심실 빈맥의 기질 특성화 및 STAR 치료를 위한 심초음파 기반 동작 통합 및 관리 (MATRIX-VT)
2024년 8월 28일 업데이트: Prof. Roland Richard Tilz, University of Luebeck
심실성 빈맥에서 기질 특성화 및 정위 부정맥 방사선절제 tX를 위한 새로운 3D 심초음파 기반 모션 통합 및 관리 - MATRIX-VT 연구
정위 부정맥 방사선 제거 동안 향상된 부정맥 기질 특성화 및 동작 관리를 위해 인공 지능을 통해 심실 부정맥 환자의 동작 및 구조적 데이터 통합의 타당성을 분석하기 위한 전향적, 관찰, 단일 센터, 예비 연구.
연구 개요
상태
모병
정황
상세 설명
이것은 전향적, 관찰적, 단일 센터, 파일럿 연구입니다.
심실 부정맥에 대한 카테터 절제술을 받는 환자의 수술 전 조영 강화 심장 컴퓨터 단층 촬영 및 광학 추적 3D 경흉부 심초음파 데이터는 심실 부정맥 기질을 더 잘 특성화하고 계획의 정의 방법을 개선하기 위해 인공 지능을 통해 분석됩니다. 운동 데이터를 용적 경계로 통합하여 정위 부정맥 방사선 절제 치료 중 목표 용적.
연구 유형
관찰
등록 (추정된)
20
연락처 및 위치
이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.
연구 장소
-
-
Schleswig-Holstein
-
Luebeck, Schleswig-Holstein, 독일, 23538
- 모병
- Klinik für Rhythmologie
-
연락하다:
- Roland R Tilz, Prof. Dr.med
- 전화번호: 44533 0049451500
- 이메일: roland.tilz@uksh.de
-
연락하다:
- Mirco Kuechler
- 전화번호: 77075 0049451500
- 이메일: mirco.kuechler@uksh.de
-
-
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
- 성인
- 고령자
건강한 자원 봉사자를 받아들입니다
예
샘플링 방법
확률 샘플
연구 인구
심실 부정맥(VA)(심실 빈맥(VT), 심실 세동(VF), 조기 심실 수축(PVC))의 카테터 절제술 및 심장에 대한 시술 전 수축 강화 심장 컴퓨터 단층 촬영(CT) 적응증을 가진 총 20명의 환자 구조 특성화는 전향적으로 연구에 등록될 것입니다.
치료 접근법은 현재의 임상 표준을 따릅니다.
설명
포함 기준:
- 연령 ≥ 18세
- 심실성 부정맥(심실 세동, 심실 빈맥, 조기 심실 수축)의 카테터 절제술에 대한 적응증
- 심장 구조 특성화를 위한 시술 전 조영 증강 심장 컴퓨터 단층촬영에 대한 적응증
제외 기준:
- 혈소판 수 < 100,000 세포/mm3
- BMI > 45kg/m2 또는 < 18kg/m2
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 |
|---|
|
VT 환자
심실성 부정맥의 카테터 절제 및 심장 구조 특성화를 위한 시술 전 조영 증강 심장 컴퓨터 단층 촬영에 대한 적응증이 있는 환자.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
개선된 부정맥 기질 특성화를 달성하기 위한 알고리즘 훈련의 타당성
기간: 데이터 수집 완료 후 1개월
|
심실 부정맥을 보이는 환자의 심실 부정맥 기질을 더 잘 정의하기 위해 시술 전 조영 강화 심장 컴퓨터 단층 촬영과 광학적으로 추적된 3D 경흉부 심초음파 데이터를 사용하여 인공 지능 기반 알고리즘을 훈련할 가능성.
|
데이터 수집 완료 후 1개월
|
|
정위 부정맥 방사선 절제 요법을 위한 계획 목표 체적 정의를 개선하기 위한 알고리즘 훈련의 타당성
기간: 데이터 수집 완료 후 1개월
|
정위 부정맥 방사선 절제 요법을 위한 계획 대상 체적을 보다 잘 정의하기 위해 시술 전 조영 증강 심장 컴퓨터 단층 촬영 및 광학 추적 3D 경흉부 심초음파 데이터를 사용하여 인공 지능 기반 알고리즘을 훈련하는 가능성
|
데이터 수집 완료 후 1개월
|
공동 작업자 및 조사자
여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.
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)
2023년 8월 14일
기본 완료 (추정된)
2024년 10월 1일
연구 완료 (추정된)
2025년 3월 1일
연구 등록 날짜
최초 제출
2023년 7월 19일
QC 기준을 충족하는 최초 제출
2023년 7월 27일
처음 게시됨 (실제)
2023년 7월 28일
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
2024년 8월 29일
QC 기준을 충족하는 마지막 업데이트 제출
2024년 8월 28일
마지막으로 확인됨
2024년 8월 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. .