- ICH GCP
- US Clinical Trials Registry
- Klinisk utprøving NCT02227381
Aksjonsmedisinsk forskning
Bruk av ny genetisk teknologi for å diagnostisere nevroutviklingsforstyrrelser
Læringsvansker rammer 3 % av befolkningen. Alvorlige typer lærevansker har større sannsynlighet for å ha en underliggende genetisk årsak, men diagnose er vanskelig fordi mange forskjellige genetiske abnormiteter kan være involvert. Å få en diagnose er viktig slik at pasienter kan behandles på riktig måte og deres familier kan gis nøyaktig informasjon.
Vi tar sikte på å bruke nye typer genetisk testing som vil gjøre det mulig å screene for flere ulike genetiske avvik som forårsaker lærevansker samtidig, slik at nøyaktigheten og hastigheten på diagnosen blir bedre i gruppen pasienter med alvorlig lærevansker. Vi vil fokusere spesielt på pasienter der anfall og atferdsproblemer også er tilstede. Dette vil gjøre det mulig for flere pasienter å bli nøyaktig diagnostisert, redusere antall sykehusavtaler som trengs og til slutt være mer kostnadseffektivt.
Studieoversikt
Status
Forhold
Studietype
Registrering (Faktiske)
Kontakter og plasseringer
Studiesteder
-
-
-
Manchester, Storbritannia, M13 9WL
- Central Manchester University Hospitals Nhs Foundation Trust
-
-
Deltakelseskriterier
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
- Barn
- Voksen
- Eldre voksen
Tar imot friske frivillige
Kjønn som er kvalifisert for studier
Prøvetakingsmetode
Studiepopulasjon
Beskrivelse
Inklusjonskriterier:
- Personer med alvorlig lærevansker assosiert med enten anfall, bevegelses- eller atferdsproblemer som tidligere hadde gjennomgått rutineundersøkelser, men hvor det ikke var identifisert noen årsak til problemene deres
Ekskluderingskriterier:
- Personer med SLD der årsaken allerede er kjent
- Personer der informert samtykke ikke kan innhentes for deltakelse
Studieplan
Hvordan er studiet utformet?
Designdetaljer
Kohorter og intervensjoner
Gruppe / Kohort |
---|
Microarray / NGS test
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
---|---|---|
Genetisk abnormitet identifisert av mikroarray eller Next Generation Sequencing
Tidsramme: inntil 6 måneder etter samtykke
|
Avvik identifisert etter testresultater, den normale tidsrammen for dette er opptil 6 måneder etter innsamling av blodprøve.
|
inntil 6 måneder etter samtykke
|
Sekundære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
---|---|---|
Kostnadseffektivitet vs normal pleie
Tidsramme: Ved slutten av studien (desember 2014)
|
Denne analysen vil bli utført for alle deltakere etter avsluttet rekruttering og oppfølging, og vil være fullført når studien avsluttes.
|
Ved slutten av studien (desember 2014)
|
Samarbeidspartnere og etterforskere
Etterforskere
- Hovedetterforsker: Jill Clayton Smith, MB ChB FRCP MD, CMFT
Studierekorddatoer
Studer hoveddatoer
Studiestart
Primær fullføring (Faktiske)
Studiet fullført (Faktiske)
Datoer for studieregistrering
Først innsendt
Først innsendt som oppfylte QC-kriteriene
Først lagt ut (Anslag)
Oppdateringer av studieposter
Sist oppdatering lagt ut (Faktiske)
Siste oppdatering sendt inn som oppfylte QC-kriteriene
Sist bekreftet
Mer informasjon
Begreper knyttet til denne studien
Ytterligere relevante MeSH-vilkår
Andre studie-ID-numre
- 10/H1003/98
- SP4555 (Annet stipend/finansieringsnummer: Action Medical Research)
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. .
Kliniske studier på Lærevansker
-
Hao TangRekruttering
-
Qianfoshan HospitalHar ikke rekruttert ennå
-
Democritus University of ThraceUniversity of ThessalyFullførtDeep Learning | BlinkerHellas
-
RenJi HospitalHar ikke rekruttert ennåDeep Learning, Lumbal Magnetic Resonance Imaging
-
Peking University People's HospitalHar ikke rekruttert ennåUltralyd | Deep Learning | Fremre talofibulære ligamentKina
-
Peking University People's HospitalAktiv, ikke rekrutterendeUltralyd | Deep Learning | Fremre talofibulære ligamentKina
-
Hai LvHar ikke rekruttert ennåFasett ledd; Degenerasjon ; Deep Learning; Kunstig intelligens
-
Sun Yat-sen UniversityRekrutteringDeep Learning | 3D-reconstruction | Patient Privacy | Digital MedicineKina
-
Beijing Tongren HospitalBeijing Tulip Partner Technology Co., Ltd, ChinaUkjent
-
Seoul National University HospitalGE HealthcareAktiv, ikke rekrutterendeLeversykdommer | Magnetisk resonansavbildning | Deep LearningKorea, Republikken