- ICH GCP
- US Clinical Trials Registry
- Klinisk utprøving NCT05651360
Diagnostisk ytelse av lavdose-CT for akutte abdominale tilstander (DETECT_Acute)
Diagnostisk ytelse av bilderekonstruksjon av dyp læring i lavdose-CT for påvisning av akutte abdominale tilstander
Målet med denne ikke-inferioritetsobservasjonsstudien er å vurdere den diagnostiske ytelsen til lavdose-CT med deep learning image reconstruction (DLIR) hos voksne deltakere med akutte abdominale tilstander. Hovedforskningsspørsmålet er:
• Kan lavdose-CT med DLIR oppnå samme diagnostiske ytelse som standard CT for diagnostisering av akutte abdominale tilstander.
Deltakerne vil bli undersøkt med en ekstra lavdose-CT rett etter standard-CT. Deltaker vil være sine egne kontroller.
Studieoversikt
Status
Intervensjon / Behandling
Detaljert beskrivelse
Bakgrunn Computertomografi (CT) har blitt et viktig verktøy i moderne klinisk medisin. Med utbredt tilgjengelighet har en rask økning i bruken av CT-avbildning blitt observert de siste tiårene. Med den tilhørende økningen i strålingseksponering har den potensielle økte risikoen for strålingsindusert malignitet blitt et folkehelseproblem. Dette gjelder spesielt for CT-skanninger av mage og bekken som i dag utgjør 50 % av den samlede CT-dosen. Ettersom fordelen med dosereduksjon generelt oppveies av forringelse av bildekvalitet, etterstrebes teknologiske fremskritt for å redusere stråledose uten å gå på bekostning av bildekvaliteten i klinisk praksis.
I CT-bilderekonstruksjon har filtrert tilbakeprojeksjon (FBP) vært den dominerende bilderekonstruksjonsteknikkalgoritmen siden tidlig på 1970-tallet, supplert med de første kommersielle iterative rekonstruksjons (IR) algoritmene i 2009.
En ny DLIR-algoritme (deep learning image reconstruction) fikk klinisk godkjenning i 2019 (TrueFidelity, GE Healthcare, Milwaukee, WI). Andre leverandørspesifikke algoritmer for bilderekonstruksjon av dyp læring dukker også opp (AiCE, Canon Medical Systems, Otawara, Japan). Som forklart av en teknisk hvitbok, etter å ha blitt opplært med høydose- og lavdose-FBP-datasett på tvers av fantom- og pasienttilfeller, forsøker DLIR-algoritmen å undertrykke bildestøy uten å gå på bekostning av bildekvaliteten. Bruken av bilderekonstruksjon med dyp læring har vist potensial for forbedret bildekvalitet og dosereduksjon uten å endre støytekstur.
For pasienter med akutte abdominale tilstander anses CT av abdomen og bekkenet som den beste første- eller andrelinjediagnostiske tilnærmingen. For disse pasientene er en rask og nøyaktig diagnose av stor betydning for å unngå behandlingsforsinkelse og påfølgende komplikasjoner som gastrointestinal perforasjon ved blindtarmbetennelse eller divertikulitt. På den annen side er det også viktig å unngå unødvendig kirurgisk inngrep og tilhørende komplikasjoner. En mulig lavdose-CT-protokoll må derfor gi en ikke-inferiør diagnostisk ytelse for å lette rask diagnostisering og unngå overbehandling og inkonklusive undersøkelser.
Det er rapportert lovende resultater vedrørende lavdose-CT-undersøkelser med modellbasert IR og dosereduksjon på opptil 75-80 %. Med introduksjonen av DLIR ser det imidlertid ut til at ytterligere dosereduksjon er mulig. Våre egne resultater fra en studie av bildekvalitetsoppfatning med DLIR indikerer at en dosereduksjon på opptil 92,5 % sammenlignet med standard CT kan bevare akseptabel diagnostisk bildekvalitet (ennå upublisert arbeid).
På dette grunnlaget er formålet med denne studien å vurdere den diagnostiske ytelsen til lavdose CT med DLIR for diagnostisering av akutte abdominale tilstander i en non-inferiority-setting med en stor prøvestørrelse levert av to store traumesentre i Nord-Europa.
Mål
Hoved:
For å evaluere den diagnostiske ytelsen for akutte abdominale tilstander med kontrastforsterket lavdose-CT med DLIR "TrueFidelity" (TF) sammenlignet med standard fulldose-CT.
Sekundær:
For å vurdere teknisk og opplevd bildekvalitet (kvalitativt og kvantitativt).
Etikk
Godkjenning vil bli innhentet fra den regionale etiske komiteen og institusjonens personvernombud.
Skriftlig informert samtykke vil bli innhentet fra alle deltakere. Dette prosjektet vil være i samsvar med Helsinki-erklæringen.
Risikoer Minimal risiko eksisterer på grunn av en svak økning i strålingseksponering. Den ekstra stråleeksponeringen på 27,5 % er innenfor den nasjonale variasjonen av stråleeksponering fra CT-undersøkelser utført for tilsvarende kliniske oppgaver. Etterforskerne estimerte den gjennomsnittlige ekstra effektive dosen til 1,5 mSv som tilsvarer ca. 4 måneder med naturlig bakgrunnsstrålingseksponering i Norge (4,1 mSv/år). Den ekstra strålingseksponeringen oversetter til en teoretisk overdreven livstidsrisiko for dødelig strålingsindusert kreft mellom 0,004 - 0,03 %. Den kliniske risikoen ved denne eksponeringen anses å være minimal/ikke signifikant.
Materiale og metoder Studien vil bli registrert på ClinicalTrials.gov før oppstart. Studiemetoder og resultater vil bli rapportert i samsvar med Standards for Reporting of Diagnostic Accuracy Studies (STARD)-erklæringen fra 2015. Det skal bemerkes at STARD-AI-styringsgruppen forbereder en AI-spesifikk utvidelse. Hvis disse STARD-AI-retningslinjene publiseres før studiens slutt, vil funnene også bli rapportert i samsvar med dette. For å kompensere for AI-spesifikke elementer som ikke er adressert i STARD, vil etterforskerne, når det er relevant, stole på Sjekklisten for kunstig intelligens ved medisinsk bildebehandling (CLAIM) som er modellert etter STARD-retningslinjen.
Pilot En studiepilot med 10 pasienter fordelt likt mellom Oslo og Odense vil bli utført for å gi mulighet for testing av studielogistikk og justeringer av stråledosenivået til lavdose-CT.
Undersøkelsesprotokoll / bildediagnostikk Undersøkelser vil bli utført i henhold til lokale rutineprosedyrer og etablerte CT-protokoller (CT-skanner: GE Revolution).
I tillegg til CT med standard undersøkelsesprotokoll vil det bli utført en lavdose CT-skanning som ikke overstiger 30 % stråledose av standard CT. Lavdose CT-bilder vil bli rekonstruert med TF høy. CT med lav dose vil bli utført rett etter standard CT for å unngå skjevhet fra forskjeller i tidspunktet for kontrastfasen.
Sted og lokal studiepopulasjon Studien vil bli utført som en multisenterstudie som involverer Oslo og Odense med prospektiv datainnsamling.
Den estimerte totale studiepopulasjonen vil deles likt mellom de to sykehusene.
Bildeevaluering Lavdose-CT vil ikke brukes til diagnostiske formål eller pasientbehandling. Bildeevaluering og sammenligning vil bli utført atskilt fra klinisk rutinearbeid.
Alle lavdose-CT-undersøkelser vil bli evaluert uavhengig av to fastboende radiologer og av to erfarne radiologer spesialisert i abdominal radiologi med mer enn 10 års erfaring med abdominal CT. Leserne vil bli blindet for all informasjon fra tidligere undersøkelser, den primære CT-rapporten, eventuelle funn fra de andre leserne, all behandlingsrelatert informasjon og for den endelige diagnosen.
De vil ha tilgang til kliniske henvisninger og laboratorietester utført før den opprinnelige CT-undersøkelsen. Bildevurdering vil bli utført i radiologenes kliniske miljø ved hjelp av diagnostiske monitorer.
I utfallsanalysen vil diagnosen for hver pasient fra lavdose-CT sammenlignes med den opprinnelige radiologiske diagnosen basert på fulldose-CT.
For intraleseravtale vil et tilfeldig utvalg fra 10 % av sakene bli presentert to ganger for hver leser.
Teknisk bildekvalitet vurderes ved å plassere regioner av interesse (ROI) i et homogent segment av portvenen, tilstøtende normal leverparenchymaorta, erector spinae-muskler og i det subkutane fettet. Contrast-to-Noise Ratio (CNR) vil bli beregnet.
Opplevd bildekvalitet vil bli vurdert av minst to radiologer på en Likert-skala etter bildekvalitetskriterier basert på de europeiske retningslinjene for bildekvalitet ved abdominal CT.
Statistikk Dedikert statistisk programvare som Stata og SPSS vil bli brukt for analyse av studiedata. Alfa-signifikansnivået settes til 5 % og 95 % konfidensintervaller vil bli brukt. Kappa-statistikk vil bli brukt for inter- og intraleseravtale. Logistisk regresjon vil bli brukt til bildekvalitetsvurdering. Passende parametriske eller ikke-parametriske tester vil bli brukt for evaluering av numeriske variabler. Den diagnostiske ytelsen vil bli definert av arealet under kurven, sensitivitet, spesifisitet, positiv og negativ prediktiv verdi. Signifikante forskjeller i sensitivitet og spesifisitet vil bli bestemt av McNemars test.
Kraftberegning og prøvestørrelse En ikke-inferioritetsstudiedesign vil bli brukt for å vise noninferioritet angående den diagnostiske ytelsen til lavdose-CT sammenlignet med standard CT. Etterforskerne estimerte sensitiviteten til standard CT til 90 %. Prevalensen av akutte abdominale tilstander med en synlig korrelasjon på standard CT er estimert til 70 % blant alle henvisninger som oppfyller inklusjonskriteriene. En non-inferioritetsmargin på 10 % for sensitivitet ble ansett som klinisk akseptabel, dvs. sannsynligheten for positive funn på lavdose-CT ved positiv standard-CT ble antatt å være 90 %.
S_L = Sannsynlighet (positiv lavdose-CT | positiv standard-CT)
0-hypotesen ble definert som:
S_L < 90 %
Den alternative hypotesen ble da definert som:
S_L > 90 % For å identifisere en ensidig forskjell på 6 % (økning) fra non-inferioritetsmarginen med en potens på 80 % og et alfa-signifikansnivå på 5 %, estimerte etterforskerne de nødvendige pasientene med positive CT-funn til n= 116 (binominal fordeling). Det totale antallet nødvendige pasienter ble deretter beregnet til 116/0,7=166.
Studietype
Registrering (Faktiske)
Kontakter og plasseringer
Deltakelseskriterier
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
Tar imot friske frivillige
Prøvetakingsmetode
Studiepopulasjon
Beskrivelse
Inklusjonskriterier:
- Pasienter under utredning for en akutt abdominal tilstand som henvises til CT av abdomen og bekkenet.
- Alder >18 år
- Pasientene skal kunne gi sitt muntlige og skriftlige samtykke til studiedeltakelse.
Ekskluderingskriterier:
- Kontraindikasjoner angående kontrastforsterkede CT-undersøkelser som kjente bivirkninger av jodholdige kontrastmidler eller klaustrofobi.
- Svangerskap.
Studieplan
Hvordan er studiet utformet?
Designdetaljer
- Observasjonsmodeller: Kohort
- Tidsperspektiver: Potensielle
Kohorter og intervensjoner
Gruppe / Kohort |
Intervensjon / Behandling |
|---|---|
|
Magesmerter
Deltakere under utredning for en akutt abdominal tilstand som henvises til CT av abdomen og bekkenet.
|
Lavdose CT-skanning vil bli utført, som ikke overstiger 30 % stråledose av standard CT.
Lavdose CT-bilder vil bli rekonstruert med TrueFidelity high.
Lavdose-CT vil bli utført rett etter standard-CT for å unngå skjevhet fra forskjeller i tidspunktet for kontrastfasen.
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Diagnostic performance of low-dose CT
Tidsramme: 6 to 12 months
|
Diagnostic performance of low-dose CT compared to standard CT according to ICD 10 diagnosis. Diagnostic performance measured in terms of: Sensitivity, derived from mixed-effects logistic regression. |
6 to 12 months
|
Sekundære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Diagnostic performance
Tidsramme: 6 to 12 month
|
Diagnostic performance measured in terms of: Specificity, positive predictive value, negative predictive value, and accuracy derived from mixed-effects logistic regression.
|
6 to 12 month
|
|
Radiation dose
Tidsramme: 6 to 12 months
|
Compare radiation dose; low-dose vs standard CT: Radiation dose measured in terms of DLP and CTDIvol. |
6 to 12 months
|
|
Reading time.
Tidsramme: 6 to 12 month
|
Reading time difference between low-dose CT and standard CT.
|
6 to 12 month
|
|
Perceived image quality
Tidsramme: 6 to 12 months
|
Compare perceived image quality; low-dose vs standard CT: Perceived image quality scored on a ordinal, 5-point Likert scale (at least two readers). |
6 to 12 months
|
|
Image quality - noise
Tidsramme: 6 to 12 months
|
Compare technical image quality; low-dose vs standard CT: Image noise in terms of standard deviation within a region of interest (ROI); numerical as Hounsfield unit (HU), several points of measurement. |
6 to 12 months
|
|
Image quality - contrast-to-noise ratio
Tidsramme: 6 to 12 months
|
Compare technical image quality; low-dose vs standard CT: Contrast-to-noise ratio; numerical, several points of measurement. Calculated according to: CNR=(│〖HU〗_Kidney - 〖HU〗_(Water )│)/√((〖SD〗_Kidney 2 + 〖SD〗_Water 2 )/2) |
6 to 12 months
|
|
Diagnoses
Tidsramme: 6 to 12 months
|
Descriptive exploration of diagnoses among patients referred to CT examinations; diagnoses according to ICD 10.
|
6 to 12 months
|
Samarbeidspartnere og etterforskere
Sponsor
Samarbeidspartnere
Etterforskere
- Hovedetterforsker: Anselm Schulz, PhD, Oslo University Hospital
Publikasjoner og nyttige lenker
Generelle publikasjoner
- Berrington de Gonzalez A, Mahesh M, Kim KP, Bhargavan M, Lewis R, Mettler F, Land C. Projected cancer risks from computed tomographic scans performed in the United States in 2007. Arch Intern Med. 2009 Dec 14;169(22):2071-7. doi: 10.1001/archinternmed.2009.440.
- Brenner DJ, Hall EJ. Computed tomography--an increasing source of radiation exposure. N Engl J Med. 2007 Nov 29;357(22):2277-84. doi: 10.1056/NEJMra072149. No abstract available.
- Novelline RA, Rhea JT, Rao PM, Stuk JL. Helical CT in emergency radiology. Radiology. 1999 Nov;213(2):321-39. doi: 10.1148/radiology.213.2.r99nv01321.
- OECD. Computed tomography (CT) exams. 2018.
- Mettler FA Jr, Thomadsen BR, Bhargavan M, Gilley DB, Gray JE, Lipoti JA, McCrohan J, Yoshizumi TT, Mahesh M. Medical radiation exposure in the U.S. in 2006: preliminary results. Health Phys. 2008 Nov;95(5):502-7. doi: 10.1097/01.HP.0000326333.42287.a2.
- Pan X, Sidky EY, Vannier M. Why do commercial CT scanners still employ traditional, filtered back-projection for image reconstruction? Inverse Probl. 2009 Jan 1;25(12):1230009. doi: 10.1088/0266-5611/25/12/123009.
- Beister M, Kolditz D, Kalender WA. Iterative reconstruction methods in X-ray CT. Phys Med. 2012 Apr;28(2):94-108. doi: 10.1016/j.ejmp.2012.01.003. Epub 2012 Feb 10.
- Hsieh JL, E.; Nett, B.; Tang, J.; Thibault JB.; Sahney, S. A new era of image reconstruction: TrueFidelity. Technical white paper on deep learning image reconstruction. 2019.
- Jensen CT, Liu X, Tamm EP, Chandler AG, Sun J, Morani AC, Javadi S, Wagner-Bartak NA. Image Quality Assessment of Abdominal CT by Use of New Deep Learning Image Reconstruction: Initial Experience. AJR Am J Roentgenol. 2020 Jul;215(1):50-57. doi: 10.2214/AJR.19.22332. Epub 2020 Apr 14.
- Njolstad T, Schulz A, Godt JC, Brogger HM, Johansen CK, Andersen HK, Martinsen ACT. Improved image quality in abdominal computed tomography reconstructed with a novel Deep Learning Image Reconstruction technique - initial clinical experience. Acta Radiol Open. 2021 Apr 9;10(4):20584601211008391. doi: 10.1177/20584601211008391. eCollection 2021 Apr.
- Solomon J, Lyu P, Marin D, Samei E. Noise and spatial resolution properties of a commercially available deep learning-based CT reconstruction algorithm. Med Phys. 2020 Sep;47(9):3961-3971. doi: 10.1002/mp.14319. Epub 2020 Jul 6.
- Greffier J, Hamard A, Pereira F, Barrau C, Pasquier H, Beregi JP, Frandon J. Image quality and dose reduction opportunity of deep learning image reconstruction algorithm for CT: a phantom study. Eur Radiol. 2020 Jul;30(7):3951-3959. doi: 10.1007/s00330-020-06724-w. Epub 2020 Feb 25.
- Brady SL, Trout AT, Somasundaram E, Anton CG, Li Y, Dillman JR. Improving Image Quality and Reducing Radiation Dose for Pediatric CT by Using Deep Learning Reconstruction. Radiology. 2021 Jan;298(1):180-188. doi: 10.1148/radiol.2020202317. Epub 2020 Nov 17.
- Larson DB, Johnson LW, Schnell BM, Salisbury SR, Forman HP. National trends in CT use in the emergency department: 1995-2007. Radiology. 2011 Jan;258(1):164-73. doi: 10.1148/radiol.10100640. Epub 2010 Nov 29.
- Rud B, Vejborg TS, Rappeport ED, Reitsma JB, Wille-Jorgensen P. Computed tomography for diagnosis of acute appendicitis in adults. Cochrane Database Syst Rev. 2019 Nov 19;2019(11):CD009977. doi: 10.1002/14651858.CD009977.pub2.
- Kabir SA, Kabir SI, Sun R, Jafferbhoy S, Karim A. How to diagnose an acutely inflamed appendix; a systematic review of the latest evidence. Int J Surg. 2017 Apr;40:155-162. doi: 10.1016/j.ijsu.2017.03.013. Epub 2017 Mar 6.
- Moloney F, James K, Twomey M, Ryan D, Grey TM, Downes A, Kavanagh RG, Moore N, Murphy MJ, Bye J, Carey BW, McSweeney SE, Deasy C, Andrews E, Shanahan F, Maher MM, O'Connor OJ. Low-dose CT imaging of the acute abdomen using model-based iterative reconstruction: a prospective study. Emerg Radiol. 2019 Apr;26(2):169-177. doi: 10.1007/s10140-018-1658-z. Epub 2018 Nov 17.
- Poletti PA, Becker M, Becker CD, Halfon Poletti A, Rutschmann OT, Zaidi H, Perneger T, Platon A. Emergency assessment of patients with acute abdominal pain using low-dose CT with iterative reconstruction: a comparative study. Eur Radiol. 2017 Aug;27(8):3300-3309. doi: 10.1007/s00330-016-4712-9. Epub 2017 Jan 12.
- Widmark A. Diagnostic reference level (DRL) in Norway 2017. Results, revision:and establishment of new DRL.NRPA Report 2018:3. Norwegian Radiation Protection Authority, Østerås 2018.
- Komperød M, Rudjord AL, Skuterud L, Dyve JE. Radiation Doses from the Environment. Calculations of the Public's Exposure to Radiation from the Environment in Norway. Strålevern Rapport 2015:11 Østerås: Norwegian Radiation Protection Authority 2015.
- Bossuyt PM, Reitsma JB, Bruns DE, Gatsonis CA, Glasziou PP, Irwig L, Lijmer JG, Moher D, Rennie D, de Vet HC, Kressel HY, Rifai N, Golub RM, Altman DG, Hooft L, Korevaar DA, Cohen JF; STARD Group. STARD 2015: An Updated List of Essential Items for Reporting Diagnostic Accuracy Studies. Radiology. 2015 Dec;277(3):826-32. doi: 10.1148/radiol.2015151516. Epub 2015 Oct 28.
- Sounderajah V, Ashrafian H, Golub RM, Shetty S, De Fauw J, Hooft L, Moons K, Collins G, Moher D, Bossuyt PM, Darzi A, Karthikesalingam A, Denniston AK, Mateen BA, Ting D, Treanor D, King D, Greaves F, Godwin J, Pearson-Stuttard J, Harling L, McInnes M, Rifai N, Tomasev N, Normahani P, Whiting P, Aggarwal R, Vollmer S, Markar SR, Panch T, Liu X; STARD-AI Steering Committee. Developing a reporting guideline for artificial intelligence-centred diagnostic test accuracy studies: the STARD-AI protocol. BMJ Open. 2021 Jun 28;11(6):e047709. doi: 10.1136/bmjopen-2020-047709.
- Mongan J, Moy L, Kahn CE Jr. Checklist for Artificial Intelligence in Medical Imaging (CLAIM): A Guide for Authors and Reviewers. Radiol Artif Intell. 2020 Mar 25;2(2):e200029. doi: 10.1148/ryai.2020200029. eCollection 2020 Mar. No abstract available.
- Report EUR 16262 EN. European guidelines on quality criteria for computed tomography. 2000.
- Ahn S, Park SH, Lee KH. How to demonstrate similarity by using noninferiority and equivalence statistical testing in radiology research. Radiology. 2013 May;267(2):328-38. doi: 10.1148/radiol.12120725.
- Eng KA, Abadeh A, Ligocki C, Lee YK, Moineddin R, Adams-Webber T, Schuh S, Doria AS. Acute Appendicitis: A Meta-Analysis of the Diagnostic Accuracy of US, CT, and MRI as Second-Line Imaging Tests after an Initial US. Radiology. 2018 Sep;288(3):717-727. doi: 10.1148/radiol.2018180318. Epub 2018 Jun 19.
- Expert Panel on Gastrointestinal Imaging:; Garcia EM, Camacho MA, Karolyi DR, Kim DH, Cash BD, Chang KJ, Feig BW, Fowler KJ, Kambadakone AR, Lambert DL, Levy AD, Marin D, Moreno C, Peterson CM, Scheirey CD, Siegel A, Smith MP, Weinstein S, Carucci LR. ACR Appropriateness Criteria(R) Right Lower Quadrant Pain-Suspected Appendicitis. J Am Coll Radiol. 2018 Nov;15(11S):S373-S387. doi: 10.1016/j.jacr.2018.09.033.
- Expert Panel on Gastrointestinal Imaging:; Peterson CM, McNamara MM, Kamel IR, Al-Refaie WB, Arif-Tiwari H, Cash BD, Chernyak V, Goldstein A, Grajo JR, Hindman NM, Horowitz JM, Noto RB, Porter KK, Srivastava PK, Zaheer A, Carucci LR. ACR Appropriateness Criteria(R) Right Upper Quadrant Pain. J Am Coll Radiol. 2019 May;16(5S):S235-S243. doi: 10.1016/j.jacr.2019.02.013.
- Akagi M, Nakamura Y, Higaki T, Narita K, Honda Y, Zhou J, Yu Z, Akino N, Awai K. Deep learning reconstruction improves image quality of abdominal ultra-high-resolution CT. Eur Radiol. 2019 Nov;29(11):6163-6171. doi: 10.1007/s00330-019-06170-3. Epub 2019 Apr 11.
Studierekorddatoer
Studer hoveddatoer
Studiestart (Faktiske)
Primær fullføring (Faktiske)
Studiet fullført (Faktiske)
Datoer for studieregistrering
Først innsendt
Først innsendt som oppfylte QC-kriteriene
Først lagt ut (Faktiske)
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
- Smerte
- Nevrologiske manifestasjoner
- Patologiske prosesser
- Tegn og symptomer, fordøyelseskanal
- Tarmsykdommer
- Infeksjoner
- Sykdommer i fordøyelsessystemet
- Gastrointestinale sykdommer
- Pankreassykdommer
- Galleveissykdommer
- Gastroenteritt
- Galleblæren sykdommer
- Cecal sykdommer
- Intraabdominale infeksjoner
- Patologiske tilstander, tegn og symptomer
- Tegn og symptomer
- Kolecystitt
- Magesmerter
- Pankreatitt
- Sykdom
- Akutt smerte
- Kolecystitt, akutt
- Blindtarmbetennelse
Andre studie-ID-numre
- PVO ref. 22/11840
- 22/11840 (Annen identifikator: Data protection officer at Oslo University Hospital)
- 468490 (Annen identifikator: Regional Comittees for Medical Research Ethics South East)
Plan for individuelle deltakerdata (IPD)
Planlegger du å dele individuelle deltakerdata (IPD)?
IPD-planbeskrivelse
Legemiddel- og utstyrsinformasjon, studiedokumenter
Studerer et amerikansk FDA-regulert medikamentprodukt
Studerer et amerikansk FDA-regulert enhetsprodukt
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. .