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

SVP-deteksjon ved hjelp av maskinlæring (SVP-ML)

5. mars 2024 oppdatert av: King's College London

Automatisert deteksjon av spontane venøse pulsasjoner i Fundal-videoer ved hjelp av maskinlæring

Denne diagnostiske studien vil bruke 410 retrospektivt fangede grunnleggende videoer for å utvikle ML-systemer som oppdager SVP-er og kvantifiserer ICP. Grunnsannheten vil bli generert fra kommentarer fra to uavhengige, maskerte klinikere, med voldgift av en oftalmologisk konsulent i tilfeller av uenighet.

Studieoversikt

Status

Aktiv, ikke rekrutterende

Forhold

Intervensjon / Behandling

Studietype

Observasjonsmessig

Registrering (Antatt)

210

Kontakter og plasseringer

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

Studiekontakt

Studiesteder

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

18 år og eldre (Voksen, Eldre voksen)

Tar imot friske frivillige

Ja

Prøvetakingsmetode

Ikke-sannsynlighetsprøve

Studiepopulasjon

Pasienter i alderen ≥18 år med antatt normal ICP eller mistenkt forhøyet ICP

Beskrivelse

Inklusjonskriterier:

  • Pasienter i alderen ≥18 år med antatt normal ICP som gjennomgår rutinemessige dilaterte OCT-skanninger.
  • Pasienter som gjennomgår en LP eller kontinuerlig ICP-overvåking med implanterte transkranielle trykktransduserenheter ved nevrologi-, nevrokirurgi- eller nevro-oftalmologiske tjenester.

Ekskluderingskriterier:

  • Glaukomdiagnose eller glaukommistenkte i begge øynene.
  • Bilateral begrenset fundal view, f.eks. avansert bilateral grå stær.
  • Bilateral retinal vene eller arterieokkklusjon.

Studieplan

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

Hvordan er studiet utformet?

Designdetaljer

Kohorter og intervensjoner

Gruppe / Kohort
Intervensjon / Behandling
Pasienter i alderen ≥18 år med antatt normalt intrakranielt trykk
Diagnostisk test: Maskinlæringsmodell
Automatisert maskinlæringssystem for deteksjon av spontane venøse pulsasjoner og kvantifisering av intrakranielt trykk
Pasienter i alderen ≥18 år med mistanke om økt intrakranielt trykk
Diagnostisk test: Maskinlæringsmodell
Automatisert maskinlæringssystem for deteksjon av spontane venøse pulsasjoner og kvantifisering av intrakranielt trykk

Hva måler studien?

Primære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Område-under-mottakerens driftskarakteristikk (AUROC) for deteksjon av spontan venøs pulsering
Tidsramme: 1 år
Binær klassifiseringsytelse for maskinlæringsmodellen
1 år

Sekundære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Lokalisering av spontane venøse pulsasjoner
Tidsramme: 1 år
Begrensningsrammeoverlapping for maskinlæringsmodellen
1 år
Kvantifisering av intrakranielt trykk
Tidsramme: 1 år
Gjennomsnittlig absolutt feil for prediksjonen av det intrakraniale trykket
1 år

Samarbeidspartnere og etterforskere

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

Sponsor

King's College London

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. mars 2023

Primær fullføring (Antatt)

1. november 2024

Studiet fullført (Antatt)

1. november 2024

Datoer for studieregistrering

Først innsendt

30. januar 2023

Først innsendt som oppfylte QC-kriteriene

7. februar 2023

Først lagt ut (Faktiske)

16. februar 2023

Oppdateringer av studieposter

Sist oppdatering lagt ut (Antatt)

6. mars 2024

Siste oppdatering sendt inn som oppfylte QC-kriteriene

5. mars 2024

Sist bekreftet

1. mars 2024

Mer informasjon

Begreper knyttet til denne studien

Ytterligere relevante MeSH-vilkår

Andre studie-ID-numre

  • 1.0

Plan for individuelle deltakerdata (IPD)

Planlegger du å dele individuelle deltakerdata (IPD)?

JA

IPD-planbeskrivelse

Dataene vil bli delt, der det er mulig, gjennom en datadelingsavtale med begrenset tilgang, i tråd med KCLs datastyringskrav.

IPD-delingstidsramme

Innen 12 måneder etter fullført studie

Tilgangskriterier for IPD-deling

Datadelingsavtale og datastyring

IPD-deling Støtteinformasjonstype

  • STUDY_PROTOCOL

Legemiddel- og utstyrsinformasjon, studiedokumenter

Studerer et amerikansk FDA-regulert medikamentprodukt

Nei

Studerer et amerikansk FDA-regulert enhetsprodukt

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. .

Kliniske studier på Maskinlæringsmodell

Søk i lignende forsøk

Sponsorer og samarbeidspartnere

Medisinsk tilstand

Legemiddelintervensjoner

CROs by country

CROs in Bahamas

Forhold

Sjeldne sykdommer

Legemiddelintervensjoner

Kosttilskudd

Sponsor / samarbeidspartnere

Steder

3
Abonnere