Denne siden ble automatisk oversatt og nøyaktigheten av oversettelsen er ikke garantert. Vennligst referer til engelsk versjon for en kildetekst.

Brystlesjonsanalyse for tomosyntese mammografi

16. januar 2020 oppdatert av: Heang-Ping Chan Ph.D, University of Michigan

Tomosyntese mammografi: datastøttet analyse av brystlesjoner

Hensikten med denne studien er å utvikle et datastøttet diagnosesystem for å finne brystlesjoner, inkludert masser og mikrokalsifikasjoner, som forhåpentligvis vil forbedre oppdagelse og klassifisering av brystkreft.

Studieoversikt

Detaljert beskrivelse

Hensikten med denne studien er å utvikle et datastøttet diagnosesystem for å finne brystlesjoner, inkludert masser og mikrokalsifikasjoner, og avgjøre om lesjonen er en kreftsykdom eller ikke for digital tomosyntese mammografi (DTM).

Studietype

Intervensjonell

Registrering (Faktiske)

872

Fase

  • Ikke aktuelt

Kontakter og plasseringer

Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.

Studiesteder

    • Michigan
      • Ann Arbor, Michigan, Forente stater, 48109
        • University of Michigan Health System

Deltakelseskriterier

Forskere ser etter personer som passer til en bestemt beskrivelse, kalt kvalifikasjonskriterier. Noen eksempler på disse kriteriene er en persons generelle helsetilstand eller tidligere behandlinger.

Kvalifikasjonskriterier

Alder som er kvalifisert for studier

21 år og eldre (Voksen, Eldre voksen)

Tar imot friske frivillige

Nei

Kjønn som er kvalifisert for studier

Hunn

Beskrivelse

Inklusjonskriterier:

  • Personer som er planlagt for kjernebiopsi av en brystlesjon

Ekskluderingskriterier:

  • Gravide kvinner

Studieplan

Denne delen gir detaljer om studieplanen, inkludert hvordan studien er utformet og hva studien måler.

Hvordan er studiet utformet?

Designdetaljer

  • Primært formål: Diagnostisk
  • Tildeling: N/A
  • Intervensjonsmodell: Enkeltgruppeoppdrag
  • Masking: Ingen (Open Label)

Våpen og intervensjoner

Deltakergruppe / Arm
Intervensjon / Behandling
Eksperimentell: EN
Utvikle et datastøttet diagnosesystem som vil hjelpe til med screening og oppdagelse av brystavvik/kreft
Tomosyntese mammografi og datastøttet analyse av brystlesjoner for å hjelpe til med påvisning av brystkreft.

Hva måler studien?

Primære resultatmål

Resultatmål
Tidsramme
Oppnå tidligere oppdagelse og karakterisering av brystkreft
Tidsramme: 1 år
1 år

Samarbeidspartnere og etterforskere

Det er her du vil finne personer og organisasjoner som er involvert i denne studien.

Samarbeidspartnere

Etterforskere

  • Hovedetterforsker: Heang-Ping Chan, Ph.D., University of Michigan

Studierekorddatoer

Disse datoene sporer fremdriften for innsending av studieposter og sammendragsresultater til ClinicalTrials.gov. Studieposter og rapporterte resultater gjennomgås av National Library of Medicine (NLM) for å sikre at de oppfyller spesifikke kvalitetskontrollstandarder før de legges ut på det offentlige nettstedet.

Studer hoveddatoer

Studiestart (Faktiske)

1. januar 2008

Primær fullføring (Faktiske)

12. juli 2016

Studiet fullført (Faktiske)

12. juli 2016

Datoer for studieregistrering

Først innsendt

24. juli 2008

Først innsendt som oppfylte QC-kriteriene

24. juli 2008

Først lagt ut (Anslag)

28. juli 2008

Oppdateringer av studieposter

Sist oppdatering lagt ut (Faktiske)

21. januar 2020

Siste oppdatering sendt inn som oppfylte QC-kriteriene

16. januar 2020

Sist bekreftet

1. januar 2020

Mer informasjon

Begreper knyttet til denne studien

Andre studie-ID-numre

  • HUM 00003483
  • 5R01CA151443-05 (U.S. NIH-stipend/kontrakt)

Plan for individuelle deltakerdata (IPD)

Planlegger du å dele individuelle deltakerdata (IPD)?

NEI

Denne informasjonen ble hentet direkte fra nettstedet clinicaltrials.gov uten noen endringer. Hvis du har noen forespørsler om å endre, fjerne eller oppdatere studiedetaljene dine, vennligst kontakt register@clinicaltrials.gov. Så snart en endring er implementert på clinicaltrials.gov, vil denne også bli oppdatert automatisk på nettstedet vårt. .

Abonnere