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

Anvendelse av maskinlæringsmodeller for å redusere behovet for diagnostisk EUS eller MRCP hos pasienter med middels sannsynlighet for koledokolithiasis

4. januar 2026 oppdatert av: Asian Institute of Gastroenterology, India

Anvendelse av maskinlæringsmodeller for å redusere behovet for diagnostisk EUS eller MRCP hos pasienter med middels sannsynlighet for koledokolithiasis – en prospektiv, åpen etikett, diagnostisk studie

Forutsigende modell for maskinlæring kan hjelpe til med å stratifisere heterogen mellomliggende sannsynlighetsgruppe for å redusere behovet for EUS eller MRCP i utvalgte undergrupper av pasienter.

Studieoversikt

Status

Rekruttering

Forhold

Detaljert beskrivelse

De gjeldende retningslinjene for mistanke om koledokolithiasis er rettet mot å redusere risikoen for at pasienter får diagnostisk ERCP og redusere risikoen for uønskede hendelser etter ERCP. I denne prosessen er det en tilsynelatende økning i antall pasienter i gruppen med middels sannsynlighet som trenger EUS eller MRCP. Dette kan øke bruken av helsevesenet og kostnadene ved omsorg for pasienter med middels sannsynlighet. Feltet kunstig intelligens i klinisk medisin er i rask utvikling. Bruken av kunstig intelligens-basert maskinlæringsmodell er ikke tilstrekkelig studert for prediksjon av koledokolithiasis. Forutsigende modell for maskinlæring kan hjelpe til med å stratifisere heterogen mellomliggende sannsynlighetsgruppe for å redusere behovet for EUS eller MRCP i utvalgte undergrupper av pasienter.

Studietype

Observasjonsmessig

Registrering (Antatt)

1000

Kontakter og plasseringer

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

Studiekontakt

Studer Kontakt Backup

Studiesteder

  • India
    • Telangana
      • Hyderabad, Telangana, India, 500032
        • Rekruttering
        • Asian Institute of Gastroenterology
        • Ta kontakt med:

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

  • Voksen
  • Eldre voksen

Tar imot friske frivillige

N/A

Prøvetakingsmetode

Sannsynlighetsprøve

Studiepopulasjon

Alle pasienter med mistanke om koledokolitiasis som tilfredsstiller enten ESGE- eller ASGE-risikostratifiseringskriterier for mellomliggende sannsynlighet for koledokolitiasis, vil bli prospektivt registrert fra AIG Hospitals, Hyderabad

Beskrivelse

Inklusjonskriterier:

• Person som er 18 år eller eldre med mistanke om koledokolithiasis som tilfredsstiller enten ASGE- eller ESGE-risikostratifiseringskriteriene for middels sannsynlighet for å gjennomgå EUS eller MRCP

Ekskluderingskriterier:

  • Pasienter med andre sykdom i bukspyttkjertelens gallesystem enn gallestein og koledokolithiasis som inkluderer kronisk pankreatitt, gallestrenging, pankreatobiliær malignitet, portal biliopati
  • Pasienter som har underliggende kroniske leversykdommer
  • Graviditet og amming
  • Tidligere historie med kolecystektomi

Studieplan

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

Hvordan er studiet utformet?

Designdetaljer

Hva måler studien?

Primære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Arealet under mottakeroperasjonskarakteristikk-kurven (AUROC) for maskinlæringsmodellen
Tidsramme: 1 måned
Arealet under mottakerdriftskarakteristikk-kurven (AUROC) for maskinlæringsbasert prediksjonsmodell for å identifisere tilstedeværelsen av choledocholithiasis.
1 måned

Sekundære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Diagnostisk nøyaktighet av endoskopisk ultralyd (EUS) eller magnetisk resonans kolangiopankreatografi (MRCP)
Tidsramme: 1 måned
Sensitivitet, spesifisitet, positiv prediktiv verdi (PPV), negativ prediktiv verdi (NPV) og areal under mottakeroperasjonskarakteristikk-kurven (AUROC) for magnetisk resonans kolangiografi (MRCP) for identifikasjon av koledokolitiasis.
1 måned
Valideringsytelsen til maskinlæringsprediksjonsmodellen
Tidsramme: 1 måned
Validatingsprestasjonen til maskinlæringsmodellen for prediksjon av koledokolitiase, vurdert ved bruk av AUROC, kalibreringsmetrikker (Brier-score) og kalibreringsplott i en uavhengig valideringskohort.
1 måned

Samarbeidspartnere og etterforskere

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

Sponsor

Asian Institute of Gastroenterology, India

Etterforskere

  • Studieleder: Mohan Ramchandani, MD, Asian Institute of Gastroenterology

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. oktober 2023

Primær fullføring (Antatt)

30. juni 2026

Studiet fullført (Antatt)

30. oktober 2026

Datoer for studieregistrering

Først innsendt

13. september 2023

Først innsendt som oppfylte QC-kriteriene

27. september 2023

Først lagt ut (Faktiske)

4. oktober 2023

Oppdateringer av studieposter

Sist oppdatering lagt ut (Faktiske)

6. januar 2026

Siste oppdatering sendt inn som oppfylte QC-kriteriene

4. januar 2026

Sist bekreftet

1. desember 2025

Mer informasjon

Begreper knyttet til denne studien

Ytterligere relevante MeSH-vilkår

Andre studie-ID-numre

  • AI EUS Choledocholithiasis

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. .

Abonnere