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

Covid-19, postacute gevolgen van SARS-CoV-2-infectie (PASC) en influenzabehandelingssysteem met machinaal leren

25 december 2023 bijgewerkt door: Lizora LLC

Autonoom Covid-19, postacute gevolgen van SARS-CoV-2-infectie (PASC) en influenzabehandelingssysteem met machinaal leren in poliklinische instellingen

Dit is een open-table, eenarmig observatoriumonderzoek om de effectiviteit en veiligheid van het autonome behandelsysteem op basis van machinaal leren te beoordelen bij patiënten met Covid-19, postacute gevolgen van SARS-CoV-2-infectie en griep.

Studie Overzicht

Toestand

Voltooid

Conditie

Interventie / Behandeling

Gedetailleerde beschrijving

Bij deze studie zijn 27 patiënten betrokken met de diagnose Covid-19, post-acute gevolgen van een SARS-CoV-2-infectie en griep. Hiervan zijn er 26 poliklinisch en 1 in het ziekenhuis. Na screening op basis van de inclusie- en exclusiecriteria zullen in aanmerking komende patiënten recepten ontvangen die worden aanbevolen door het Autonomous Treatment System Based on Machine Learning in dit observationele onderzoek. Het doel van deze studie is om te bepalen of de prestaties van het machine learning-receptaanbevelingssysteem overeenkomen met die van menselijke beoefenaars van de traditionele Chinese geneeskunde, en om de klinische resultaten te evalueren van patiënten die het aanbevolen recept innemen. Het doel van deze studie is:

  1. Om de classificaties van ons machine learning-systeem te vergelijken met die van artsen, waarbij de betrouwbaarheid en nauwkeurigheid van het model wordt beoordeeld;
  2. Om Covid-19-gerelateerde ziekenhuisopnames of sterfgevallen door welke oorzaak dan ook te evalueren tot en met dag 28;
  3. Om te bepalen of het aanbevolen recept van het machine learning-systeem de symptomen van Covid-19, post-acute gevolgen van SARS-CoV-2-infectie en griepsymptomen verlicht;
  4. Om deelnemers die 28 dagen na aanvang van de behandeling positief testten op het Covid-19-antigeen te monitoren op mogelijke rebound-gevallen.

Deelnemers gebruiken een online applicatie om de aanbevolen receptresultaten te verkrijgen en sturen deze resultaten vervolgens ter verificatie naar een arts. Patiënten wordt gevraagd de online analyse elke drie dagen uit te voeren of telkens wanneer er een verandering in de symptomen optreedt, afhankelijk van wat zich het eerst voordoet. Ook krijgen de deelnemers instructies om de voorgeschreven medicijnen in te nemen. Onderzoeksartsen zullen elke drie dagen telefonisch contact opnemen met patiënten. De mogelijke behandelingen die patiënten kunnen krijgen, omvatten een van de volgende formules uit de Traditionele Chinese Geneeskunde: LizCovidCure-1, LizCovidCure-2, LizCovidCure-3, LizCovidCure-4 en LizCovid-5.

Studietype

Observationeel

Inschrijving (Werkelijk)

27

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

  • China
    • Yunnan
      • Kunming, Yunnan, China, 650000
        • Sheng'Ai Traditional Medicine Hospital

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 met een actieve SARS-Cov-2-infectie binnen 30 dagen, patiënten met postacute gevolgen van een SARS-CoV-2-infectie en patiënten met influenza.

Beschrijving

Inclusiecriteria:

  • Man of vrouw (15 jaar of ouder), en hun COVID-19-vaccinatiestatus, was geen factor voor opname.
  • Onderwerpen met risicovolle omstandigheden
  • De proefpersonen hadden binnen 30 dagen positieve sars-cov-2 rapid antigen-resultaten
  • Onderwerpen met post-Covid-19-syndroom

Uitsluitingscriteria:

  • zwangere personen
  • proefpersonen met een bekende geschiedenis van allergische reacties op medische kruiden die vaak worden gebruikt in de traditionele Chinese geneeskunde (TCM's)

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
Influenza
Patiënten met negatieve SARS-CoV-2 snelle antigeentestresultaten en bij wie de diagnose influenza is gesteld, krijgen vooraf gedefinieerde TCM-voorschriften toegediend die worden aanbevolen door het Autonomous Treatment System op basis van machinaal leren.
Ander: Autonoom behandelingssysteem voor Covid-19, post-acute gevolgen van SARS-CoV-2-infectie en griep, gebaseerd op machinaal leren
Een nieuw behandelingsaanbevelingssysteem voor Covid-19, post-acute gevolgen van SARS-CoV-2-infectie en griep, gebaseerd op machinaal leren
Actieve Covid-19-infectie
Patiënten met positieve SARS-CoV-2 snelle antigeentestresultaten binnen 60 dagen vóór aanvang van het onderzoek krijgen vooraf gedefinieerde TCM-voorschriften toegediend die worden aanbevolen door het Autonomous Treatment System op basis van machinaal leren
Ander: Autonoom behandelingssysteem voor Covid-19, post-acute gevolgen van SARS-CoV-2-infectie en griep, gebaseerd op machinaal leren
Een nieuw behandelingsaanbevelingssysteem voor Covid-19, post-acute gevolgen van SARS-CoV-2-infectie en griep, gebaseerd op machinaal leren
Post-Covid-19-syndroom
Patiënten met positieve Covid-19-antigeentestresultaten die meer dan 60 dagen vóór de start van het onderzoek zijn verkregen, krijgen vooraf gedefinieerde TCM-voorschriften toegediend die worden aanbevolen door het Autonomous Treatment System op basis van machinaal leren.
Ander: Autonoom behandelingssysteem voor Covid-19, post-acute gevolgen van SARS-CoV-2-infectie en griep, gebaseerd op machinaal leren
Een nieuw behandelingsaanbevelingssysteem voor Covid-19, post-acute gevolgen van SARS-CoV-2-infectie en griep, gebaseerd op machinaal leren

Wat meet het onderzoek?

Primaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Classificatienauwkeurigheid
Tijdsspanne: 1 dag
vergelijk de classificaties van ons machine learning-systeem met die van artsen om de betrouwbaarheid van het model te beoordelen
1 dag

Secundaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Ziekenhuisopnames en sterftecijfers
Tijdsspanne: 28 dagen
we beoordelen Covid-19-gerelateerde ziekenhuisopname of overlijden door welke oorzaak dan ook tot en met dag 28
28 dagen

Andere uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Symptoomverlichting
Tijdsspanne: 28 dagen
Dagen waarop de symptomen verdwijnen
28 dagen
Gevallen van herinfectie
Tijdsspanne: 28 dagen
Aantal gevallen met recidiefinfectie na behandeling
28 dagen

Medewerkers en onderzoekers

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

Sponsor

Lizora LLC

Medewerkers

Sheng'ai Traditional Chinese Medicine Hospital

Onderzoekers

  • Studie stoel: jiale xian, MHA, Lizora LLC

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 (Werkelijk)

16 juni 2023

Primaire voltooiing (Werkelijk)

30 september 2023

Studie voltooiing (Werkelijk)

1 oktober 2023

Studieregistratiedata

Eerst ingediend

21 september 2023

Eerst ingediend dat voldeed aan de QC-criteria

21 september 2023

Eerst geplaatst (Werkelijk)

25 september 2023

Updates van studierecords

Laatste update geplaatst (Werkelijk)

29 december 2023

Laatste update ingediend die voldeed aan QC-criteria

25 december 2023

Laatst geverifieerd

1 december 2023

Meer informatie

Termen gerelateerd aan deze studie

Aanvullende relevante MeSH-voorwaarden

Andere studie-ID-nummers

  • Liz2023Covid19

Plan Individuele Deelnemersgegevens (IPD)

Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?

NEE

Beschrijving IPD-plan

Geen plan om de individuele deelnemersgegevens (IPD) te delen.

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 .

Abonneren