이 페이지는 자동 번역되었으며 번역의 정확성을 보장하지 않습니다. 참조하십시오 영문판 원본 텍스트의 경우.

결핵 활동성 사례 발견을 위한 핫스팟 식별을 위한 MATCH AI 예측 모델링 사용의 영향 평가 (SPOT-TB)

2024년 7월 24일 업데이트: Centre for Global Public Health Pakistan

파키스탄의 결핵 활동성 사례 발견을 위한 핫스팟 식별을 위한 MATCH AI 예측 모델링 사용의 영향 평가: 실용적인 단계별 웨지 클러스터 무작위 시험

이 실용적인 단계별 쐐기 클러스터 무작위 시험의 목적은 MATCH-AI라는 인공 지능 소프트웨어를 통해 생성된 예측을 기반으로 한 장소 선택 접근 방식을 사용하여 비교 수율(활성 사례 찾기 캠프에서 진단된 결핵 사례 수)을 측정하는 것입니다. (개입 그룹)과 현장 직원의 지식과 경험을 활용하여 캠프 장소를 선택하는 기존 접근 방식(통제 그룹)을 비교합니다. 이 시험은 인공 지능을 사용하여 결핵 검사를 위한 목표 접근 방식이 지역 사회 기반의 적극적인 사례 찾기를 통해 발견된 결핵 사례의 수율을 향상시킬 수 있는지 여부를 알리는 데 도움이 될 것입니다.

연구 개요

상세 설명

지난 수십 년 동안 상당한 진전이 있었음에도 불구하고 2021년에는 약 1,060만 명이 결핵(TB)에 걸렸으며 전 세계적으로 이 질병으로 인해 160만 명이 사망했습니다. 파키스탄은 세계에서 5번째로 결핵 부담이 높은 국가로 선정되었으며, 파키스탄에서는 매년 결핵으로 인해 42,000명이 사망하고 있습니다. 결핵에 대한 파키스탄의 대응에서 가장 중요한 과제는 모든 결핵 환자의 진단과 치료를 보장하는 것입니다. 2020년에는 신고 건수 573,000건 중 총 276,736건(48%)이 신고되었습니다. 이러한 사례 발견 간극을 메우는 것은 국립 결핵 프로그램(NTP)의 중요한 목표입니다. ACF(Active Case-Finding)는 지역사회의 결핵에 대한 체계적인 검사를 통해 사례 발견을 늘리기 위한 잠재적인 전략입니다. 최근 증거에 따르면 ACF는 조기 발견을 통해 인구 수준의 결핵 발병률과 유병률을 줄일 수도 있습니다. ACF 개입은 지역사회 실험에서 효과를 입증했으며 현재 파키스탄에서 대규모로 수행되고 있지만 프로그램 설정에서의 산출량과 비용 효율성에 대한 우려는 여전히 남아 있습니다.

이 연구의 일차 목적은 하위 지역 결핵 유병률을 모델링하는 인공 지능 소프트웨어인 MATCH-AI를 사용하여 지역사회 기반 검사에 대한 목표 접근 방식이 파키스탄에서 ACF 개입의 수율을 향상시킬 수 있는지 조사하는 것입니다. 중재 부문에서 현장 팀은 주로 MATCH-AI가 결핵 유병률이 더 높을 것으로 예측한 장소에서 지역 사회 기반 ACF 활동(흉부 캠프라고 함)을 수행합니다. 통제 부문에서 현장 팀은 캠프 장소 선택에 대한 기존 접근 방식을 계속 활용할 것입니다. 이 시험은 NTP 구현 파트너와 협력하여 파키스탄의 65개 지역에서 실시될 예정입니다.

연구 유형

중재적

등록 (추정된)

180000

단계

  • 해당 없음

연락처 및 위치

이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.

연구 연락처

연구 연락처 백업

연구 장소

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

  • 어린이
  • 성인
  • 고령자

건강한 자원 봉사자를 받아들입니다

설명

포함 기준: 이전에 결핵 병력이 있는 사람을 포함하여 캠프장에 참석하는 모든 개인은 검사에 참여할 자격이 있습니다.

제외 기준: 15세 미만 어린이와 임산부는 제외됩니다.

공부 계획

이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.

연구는 어떻게 설계됩니까?

디자인 세부사항

  • 주 목적: 건강 서비스 연구
  • 할당: 무작위
  • 중재 모델: 크로스오버 할당
  • 마스킹: 하나의

무기와 개입

참가자 그룹 / 팔
개입 / 치료
실험적: 간섭
MATCH-AI를 활용한 적극적인 결핵 사례 발굴을 위한 캠프장 선정
본 연구의 주요 개입은 ACF 캠프 장소 선택을 안내하기 위해 하위 지역의 결핵 유병률을 모델링하는 인공 지능 소프트웨어인 MATCH-AI를 출시하는 것입니다. MATCH-AI 도구는 베이지안 모델링 접근 방식을 사용하여 다각형으로 매핑된 인구 10,000명의 해상도로 결핵 유병률을 예측합니다. 이 모델은 과거 결핵 시설 알림 데이터, 이전 ACF 데이터뿐만 아니라 인구 통계, 소득, 인구 밀도, 예방 접종 범위와 같은 건강 지표 및 기후 관련 변수와 같은 상황적 요인을 포함한 다양한 소스의 데이터를 통합하여 지역화된 결핵 유병률을 예측합니다. 개입 부문에서는 주로 MATCH-AI가 안내하는 장소에서 캠프가 진행됩니다.
간섭 없음: 제어
기존 접근 방식을 사용하여 결핵에 대한 적극적인 사례 찾기를 위한 캠프 장소 선택.

연구는 무엇을 측정합니까?

주요 결과 측정

결과 측정
측정값 설명
기간
캠프 양성 수율
기간: 12 개월
각 수용소에서 진단된 세균학적으로 확인된 결핵(B+) 사례 수
12 개월

2차 결과 측정

결과 측정
측정값 설명
기간
캠프 양성률
기간: 12 개월
검사 대상 인구당 세균학적으로 확인된 결핵(B+) 사례
12 개월
캠프 모든 형태의 수율
기간: 12 개월
각 수용소에서 진단된 모든 형태의 결핵(AF-TB) 사례 수
12 개월
캠프 모든 형태의 결핵 비율
기간: 12 개월
검사 대상 인구당 모든 형태의 결핵(AF-TB) 사례
12 개월

공동 작업자 및 조사자

여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.

수사관

  • 수석 연구원: Faran Emmanuel, Centre for Global Public Health Pakistan

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 9월 1일

기본 완료 (추정된)

2024년 10월 31일

연구 완료 (추정된)

2025년 6월 30일

연구 등록 날짜

최초 제출

2023년 8월 21일

QC 기준을 충족하는 최초 제출

2023년 8월 28일

처음 게시됨 (실제)

2023년 8월 30일

연구 기록 업데이트

마지막 업데이트 게시됨 (실제)

2024년 7월 25일

QC 기준을 충족하는 마지막 업데이트 제출

2024년 7월 24일

마지막으로 확인됨

2024년 7월 1일

추가 정보

이 연구와 관련된 용어

개별 참가자 데이터(IPD) 계획

개별 참가자 데이터(IPD)를 공유할 계획입니까?

아니요

IPD 계획 설명

시험이 끝나면 최종 분석에 사용된 집계, 요약 데이터는 보관을 위해 공용 저장소에 저장됩니다.

약물 및 장치 정보, 연구 문서

미국 FDA 규제 의약품 연구

아니

미국 FDA 규제 기기 제품 연구

아니

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. .

구독하다