- ICH GCP
- US Clinical Trials Registry
- Klinisk utprøving NCT05984901
CAVA Multisenter Svimmelhetsprøve (CAVA 2)
Kontinuerlig ambulatorisk vestibulær vurdering (CAVA): Utvikling av et system for å gi en automatisk diagnose for vestibulære tilstander
CAVA-forsøket er en multisenterforsøk med diagnostisk nøyaktighet som tar sikte på å kvantifisere i hvilken grad CAVA-systemet kan skille mellom tre vanlige årsaker til svimmelhet i det indre øret: Ménières sykdom, vestibulær migrene og benign paroksysmal stillingsvertigo (BPPV).
CAVA-enheten består av to komponenter: et sett med skreddersydde engangssensorer som fester seg til venstre og høyre side av deltakerens ansikt; og en liten gjenbrukbar modul som passer over øret som inneholder et batteri, datalagring for mikrodatamaskinen og tilkoblingsporter for arrayene. CAVA-enheten vil bli brukt av alle deltakere i 30 dager med sikte på å fange øyebevegelsesdata under et svimmelanfall.
Det første målet er å utvikle en algoritme som kan skille mellom de tre oppførte svimmelhetstilstandene. Den andre er å kvantifisere de økonomiske og pasientmessige fordelene ved utplassering i NHS. Det endelige målet er å fremskynde en plan for å distribuere systemet i NHS.
Studieoversikt
Status
Intervensjon / Behandling
Detaljert beskrivelse
Dette er en multisenter diagnostisk nøyaktighetsstudie med et rekrutteringsmål på 255 voksne deltakere. Rekruttering vil finne sted på tvers av ti steder i Storbritannia, over to år. For å være kvalifisert må deltakerne ha en eksisterende diagnose av Ménières sykdom, vestibulær migrene eller BPPV. Studien vil rekruttere åttifem deltakere med hver tilstand. Hver pasients diagnose vil danne «referansestandarden» som senere skal sammenlignes med en automatisert datadiagnose.
Hver deltaker vil bruke CAVA-enheten nesten kontinuerlig i tretti dager. Enheten vil registrere alle øye- og hodebevegelser i løpet av denne tiden, inkludert under alle episoder med vertigo. Når en pasient opplever en episode med svimmelhet, vil de bli bedt om å aktivere en hendelsesmarkør på CAVA-enheten og føre en skriftlig oversikt over angrepsstart og varighet i en dagbok. Selv om denne manuelle loggingen ikke er avhengig av algoritmeutvikling, vil hele 30 dager med data bli brukt til å oppdage perioder med øyebevegelser forbundet med svimmelhet.
Etterforskerne vil utvikle datamaskinalgoritmer som bruker dataene som fanges opp av CAVA-enhetene for å skille mellom tre måltilstander. Disse algoritmene vil bygge på algoritmene som har blitt utviklet under den nåværende MRC-bevilgningen som har gitt utmerkede resultater.10,11,17. Algoritmene bruker deep learning neurale nettverk (DNN) i en såkalt 'ende-til-ende'-tilnærming. I denne tilnærmingen tar et flerlagsnettverk som input 'rå' tidsdomenedata og sender ut en klassifiseringsbeslutning uten å bruke noen eksplisitte mellomrepresentasjoner av signalet (som signalentropi, kraft, skjevhet, kurtose osv.). End-to-end-tilnærminger, som vanligvis bruker alternerende sekvenser av konvolusjon og sammenslåing av lag, fullt tilkoblede lag, auto-kodere og langtidskorttidsminne (LSTM) lag, har vist seg å overgå tradisjonelle tilnærminger i tilfeller der store mengder trening data er tilgjengelig. De gir imidlertid lite innsikt i hvordan de fungerer (dvs. hvilke funksjoner i signalet som er viktige for klassifisering). Det vil derfor også vurderes å utvikle metoder der mellomrepresentasjoner genereres og deretter bruke disse inputfunksjonene til å teste en rekke klassifikatorer (f.eks. boostede trær, tilfeldige skoger, logistisk regresjon, støttevektormaskiner etc.).
Ytelsen til algoritmene vil bli vurdert ved å bruke "leave-one-out cross-validation"-teknikken, som er den vanlige måten å evaluere klassifikatorer på.22 I denne teknikken blir dataene fra en enkelt pasient satt til side, og de resterende dataene fra de andre pasientene brukes til å 'trene' klassifisereren. Det vil bli referert til en algoritme som er opplært til å skille de tre forholdene som en "klassifiserer". Klassifisereren testes deretter på avsatt data: testprosessen består i å sammenligne klassifisererens forutsagte diagnose ('Ménières sykdom', 'vestibulær migrene' eller 'BPPV') med den sanne diagnosen (referansestandardetiketten). Denne prosessen gjentas, og fjerner en annen pasients data hver gang, og produserer en automatisert diagnose for alle 255 pasienter. Selv om det er beregningsmessig dyrt, sikrer dette at klassifisereren ikke har "sett" under treningen av dataene fra pasienten den tester, noe som ville påvirke avgjørelsen. Det samsvarer også nøye med scenariet i den virkelige verden med en ny pasient som presenteres for sin kliniker og en diagnose blir gitt på grunnlag av deres erfaring fra andre pasienter.
Studien vil presentere sensitiviteten og spesifisiteten for diagnostisering av hver av de tre måltilstandene og Receiver Operator Curves (ROCs), som viser hvordan den diagnostiske nøyaktigheten endres for ulike klassifiseringsterskler.
Målforholdene har ulik forekomst. Å reflektere denne ubalansen i denne studiens statistiske beregninger vil kreve mange tusen pasienter med de vanligste av disse tilstandene. Det antas at dette ikke ville være økonomisk lønnsomt og ikke ville gi verdi til studien. Resultatene som oppnås vil være tilstrekkelig robuste til å demonstrere systemets effektivitet og forventet påvisningshastighet for hver sykdom.
En helseøkonom (HE) vil vurdere de potensielle ressursene, økonomiske besparelsene og pasientfordelene ved en diagnostisk vei som inneholder CAVA sammenlignet med eksisterende veier. Studiedesignet sikrer at passende datainnsamling er integrert i studien for den økonomiske evalueringen. En tidlig kostnadseffektivitetsmodell vil bli utviklet ved bruk av retrospektive pasientdata (f.eks. historie, antall tester og sykehusbesøk). Modellen vil avsløre potensielle besparelser og fordeler ved CAVAs prediktive algoritmer ved ulike hypotetiske terskler for diagnostisk nøyaktighet versus en standard diagnostisk vei. En kontrafaktisk vei for diagnose med CAVA-enheten vil bli utviklet mot standarden for vanlig behandling for øyeblikket, for å informere om de mest sannsynlige potensielle økonomiske fordelene.
En kommersialiseringskonsulent vil føre tilsyn med en portefølje av arbeid for å støtte kommersialiseringen av CAVA-systemet. De vil produsere en markedstilgangsplan som beskriver CAVAs rute til kommersialisering og bekrefter CAVAs plassering innenfor eksisterende NHS-veier og hvordan den vil bli implementert. Etterforskerne vil bygge på det tidligere fokusgruppearbeidet med et interessentarrangement som involverer fagpersoner, pasienter og IT-interessenter fra NHS-organisasjoner. Etterforskerne vil identifisere problemene som er viktige for interessenter angående gjennomførbarheten av adopsjon innen NHS og vil etablere støtte for adopsjon. Et PPI-arrangement vil bli arrangert for å gjennomgå de midlertidige funnene fra forsøket og et offentlig formidlingsarrangement for å dele funnene med publikum. Gjennom hele prosjektet vil potensielle lisenser bli engasjert.
Studietype
Registrering (Antatt)
Fase
- Ikke aktuelt
Kontakter og plasseringer
Studiekontakt
- Navn: John Phillips, PhD
- Telefonnummer: x5283 (+44)01379 788320
- E-post: john.phillips@nnuh.nhs.uk
Studer Kontakt Backup
- Navn: Juliet High
- Telefonnummer: +44 (0)1603 59 1708
- E-post: j.high@uea.ac.uk
Studiesteder
-
-
Norfolk
-
Norwich, Norfolk, Storbritannia, NR4 7UY
- Rekruttering
- Norfolk and Norwich University Hospitals Foundation Trust
-
Hovedetterforsker:
- John Phillips, PhD
-
Ta kontakt med:
- John Phillips, PhD
- E-post: john.phillips@nnuh.nhs.uk
-
-
Deltakelseskriterier
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
- Voksen
- Eldre voksen
Tar imot friske frivillige
Beskrivelse
Inklusjonskriterier:
- Alder 18 og over
- Må ha relevant indeks medisinsk tilstand: Ménières sykdom, vestibulær migrene, bakre kanal Benign Paroksysmal Posisjonell Vertigo (se avsnitt 6.3.1.2 for spesifikke kriterier)
- Opplever episoder med ekte vertigo med minst 2 episoder i løpet av de foregående 4 ukene ved tidspunktet for samtykke
- Varigheten og arten av svimmelheten er av en varighet og en art som støtter den relevante medisinske indekstilstanden
- Eier og kan bruke telefon
- Villig til å gi informert samtykke
- Villig til å overholde studieprotokollen for bruk av CAVA-enheten
- Villig til å fullføre alt studiemateriell
- Tilstrekkelig forståelse av det engelske språket eller språket som brukes i en eksisterende oversatt versjon av skjemaet for informert samtykke og pasientinformasjonsarket, og hvor sykehusoversettere er tilgjengelige for å gi støtte
Ekskluderingskriterier:
- Har allergi mot plaster og/eller medisinsk lim
- Bevis på dermatitt, skjør hud eller annen tilstand som kan forverres ved gjentatt påføring av hudoverflatelim
- Gravide eller ammende mødre
- Bilateral eller annen side Ménières sykdom
- Aktiv bilateral eller andre side bakre kanal Benign Paroksysmal Posisjonell Vertigo
- For tiden registrert på en intervensjonsforsøk (ikke inkludert spørreskjemabasert eller observasjonsstudie)
- Pasienter som oppfyller diagnostiske kriterier for mer enn én kvalifisert tilstand på tidspunktet for rekruttering
Studieplan
Hvordan er studiet utformet?
Designdetaljer
- Primært formål: Diagnostisk
- Tildeling: N/A
- Intervensjonsmodell: Enkeltgruppeoppdrag
- Masking: Ingen (Open Label)
Våpen og intervensjoner
Deltakergruppe / Arm |
Intervensjon / Behandling |
---|---|
Annen: CAVA multisenter svimmelhetsprøve (CAVA2)
CAVA 2 er en enarmsstudie som tester en diagnostisk enhet for å diagnostisere forskjellige indre øretilstander vurdert ved å beregne verdier for sensitivitet og spesifisitet.
Hode- og øyebevegelser registrert av CAVA-enheten vil gjøre det mulig for datamaskinalgoritmene (som skal utvikles) å skille mellom de tre målforholdene.
|
CAVA-forsøket er en multisenterforsøk med diagnostisk nøyaktighet som tar sikte på å kvantifisere i hvilken grad CAVA-systemet kan skille mellom tre vanlige årsaker til svimmelhet i det indre øret: Ménières sykdom, vestibulær migrene og benign paroksysmal stillingsvertigo (BPPV). CAVA-enheten består av to komponenter: et sett med skreddersydde engangssensorer som fester seg til venstre og høyre side av deltakerens ansikt; og en liten gjenbrukbar modul som passer over øret som inneholder et batteri, datalagring for mikrodatamaskinen og tilkoblingsporter for arrayene. CAVA-enheten vil bli brukt av alle deltakere i 30 dager med sikte på å fange øyebevegelsesdata under et svimmelanfall. Det første målet er å utvikle en algoritme som kan skille mellom de tre oppførte svimmelhetstilstandene. Den andre er å kvantifisere de økonomiske og pasientmessige fordelene ved utplassering i NHS. Det endelige målet er å fremskynde en plan for å distribuere systemet i NHS. |
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
---|---|---|
Suksess for en diagnostisk enhet for å diagnostisere forskjellige indre øretilstander
Tidsramme: 30 dager
|
Det primære resultatet er suksessen til en diagnostisk enhet for å diagnostisere forskjellige indre øretilstander vurdert ved å beregne verdier for sensitivitet og spesifisitet. Hode- og øyebevegelser registrert av CAVA-enheten vil gjøre det mulig for datamaskinalgoritmene (som skal utvikles) å skille mellom de tre målforholdene. Etterforskerne vil utvikle datamaskinalgoritmer som bruker dataene som fanges opp av CAVA-enhetene for å skille mellom de tre målforholdene. Algoritmene bruker deep learning neurale nettverk (DNN) i en såkalt 'ende-til-ende'-tilnærming. I denne tilnærmingen tar et flerlagsnettverk som input 'rå' tidsdomenedata og sender ut en klassifiseringsavgjørelse uten å bruke noen eksplisitte mellomrepresentasjoner av signalet (som signalentropi, kraft, skjevhet, kurtosis osv.) |
30 dager
|
Sekundære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
---|---|---|
Helseøkonomiske data
Tidsramme: 30 dager
|
Helseøkonomiske data vil informere om analyse av potensielle økonomiske og pasientmessige fordeler ved en diagnostisk vei som inkluderer CAVA-systemet sammenlignet med eksisterende veier. En tidlig kostnadseffektivitetsmodell vil bli utviklet ved bruk av retrospektive pasientdata. Dataene vil bli brukt til å estimere hyppigheten av sannsynlig NHS-ressursbruk av pasienter under observasjon med en av de tre diagnosene, for å bestemme de sannsynlige kostnadene og helserelaterte livskvalitetseffektene for hver. Den vil også bli brukt til å vurdere utbredelsen av fri fra arbeid (produktivitet), redusert produktivitet og redusere ulønnede aktiviteter som frivillighet, omsorg etc. samt innsikt i førtidspensjonering eller endringer i yrke etc. |
30 dager
|
Samarbeidspartnere og etterforskere
Samarbeidspartnere
Etterforskere
- Hovedetterforsker: John Phillips, PhD, Consultant ENT Surgeon
Studierekorddatoer
Studer hoveddatoer
Studiestart (Faktiske)
Primær fullføring (Antatt)
Studiet fullført (Antatt)
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
Andre studie-ID-numre
- IRAS: 317899
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. .
Kliniske studier på Det kontinuerlige ambulatoriske vestibulære vurderingssystemet (CAVA).
-
University Medical Centre LjubljanaUniversity of Ljubljana, Faculty of Medicine; National Institute of Chemistry... og andre samarbeidspartnereFullførtCTNNB1-genmutasjonSlovenia, Australia