Een studie om de nauwkeurigheid en validiteit van de Chang Gung ECG-afwijkingsdetectiesoftware te evalueren
"Chang Gung ECG Abnormality Detection Software" is software voor analyse van medische signalen met kunstmatige intelligentie die detecteert of patiënten abnormale ECG-signalen van 14 ziekten hebben door middel van een statisch ECG met 12 afleidingen. De 14 ziekten waren
- Lang QT-syndroom
- Sinus bradycardie
- Sinustachycardie
- Voortijdige atriale complexen
- Premature ventriculaire complexen
- Atriale flutter, rechterbundeltakblok
- Linker bundeltakblok
- Linkerventrikelhypertrofie
- Voorwand myocardinfarct
- Septumwand myocardinfarct
- Zijwand myocardinfarct
- Onderwand myocardinfarct
- Achterwand myocardinfarct
Het belangrijkste doel van deze studie is na te gaan of "Chang Gung ECG Abnormality Detection Software" abnormale ECG-signalen correct kan identificeren bij patiënten met 14 ziekten. De interpretatiestandaard is de consensus van 3 cardiologen. De resultaten van de software-analyse zullen worden gebruikt om de prestaties van de primaire en secundaire evaluatie-indicatoren te evalueren.
Studie Overzicht
Toestand
Conditie
Interventie / Behandeling
Gedetailleerde beschrijving
Gedetailleerde procedure:
Voorbeeldbron:
Dit is een retrospectieve studie en de gegevens zijn afkomstig van de Chang Gung Medical Research Database (CGRD), een database van 6 ziekenhuizen van het Chang Gung Memorial Hospital. We hebben geanonimiseerde statische 12-afleidingen ECG-gegevens uit de database verzameld tussen 2006.01.01~2019.12.31, en de lengte van het ECG was 10 seconden.
bemonstering:
In dit experiment werden de trainingsdataset en de testdataset ECG gescheiden. Daarna worden de ECG-signalen gestratificeerd volgens de verdeling als het testmonster en worden alle abnormale ECG-signalen van 14 ziekten onafhankelijk bemonsterd uit de ECG-database van de testset.
Bevestigingscriteria:
De ECG-gegevens worden voorlopig gescreend en geselecteerd op basis van de in- en uitsluitingscriteria en samengestelde serienummers. Vervolgens bevestigt een cardioloog dat de bemonsteringsresultaten van de ECG-gegevens de uitsluitingscriteria niet opnieuw bevatten.
Interpretatie van de arts:
De ECG-gegevens worden omgezet in grafische bestanden en voorgelegd aan 3 cardiologen voor interpretatie van abnormale ECG-signalen van 14 gerelateerde ziekten. De resultaten zullen worden gebruikt als de standaard van deze studie (referentie).
Software-interpretatie:
Nadat u de teststandaard hebt bevestigd, voert u het ECG-signaal in Chang Gung ECG-afwijkingsdetectiesoftware in om abnormale ECG-signalen van 14 ziekten te analyseren en elke ECG-gegevens te interpreteren.
- Statistische analyse:
Nadat de software-interpretatie is voltooid, wordt deze vergeleken met de resultaten van de interpretatie van de arts en worden de primaire en secundaire evaluatie-indicatoren geanalyseerd.
Studietype
Inschrijving (Geschat)
Fase
- Niet toepasbaar
Contacten en locaties
Studie Locaties
-
-
-
Taoyuan city, Taiwan, 333
- Chang Gung Memorial Hospital
-
-
Deelname Criteria
Geschiktheidscriteria
Leeftijden die in aanmerking komen voor studie
- Volwassen
- Oudere volwassene
Accepteert gezonde vrijwilligers
Bemonsteringsmethode
Studie Bevolking
Beschrijving
Inclusiecriteria:
- Gelijk aan of ouder dan twintig jaar.
- Statisch 12-afleidingen elektrocardiogram van General Electric MUSE XML-bestand.
- De gegevens zijn afkomstig van het statische 12-afleidingen elektrocardiogramapparaat van General Electric (model MAC5500).
- Het elektrocardiogramsignaal is 500 Hz.
- Het wisselstroomfilter (AC) van het elektrocardiogramsignaal is 60 Hz.
- De bron van de oorspronkelijke diagnose was een cardioloog.
Uitsluitingscriteria:
- Cases gebruikt in het modelontwikkelingsproces.
- Mist elke elektrode.
- Bevat elke elektrode mist een segment.
Studie plan
Hoe is de studie opgezet?
Ontwerpdetails
Cohorten en interventies
Groep / Cohort |
Interventie / Behandeling |
|---|---|
|
Software-diagnose
Softwarediagnose met gouden standaard van 3 cardiologeninterpretatie.
|
Dit apparaat zal naar verwachting worden gebruikt voor het statische ECG met 12 afleidingen om te detecteren of er abnormale ECG-signalen zijn die verband houden met ziekten en om de resultaten uit te voeren.
Andere namen:
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Gevoeligheid en specificiteit
Tijdsspanne: basislijn
|
Het aantal testresultaten dat de aan- en afwezigheid correct aangeeft.
|
basislijn
|
Secundaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Gebied Onder de bedrijfskarakteristiek van de ontvanger Curve
Tijdsspanne: Basislijn
|
Een grafische grafiek die het diagnostische vermogen van een binair classificatiesysteem illustreert, aangezien de discriminatiedrempel wordt gevarieerd.
|
Basislijn
|
Medewerkers en onderzoekers
Sponsor
Onderzoekers
- Studie stoel: Chang-Fu Kuo, MD/Ph.D, Associate Professor and Director Division of Rheumatology
Publicaties en nuttige links
Algemene publicaties
- Ribeiro AH, Ribeiro MH, Paixao GMM, Oliveira DM, Gomes PR, Canazart JA, Ferreira MPS, Andersson CR, Macfarlane PW, Meira W Jr, Schon TB, Ribeiro ALP. Automatic diagnosis of the 12-lead ECG using a deep neural network. Nat Commun. 2020 Apr 9;11(1):1760. doi: 10.1038/s41467-020-15432-4. Erratum In: Nat Commun. 2020 May 1;11(1):2227.
- Malik J, Devecioglu OC, Kiranyaz S, Ince T, Gabbouj M. Real-Time Patient-Specific ECG Classification by 1D Self-Operational Neural Networks. IEEE Trans Biomed Eng. 2022 May;69(5):1788-1801. doi: 10.1109/TBME.2021.3135622. Epub 2022 Apr 21.
- Acharya U.R., Fujita H., Lih O.S., Adam M., Tan J.H., Chua C.K. Automated detection of coronary artery disease using different durations of ECG segments with convolutional neu-ral network Knowl.-Based Syst., 132 (sep.15) (2017), pp. 62-71
- Bos JM, Attia ZI, Albert DE, Noseworthy PA, Friedman PA, Ackerman MJ. Use of Artificial Intelligence and Deep Neural Networks in Evaluation of Patients With Electrocardiographically Concealed Long QT Syndrome From the Surface 12-Lead Electrocardiogram. JAMA Cardiol. 2021 May 1;6(5):532-538. doi: 10.1001/jamacardio.2020.7422.
- U. Rajendra Acharya, Hamido Fujita, Oh Shu Lih, Yuki Hagiwara, Jen Hong Tan, Muhammad Adam, Automated detection of arrhythmias using different intervals of tachycardia ECG seg-ments with convolutional neural network, Information Sciences, Volume 405, 2017, Pages 81-90, ISSN 0020-0255
- Jeong DU, Lim KM. Convolutional neural network for classification of eight types of arrhythmia using 2D time-frequency feature map from standard 12-lead electrocardiogram. Sci Rep. 2021 Oct 14;11(1):20396. doi: 10.1038/s41598-021-99975-6.
- Kwon JM, Jeon KH, Kim HM, Kim MJ, Lim SM, Kim KH, Song PS, Park J, Choi RK, Oh BH. Comparing the performance of artificial intelligence and conventional diagnosis criteria for detecting left ventricular hypertrophy using electrocardiography. Europace. 2020 Mar 1;22(3):412-419. doi: 10.1093/europace/euz324.
- Makimoto H, Hockmann M, Lin T, Glockner D, Gerguri S, Clasen L, Schmidt J, Assadi-Schmidt A, Bejinariu A, Muller P, Angendohr S, Babady M, Brinkmeyer C, Makimoto A, Kelm M. Performance of a convolutional neural network derived from an ECG database in recognizing myocardial infarction. Sci Rep. 2020 May 21;10(1):8445. doi: 10.1038/s41598-020-65105-x.
Studie record data
Bestudeer belangrijke data
Studie start (Werkelijk)
Primaire voltooiing (Geschat)
Studie voltooiing (Geschat)
Studieregistratiedata
Eerst ingediend
Eerst ingediend dat voldeed aan de QC-criteria
Eerst geplaatst (Werkelijk)
Updates van studierecords
Laatste update geplaatst (Werkelijk)
Laatste update ingediend die voldeed aan QC-criteria
Laatst geverifieerd
Meer informatie
Termen gerelateerd aan deze studie
Aanvullende relevante MeSH-voorwaarden
- Ischemie
- Pathologische processen
- Necrose
- Myocardiale ischemie
- Hartziekten
- Hart-en vaatziekten
- Vaatziekten
- Aangeboren afwijkingen
- Pathologische aandoeningen, anatomisch
- Aritmieën, hart
- Ziekte van het hartgeleidingssysteem
- Zwangerschap Complicaties
- Verloskundige arbeidscomplicaties
- Verloskundige arbeid, voortijdig
- Infarct
- Hartafwijkingen, aangeboren
- Cardiovasculaire afwijkingen
- Cardiomegalie
- Hartcomplexen, voortijdig
- Tachycardie, supraventriculair
- Vrouwelijke urogenitale ziekten en zwangerschapscomplicaties
- Urogenitale ziekten
- Myocardinfarct
- Bundel-takblok
- Hart blok
- Voortijdige geboorte
- Bradycardie
- Tachycardie
- Hypertrofie
- Atriale flutter
- Hypertrofie, linkerventrikel
- Ventriculaire premature complexen
- Lang QT-syndroom
- Atriale premature complexen
- Tachycardie, sinus
Andere studie-ID-nummers
- 202300710A5
Plan Individuele Deelnemersgegevens (IPD)
Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?
Informatie over medicijnen en apparaten, studiedocumenten
Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel
Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct
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 .