Diep leren voor intelligente identificatie van aritmieën (ECG-LEARNING)
2 april 2024 bijgewerkt door: First Affiliated Hospital Xi'an Jiaotong University
Diep leren voor intelligente identificatie van aritmieën (ECG-LEARNING): een door een onderzoeker geïnitieerd, nationaal multicenter, retrospectief-prospectief, cohortonderzoek
Deze studie heeft tot doel een deep learning-model te ontwerpen en te trainen voor de diagnose van verschillende aritmieën.
Studie Overzicht
Gedetailleerde beschrijving
Deze studie heeft tot doel retrospectief en prospectief routinematige klinische gegevens te verzamelen, zoals elektrocardiogrammen, van patiënten met aritmieën die voldoen aan de inclusie- en exclusiecriteria.
Vervolgens zullen we een deep learning-model ontwerpen en trainen om de elektrocardiografische kenmerken van de aritmieën te analyseren, de soorten aritmieën te identificeren en de waarde van het model voor de diagnose van verschillende aritmieën te evalueren.
Studietype
Observationeel
Inschrijving (Geschat)
4000
Contacten en locaties
In dit gedeelte vindt u de contactgegevens van degenen die het onderzoek uitvoeren en informatie over waar dit onderzoek wordt uitgevoerd.
Studiecontact
- Naam: Guoliang Li, M.D.
- Telefoonnummer: +8613759982523
- E-mail: liguoliang_med@163.com
Studie Contact Back-up
- Naam: Chaofeng Sun, M.D.
- E-mail: cfsun1@mail.xjtu.edu.cn
Studie Locaties
-
-
Shaanxi
-
Xi'an, Shaanxi, China, 710061
- First Affiliated Hospital of Xi'an Jiantong University
-
-
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 gediagnosticeerd met aritmie door twaalf-afleidingen elektrocardiogram of Holter.
Beschrijving
Inclusiecriteria:
- Voor retrospectieve studie: 1.Patiënten met aritmie gediagnosticeerd door routinematig oppervlakte-elektrocardiogram met 12 afleidingen of Holter; 2. Het type aritmie wordt gediagnosticeerd door intracardiaal elektrofysiologisch onderzoek.
- Voor prospectieve studie: 1.Patiënten met aritmie gediagnosticeerd door routinematig oppervlak 12-afleidingen elektrocardiogram of Holter; 2.Intracardiaal elektrofysiologisch onderzoek is gepland.
Uitsluitingscriteria:
- Gebrek aan routinematige oppervlakte 12-afleidingen elektrocardiogram of holtergegevens;
- Gebrek aan intracardiaal elektrofysiologisch onderzoek;
- Patiënten weigerden geïnformeerde toestemming te ondertekenen en weigerden deel te nemen aan het onderzoek.
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 |
|---|---|
|
Experimentele groep
ECG-gegevens en klinische gegevens van deze groep aritmiepatiënten zullen worden gebruikt om een deep learning-model te bouwen.
|
Er worden geen interventies aan patiënten gegeven.
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Een deep learning-model dat is ontworpen om op intelligente wijze de soorten aritmie te identificeren.
Tijdsspanne: 1 dag na inschrijving.
|
Het model wordt getraind op de trainingsset, het beste model en de beste hyperparameters worden geselecteerd via de verificatieset en uiteindelijk worden de modelresultaten getest op de testset.
|
1 dag na inschrijving.
|
Secundaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
De gevoeligheid, specificiteit en nauwkeurigheid van het deep learning-model
Tijdsspanne: 1 dag na inschrijving.
|
De gevoeligheid, specificiteit en nauwkeurigheid van een ontworpen deep learning-model werden geëvalueerd door intracardiale elektrofysiologische onderzoeksresultaten om patiënten met aritmie uit verschillende centra te identificeren.
|
1 dag na inschrijving.
|
Medewerkers en onderzoekers
Hier vindt u mensen en organisaties die betrokken zijn bij dit onderzoek.
Medewerkers
Onderzoekers
- Hoofdonderzoeker: Guoliang Li, M.D., First Affiliated Hospital Xi'an Jiaotong University
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)
30 december 2024
Primaire voltooiing (Geschat)
31 augustus 2028
Studie voltooiing (Geschat)
31 december 2028
Studieregistratiedata
Eerst ingediend
6 juli 2023
Eerst ingediend dat voldeed aan de QC-criteria
21 juli 2023
Eerst geplaatst (Werkelijk)
1 augustus 2023
Updates van studierecords
Laatste update geplaatst (Werkelijk)
4 april 2024
Laatste update ingediend die voldeed aan QC-criteria
2 april 2024
Laatst geverifieerd
1 april 2024
Meer informatie
Termen gerelateerd aan deze studie
Trefwoorden
Aanvullende relevante MeSH-voorwaarden
Andere studie-ID-nummers
- XJTU1AF2023LSK-170
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 .