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

다중 시스템 질병 코호트 설립 및 후속 조기의 초기 ECG 예측 (EARLY-ECG-PRED)

2025년 4월 6일 업데이트: RenJi Hospital
이 등록 된 다기관 연구는 다중 시스템 질환을 탐지하는 데있어 인공 지능 강화 심전도 (AI-ECG)의 진단 효능을 조사하는 것을 목표로합니다. 이 연구는 입원 환자, 응급 및 외래 환자 개체군의 전향 적으로 수집 된 데이터를 활용하여 다중 시스템 질환에 대한 ECG 기반 진단, 선별 및 예측 모델을 개발할 것입니다.

연구 개요

상세 설명

최근 인공 지능 (AI)의 발전은 심혈관 질환 이외의 심전도 (ECG)의 진단 능력을 확대했습니다. 새로운 증거는 AI 강화 ECG 분석에 따르면 연령, 성별, 사망률, 심장 기능 및 전해질 불균형, 신장 기능 장애 및 갑상선 장애와 같은 전신 상태에 대한 귀중한 통찰력을 제공 할 수 있습니다. 이러한 발견은 ECG를 광범위한 질병의 식별 및 예측을위한 유망한 도구로 위치시킨다.

ECG 이상을 다중 시스템 질환과 연결하는 기본 메커니즘을 추가로 조사하고 ECG 기반 진단, 스크리닝 및 예측 모델을 개발하기 위해 ECG 검사를받는 환자와 관련된 다중 센터, 전향 적 관찰 레지스트리 연구를 시작했습니다. 프로젝트의 목표는 다음과 같습니다.

1. AI-ECG 기초 모델 개발

  1. 전통적인 심혈관 질환의 진단 (예 : 부정맥, 심근 경색).
  2. 순환, 소화, 호흡기 및 신경계 질환, 내분비/대사 장애, 비뇨 생식 질환, 혈액 학적 상태, 신 생물 및 정신 건강 장애를 포함한 다중 시스템 장애의 선별.
  3. 새로운 발병 상태 (예 : 심방 세동, 심부전, 판막 질환, NSTEMI, 심실 빈맥) 및 1 년 사망 위험의 예측.

2. 임상 유틸리티 및 구현

ECG의 휴대 성, 비용 효율성 및 비 침습성을 활용하여 AI Foundation 모델은 다음을 가능하게합니다.

  1. 외래 환자, 입원 환자, 응급 상황 및 커뮤니티 환경에서 빠르고 대규모 스크리닝.
  2. 다중 시스템 질환의 조기 발견, 대상 진단 워크 업을 안내합니다.

3. AI-ECG 기초 모델의 진단, 예측 및 위험 강조 논리를 설명하는 기계 및 해석 성 연구.

연구 유형

관찰

등록 (추정된)

500000

연락처 및 위치

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

연구 연락처

연구 장소

    • Shanghai
      • Shanghai, Shanghai, 중국, 200000
        • 모병
        • Ren Ji Hospital Afflited to School of Medicine, Shanghai Jiao Tong University
        • 연락하다:

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

샘플링 방법

비확률 샘플

연구 인구

ECG 검사를받는 모든 환자

설명

포함 기준 :

  1. 연구 병원을 방문한 환자.
  2. 포함 된 환자는 입원 환자 및 응급 환자에 대한 ECG 데이터 및 퇴원 진단 코드 (ICD-10)가 있어야합니다.

제외 기준 :

1. 참여를 거부 한 환자, 임상 데이터가 불완전하거나 누락 된 사례 및 임신 한 개인.

공부 계획

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

연구는 어떻게 설계됩니까?

디자인 세부사항

연구는 무엇을 측정합니까?

주요 결과 측정

결과 측정
측정값 설명
기간
ECG에 기초한 다중 시스템 질환 예측
기간: 1 개월
순환계 질환, 호흡기 질환, 소화계 질환, 신경계 질환, 비뇨 생식 시스템 질환, 내분비 및 영양/대사 시스템 질환, 혈액 학적 질병, 감염성 및 기생충 질환, 양성 및 행동 및 행동 및 병력과 같은 다양한 시스템에서 ECG의 효과를 평가합니다. 이 연구는 처음에 목표 질환의 예비 선별 검사를 위해 ICD-10 코딩 시스템을 사용합니다. 그 후, 여러 분야의 임상 전문가위원회는 진단 기준의 적용 가능성, ICD-10 분류의 정확성, 배제 기준의 합리성 및 증거 수준의 평가를 포함하여 ICD-10 코딩 시스템 프레임 워크를 기반으로 후보 질병에 대한 체계적인 검토를 수행합니다.
1 개월

공동 작업자 및 조사자

여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.

스폰서

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)

2017년 1월 18일

기본 완료 (추정된)

2026년 12월 30일

연구 완료 (추정된)

2026년 12월 30일

연구 등록 날짜

최초 제출

2025년 4월 6일

QC 기준을 충족하는 최초 제출

2025년 4월 6일

처음 게시됨 (실제)

2025년 4월 11일

연구 기록 업데이트

마지막 업데이트 게시됨 (실제)

2025년 4월 11일

QC 기준을 충족하는 마지막 업데이트 제출

2025년 4월 6일

마지막으로 확인됨

2024년 12월 1일

추가 정보

이 연구와 관련된 용어

기타 연구 ID 번호

  • EARLY-ECG-PREDICTION Cohort

약물 및 장치 정보, 연구 문서

미국 FDA 규제 의약품 연구

아니

미국 FDA 규제 기기 제품 연구

아니

미국에서 제조되어 미국에서 수출되는 제품

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