- ICH GCP
- US Clinical Trials Registry
- Klinisk utprøving NCT06681844
Forutsi tannslitasje (PREDITOOTH)
Prediksjon av tannslitasjeindeksen basert på et datasett med tannformer: en retrospektiv studie
Tannslitasje, som følge av gradvis tap av hardt tannvev på grunn av mekaniske og kjemiske faktorer, påvirker tannstruktur, tekstur og funksjon. Det påvirker livskvaliteten, med varierende prevalens (26,9 % til 90,0 %), og oppdages tradisjonelt visuelt under kontroller, ofte i avanserte stadier. Overvåking av endringer i tannform via intraorale skannere hjelper tidlig påvisning, men restaurering er fortsatt utfordrende. Forebygging gjennom tidlig oppdagelse er viktig, siden pasienter kanskje ikke fullt ut forstår tap av tannstruktur før de er synlige. Nylig ble statistisk formanalyse (SSA) brukt til å lære tannanatomien og definere en referanseform (biogenerisk tann) ved hjelp av. Å sikre konsistens i landemerker er imidlertid utfordrende, hovedsakelig på grunn av skjevheter fra operatøren. Nylig tilbød en robust metode kalt MEG-IsoQuad automatisert, isotopologisk remeshing. Å kombinere dette med SSA holder lovende for diagnostiske og simuleringsformål. Denne studien tar sikte på å vurdere påliteligheten til en remeshing-SSA-tilnærming for endret og intakt premolar analyse og sammenligne maskinlæringsalgoritmer for å simulere formen til den opprinnelig intakte tannen eller fremtidig endret.
Det kliniske perspektivet til det nåværende arbeidet gir muligheter til å:
- Forhindre fremtidig tannslitasje ved å oppdage det på et tidlig stadium; og kommunisere bedre til pasienten ved å presentere ham/hennes potensielle fremtidige endrede tenner
- Simuler den tilpassede rekonstruksjonen for den endrede tannen ved å simulere den opprinnelig intakte
Studieoversikt
Status
Forhold
Intervensjon / Behandling
Studietype
Registrering (Antatt)
Kontakter og plasseringer
Studiekontakt
- Navn: Raphael Richet, Clinical Assistant
- Telefonnummer: +33669523314
- E-post: raphael.richert@univ-lyon1.fr
Studer Kontakt Backup
- Navn: Maxime Ducret, Professor
- E-post: maxime.ducret@univ-lyon1.fr
Studiesteder
-
-
-
Leuven, Belgia
- Rekruttering
- KU Leuven University Hospital
-
Ta kontakt med:
- Pierre Lahoud
-
-
-
-
Indiana
-
Indianapolis, Indiana, Forente stater, 46202
- Rekruttering
- Indiana University Hospital
-
Ta kontakt med:
- Anderson Hara
-
-
-
-
-
Lyon, Frankrike, 69007
- Rekruttering
- Lyon Dental Hospital
-
Ta kontakt med:
- Raphael Richert, PhD
- Telefonnummer: +33669523314
- E-post: raphael.richert@univ-lyon1.fr
-
-
-
-
-
Lucknow, India
- Rekruttering
- King George Medical University
-
Ta kontakt med:
- Akhilanand Chaurasia
-
-
-
-
-
Tel Aviv, Israel
- Rekruttering
- Tel Aviv Universi
-
Ta kontakt med:
- Rachel Sarig
-
-
Deltakelseskriterier
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
- Voksen
- Eldre voksen
Tar imot friske frivillige
Prøvetakingsmetode
Studiepopulasjon
Beskrivelse
Inkluderingskriterier:
- avulerte tenner med en tannslitasjeindeks mellom 0 og 3
- moden fortann, hjørnetann, premolar eller jeksler (kun 1. og 2.)
Ekskluderingskriterier:
- utslitte tenner som viser en tannslitasjeindeks over 3 (eller viser en munnrehabiliteringsrepresentant for lignende slitasje)
- umodne tenner eller tenner uten rotoppbygging
- visdomstenner
Studieplan
Hvordan er studiet utformet?
Designdetaljer
Kohorter og intervensjoner
Gruppe / Kohort |
Intervensjon / Behandling |
|---|---|
|
alle modne tenner som viser en tannslitasje intakt eller viser en tannslitasje endret
Skalering av tannen før skanning av operatør Evaluering av tannslitasjeindeks 0 eller 1 (av 2 kalibrerte eksperter)
|
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Prediksjon av tannslitasjeindeksen basert på et datasett med tannformer: en retrospektiv studie
Tidsramme: bare én gang
|
Fire maskinlæringsalgoritmer (ML): en lineær diskriminantanalyse (LDA), en støttevektormaskin (SVM), en tilfeldig skog (RM) og en gradientforsterkningsmaskin (GBM) vil bli brukt til å forutsi tanntypen og endringen av anatomi.
Datasettet vil bli delt opp i et 60/40 tog- og holdout-testdatasett, og modellene vil bli tredobbelt kryssvalidert.
Modellprestasjoner vil bli evaluert i forvirringsmatriser som fører til å definere presisjon, tilbakekalling, F1-score og nøyaktighet.
|
bare én gang
|
Samarbeidspartnere og etterforskere
Sponsor
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 (Antatt)
Oppdateringer av studieposter
Sist oppdatering lagt ut (Antatt)
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
- 69HCL23_1046
Plan for individuelle deltakerdata (IPD)
Planlegger du å dele individuelle deltakerdata (IPD)?
Legemiddel- og utstyrsinformasjon, studiedokumenter
Studerer et amerikansk FDA-regulert medikamentprodukt
Studerer et amerikansk FDA-regulert enhetsprodukt
produkt produsert i og eksportert fra USA
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. .