Deze pagina is automatisch vertaald en de nauwkeurigheid van de vertaling kan niet worden gegarandeerd. Raadpleeg de Engelse versie voor een brontekst.

CT-biomarkersidentificatie door kunstmatige intelligentie voor COVID-19-prognose (COVID 19-IA)

7 maart 2025 bijgewerkt door: Centre Hospitalier Universitaire de Nīmes

Identificatie van thoracale CT-scanbiomarkers door middel van deep learning voor het evalueren van de prognose van patiënten met de ziekte van COVID-19

De onderzoekshypothese is dat een lage dosis computertomografie (LDCT) in combinatie met kunstmatige intelligentie door diep leren beeldvormende biomarkers zou genereren die gekoppeld zijn aan de prognose van de patiënt op korte en middellange termijn.

Het doel van deze studie is om snel een tool voor vroege besluitvorming beschikbaar te maken (vanaf de eerste ziekenhuisconsultatie van de patiënt met symptomen die verband houden met SARS-CoV-2) op basis van de integratie van verschillende biomarkers (klinisch, biologisch, beeldvorming door thoracale scanner) waardoor zowel gepersonaliseerde geneeskunde mogelijk is als beter kan worden geanticipeerd op de evolutie van de patiënt op het gebied van zorgorganisatie.

Studie Overzicht

Toestand

Ingetrokken

Conditie

Interventie / Behandeling

Studietype

Observationeel

Contacten en locaties

In dit gedeelte vindt u de contactgegevens van degenen die het onderzoek uitvoeren en informatie over waar dit onderzoek wordt uitgevoerd.

Studie Locaties

  • Frankrijk
      • Marseille, Frankrijk
        • CHU La Timone
      • Montpellier, Frankrijk
        • CHU Montpellier
      • Nîmes, Frankrijk
        • CHU de Nîmes
      • Poitiers, Frankrijk
        • CHU Poitiers
      • Strasbourg, Frankrijk
        • CHU Strasbourg
  • Martinique
      • Fort-de-France, Martinique
        • CHU Martinique

Deelname Criteria

Onderzoekers zoeken naar mensen die aan een bepaalde beschrijving voldoen, de zogenaamde geschiktheidscriteria. Enkele voorbeelden van deze criteria zijn iemands algemene gezondheidstoestand of eerdere behandelingen.

Geschiktheidscriteria

Leeftijden die in aanmerking komen voor studie

  • Kind
  • Volwassen
  • Oudere volwassene

Accepteert gezonde vrijwilligers

Nee

Bemonsteringsmethode

Niet-waarschijnlijkheidssteekproef

Studie Bevolking

Patiënten die in het ziekenhuis zijn opgenomen voor Covid-19 bevestigd door RT-PCR en een CT-scan ondergaan

Beschrijving

Inclusiecriteria:

  • Patiënten positief voor SARS-CoV-2 volgens RT-PCR-test tussen 1 maart en 31 mei 2020
  • Patiënten die een lage dosis CT-scan ondergaan om longschade door Covid-19 vast te stellen
  • Beschikbaar voor minimaal 8 dagen follow-up

Uitsluitingscriteria:

• Patiënten verzetten zich tegen het achteraf gebruiken van hun gegevens

Studie plan

Dit gedeelte bevat details van het studieplan, inclusief hoe de studie is opgezet en wat de studie meet.

Hoe is de studie opgezet?

Ontwerpdetails

Cohorten en interventies

Groep / Cohort
Interventie / Behandeling
Patiënten positief voor SARS-CoV-2
Diagnostische toets: Beeldvorming door thoracale scanner
Computertomografie met lage dosis

Wat meet het onderzoek?

Primaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Vitale toestand
Tijdsspanne: Dag 8
Dood levend
Dag 8
Patiënt die meer dan 3 liter zuurstof nodig heeft om een ​​saturatie van >95% te behouden (intensive care of reanimatieafdeling)
Tijdsspanne: Dag 8
Ja nee
Dag 8
Percentage long aangetast op CT
Tijdsspanne: Dag 0
% matglas en condensatie berekend door deep learning
Dag 0
Percentage long aangetast door matglas opaciteit op scan
Tijdsspanne: Dag 0
% berekend door diep leren
Dag 0
Percentage long aangetast door condensatie op scan
Tijdsspanne: Dag 0
% berekend door diep leren
Dag 0

Secundaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Vitale toestand
Tijdsspanne: Dag 16
Dood levend
Dag 16
Vitale toestand
Tijdsspanne: Dag 30
Dood levend
Dag 30
Duur van de ziekenhuisopname
Tijdsspanne: Maximaal 30 dagen
Dagen
Maximaal 30 dagen
heropname
Tijdsspanne: Dag 30
Ja nee
Dag 30
Duur van intubatie
Tijdsspanne: Dag 30
Dagen
Dag 30
Percentage long aangetast op CT
Tijdsspanne: Dag 16
% matglas en condensatie berekend door deep learning
Dag 16
Percentage long aangetast door matglas opaciteit op scan
Tijdsspanne: Dag 16
% berekend door diep leren
Dag 16
Percentage long aangetast door condensatie op scan
Tijdsspanne: Dag 16
% berekend door diep leren
Dag 16
Software-bedrijfstijd
Tijdsspanne: Einde studie (augustus 2020)
Snelheid van het laden en verwerken van afbeeldingen, afhankelijk van het merk scanner
Einde studie (augustus 2020)
C-reactieve proteïne niveaus
Tijdsspanne: Toegangsdag 0
mg/L
Toegangsdag 0
lactaatdehydrogenase
Tijdsspanne: Toegangsdag 0
U/L
Toegangsdag 0
lymfocytemie
Tijdsspanne: Toegangsdag 0
g/L
Toegangsdag 0
D Dimeer-niveau
Tijdsspanne: Toegangsdag 0
µg/L
Toegangsdag 0
Tijd tot het begin van de symptomen
Tijdsspanne: Toegangsdag 0
Dagen
Toegangsdag 0
Tijd tussen RT-PCR positieve resultaten en eerste scan
Tijdsspanne: Toegangsdag 0
Uur
Toegangsdag 0
Leeftijd
Tijdsspanne: Toegangsdag 0
Jaren
Toegangsdag 0
BMI> 30
Tijdsspanne: Toegangsdag 0
Ja nee:
Toegangsdag 0
Medische geschiedenis van hart- en vaatziekten
Tijdsspanne: Toegangsdag 0
Ja/nee: hypertensie, coronaire hartziekte, congestief hartfalen, hartritmestoornissen
Toegangsdag 0
Suikerziekte
Tijdsspanne: Toegangsdag 0
Ja nee
Toegangsdag 0
Medische geschiedenis van luchtwegaandoeningen
Tijdsspanne: Toegangsdag 0
Ja/nee: chronische obstructieve longziekte, chronisch ademhalingsfalen
Toegangsdag 0
Medische geschiedenis van immunosuppressieve aandoening
Tijdsspanne: Toegangsdag 0
Ja/nee: gebruik van steroïden, reeds bestaande immunologische aandoening, huidige chemotherapie voor kanker
Toegangsdag 0
Huidige of eerdere geschiedenis van roken
Tijdsspanne: Toegangsdag 0
Ja nee:
Toegangsdag 0
Bereken een prognostische score op basis van klinische, biologische en CT-parameters
Tijdsspanne: Dag 8
Algoritme voor diep leren
Dag 8
Bereken alleen een prognostische score op basis van klinische en biologische parameters
Tijdsspanne: Dag 8
Algoritme voor diep leren
Dag 8
Vergelijk de werkingscurven van de ontvanger van prognostische scores met en zonder CT-parameters
Tijdsspanne: Dag 8
Dag 8

Medewerkers en onderzoekers

Hier vindt u mensen en organisaties die betrokken zijn bij dit onderzoek.

Sponsor

Centre Hospitalier Universitaire de Nīmes

Onderzoekers

  • Hoofdonderzoeker: Julien Frandon, CHU Nimes

Studie record data

Deze datums volgen de voortgang van het onderzoeksdossier en de samenvatting van de ingediende resultaten bij ClinicalTrials.gov. Studieverslagen en gerapporteerde resultaten worden beoordeeld door de National Library of Medicine (NLM) om er zeker van te zijn dat ze voldoen aan specifieke kwaliteitscontrolenormen voordat ze op de openbare website worden geplaatst.

Bestudeer belangrijke data

Studie start (Geschat)

1 maart 2020

Primaire voltooiing (Geschat)

1 september 2021

Studie voltooiing (Geschat)

1 september 2021

Studieregistratiedata

Eerst ingediend

4 juni 2020

Eerst ingediend dat voldeed aan de QC-criteria

4 juni 2020

Eerst geplaatst (Werkelijk)

5 juni 2020

Updates van studierecords

Laatste update geplaatst (Werkelijk)

25 maart 2025

Laatste update ingediend die voldeed aan QC-criteria

7 maart 2025

Laatst geverifieerd

1 maart 2025

Meer informatie

Termen gerelateerd aan deze studie

Trefwoorden

Aanvullende relevante MeSH-voorwaarden

Andere studie-ID-nummers

  • NIMAO/2020/COVID 19-IA/JF-01

Informatie over medicijnen en apparaten, studiedocumenten

Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel

Nee

Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct

Nee

Deze informatie is zonder wijzigingen rechtstreeks van de website clinicaltrials.gov gehaald. Als u verzoeken heeft om uw onderzoeksgegevens te wijzigen, te verwijderen of bij te werken, neem dan contact op met register@clinicaltrials.gov. Zodra er een wijziging wordt doorgevoerd op clinicaltrials.gov, wordt deze ook automatisch bijgewerkt op onze website .

Klinische onderzoeken op Covid-19

Zoek naar vergelijkbare onderzoeken

Sponsors en medewerkers

Medische omstandigheden

Geneesmiddelinterventies

CROs by country

CROs in Estonia

Voorwaarden

Zeldzame ziekten

Geneesmiddelinterventies

Voedingssupplementen

Sponsor / medewerkers

Locaties

Abonneren