/j.ophtha.2008.05.025. Epub 2008 Jul 31.
- Reumueller A, Wassermann L, Salas M, Karantonis MG, Sacu S, Georgopoulos M, Drexler W, Pircher M, Pollreisz A, Schmidt-Erfurth U. Morphologic and Functional Assessment of Photoreceptors After Macula-Off Retinal Detachment With Adaptive-Optics OCT and Microperimetry. Am J Ophthalmol. 2020 Jun;214:72-85. doi: 10.1016/j.ajo.2019.12.015. Epub 2019 Dec 25.
- Falsini B, Serrao S, Fadda A, Iarossi G, Porrello G, Cocco F, Merendino E. Focal electroretinograms and fundus appearance in nonexudative age-related macular degeneration. Quantitative relationship between retinal morphology and function. Graefes Arch Clin Exp Ophthalmol. 1999 Mar;237(3):193-200. doi: 10.1007/s004170050218.
- Falsini B, Bardocci A, Porciatti V, Bolzani R, Piccardi M. Macular dysfunction in multiple sclerosis revealed by steady-state flicker and pattern ERGs. Electroencephalogr Clin Neurophysiol. 1992 Jan;82(1):53-9. doi: 10.1016/0013-4694(92)90182-h.
- Abed E, Placidi G, Campagna F, Federici M, Minnella A, Guerri G, Bertelli M, Piccardi M, Galli-Resta L, Falsini B. Early impairment of the full-field photopic negative response in patients with Stargardt disease and pathogenic variants of the ABCA4 gene. Clin Exp Ophthalmol. 2018 Jul;46(5):519-530. doi: 10.1111/ceo.13115. Epub 2017 Dec 28.
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 (실제)
2021년 1월 15일
기본 완료 (추정된)
2025년 1월 15일
연구 완료 (추정된)
2025년 1월 16일
연구 등록 날짜
최초 제출
2023년 2월 17일
QC 기준을 충족하는 최초 제출
2023년 2월 17일
처음 게시됨 (실제)
2023년 2월 28일
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
2024년 2월 13일
QC 기준을 충족하는 마지막 업데이트 제출
2024년 2월 10일
마지막으로 확인됨
2024년 2월 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. .