- ICH GCP
- Rejestr badań klinicznych w USA
- Badanie kliniczne NCT03458806
Wykrywanie wad zastawkowych wspomagane fono- i elektrokardiogramem (PEA-Valve)
Rozpoznanie wady zastawkowej serca (VHD) lub jej braku niezmiennie wymaga badań obrazowych serca. Znane i niedrogie narzędzie pomagające w diagnozowaniu lub wykluczaniu istotnej VHD może zarówno przyspieszyć dostęp do terapii ratujących życie, jak i zmniejszyć potrzebę kosztownych testów. Zatwierdzone przez FDA urządzenie Eko Duo składa się z cyfrowego stetoskopu i jednoodprowadzeniowego elektrokardiogramu (EKG), który bezprzewodowo łączy się z aplikacją Eko Mobile, umożliwiając jednoczesną rejestrację i wizualizację fonogramów i elektrokardiogramów. Te cechy sprawiają, że to urządzenie w wyjątkowy sposób umożliwia gromadzenie dużych zestawów danych osłuchowych dotyczących pacjentów zarówno z VHD, jak i bez VHD.
W tym badaniu badacze starają się opracować zautomatyzowany system do identyfikacji VHD za pomocą fono- i elektrokardiogramu. W szczególności badacze spróbują opracować algorytmy uczenia maszynowego, aby nauczyć się fonokardiogramów pacjentów z klinicznie istotnym zwężeniem zastawki aortalnej (AS) lub niedomykalnością mitralną (MR), a następnie zlecą algorytmom zidentyfikowanie pacjentów z klinicznie istotnym VHD, zidentyfikowanym przez złotą standardowe, z naiwnych fonokardiogramów. Badacze przewidują, że badanie może zrewolucjonizować diagnostykę VHD, zapewniając dokładniejszy substytut tradycyjnego osłuchiwania.
Przegląd badań
Status
Warunki
Szczegółowy opis
Wykrywanie wad zastawek wspomagane fono- i elektrokardiogramem (badanie PEA-Valve)
Cel(e) szczegółowy Cel 1: Czy algorytm uczenia maszynowego wywodzący się z jednoczesnych zapisów fonograficznych i elektrokardiograficznych może wiarygodnie diagnozować klinicznie istotne zwężenie zastawki aortalnej?
Cel 2: Czy algorytm uczenia maszynowego wywodzący się z jednoczesnych nagrań fonograficznych i elektrokardiogramów może wiarygodnie diagnozować klinicznie istotną niedomykalność mitralną?
Znaczenie Wada zastawkowa serca (VHD) jest powszechnym globalnym problemem zdrowotnym, a badania populacyjne wykazały częstość występowania zwężenia zastawki aortalnej (AS) u 10% i niedomykalności zastawki mitralnej (MR) u 20%. Nowe postępy chirurgiczne i interwencyjne pozwalają na leczenie pacjentów w starszym wieku lub u których ryzyko interwencji byłoby wcześniej nie do utrzymania. Biorąc pod uwagę, że częstość występowania zarówno MR, jak i AS wzrasta wraz z wiekiem, istnieje rosnąca potrzeba identyfikacji tych schorzeń, aby zaoferować terapie zmieniające przebieg choroby.
W obecnej praktyce klinicznej rozpoznanie VHD w dużej mierze opiera się na badaniu echokardiograficznym. To z kolei wymaga zarówno skierowania od świadczeniodawcy z klinicznym podejrzeniem VHD, zwykle z powodu nieprawidłowości w badaniu osłuchowym, jak i dostępu do samego echokardiogramu. Zarówno MR, jak i AS dają wiarygodnie odtwarzalne wyniki osłuchowe: odpowiednio holosystoliczne i skurczowe szmery crescendo-decrescendo. Mimo to osłuchiwanie jako narzędzie diagnostyczne jest notorycznie słabe: jego dokładność wykrywania MR i AS waha się tylko od 5 do 40%. Wszystkie te czynniki prowadzą do obaw związanych z niedodiagnozowaniem tych coraz bardziej uleczalnych schorzeń.
Tutaj badacze zajmą się potrzebami zarówno większego dostępu, jak i lepszej dokładności diagnostycznej testów na VHD. Badacze wykorzystają kombinację nagrań fonokardiogramu (PCG) i elektrokardiogramu jednoodprowadzeniowego (EKG), zsynchronizowanych w czasie rzeczywistym z bezpiecznym serwerem w chmurze, za pomocą elektronicznego stetoskopu Eko Duo. Dzięki tym danym badacze opracują i zweryfikują algorytm uczenia maszynowego do diagnozowania klinicznie istotnego ZA lub MR. Ponieważ Eko Duo jest zasadniczo podobny do tradycyjnego stetoskopu, kultowego narzędzia powszechnie akceptowanego zarówno przez pacjentów, jak i przez lekarzy, jego użycie do kierowania automatycznym algorytmem wykrywania jest zarówno wykonalne, jak i atrakcyjne jako substytut tradycyjnego osłuchiwania. Ponadto, przenosząc ciężar interpretacji testu z klinicysty na algorytm, badacze stawiają hipotezę, że poprawi to ogólną dokładność diagnostyczną.
Metody Przegląd projektu: Badanie przekrojowe wszystkich pacjentów poddawanych echokardiogramom klinicznym w laboratorium echokardiografii dorosłych UCSF
Osoby objęte badaniem Przegląd: Badacze zwerbują dorosłych pacjentów poddawanych echokardiogramom klinicznym w kampusie UCSF Parnassus. Osoby te zostaną kolejno pogrupowane w kohorty derywacyjne i walidacyjne, podzielone według statusu przypadku, tak aby osiągnąć oczekiwaną wielkość próby. Takie grupowanie nastąpi po rejestracji pacjentów i zebraniu danych.
Populacja docelowa: Dorośli z AS o nasileniu od umiarkowanego do ciężkiego lub MR od umiarkowanego do ciężkiego do ciężkiego (przypadki) oraz dorośli z sercem o prawidłowej strukturze i minimalnym VHD (grupa kontrolna). W bardziej rygorystycznej, równoległej analizie docelowa populacja kontrolna zostanie zdefiniowana jako posiadająca dowolny stopień AS lub MR mniejszy niż umiarkowany do ciężkiego.
Dostępna populacja: Dorośli spełniający kryteria wstępne poddawani echokardiografii klinicznej w laboratorium echokardiograficznym UCSF kwalifikujący się do udziału.
Schemat pobierania próbek: Badacze będą podchodzić kolejno do osób zgłaszających się do laboratorium echokardiografii dorosłych w UCSF Parnassus. Ponadto badacze przeprowadzą wstępne badanie przesiewowe pacjentów pod kątem wysokiego prawdopodobieństwa wystąpienia AS lub MR (w oparciu o wskazania do badania i wcześniejsze rozpoznania w dokumentacji medycznej APEX) i selektywnie dobiorą ich do rekrutacji w sytuacjach, w których możliwości koordynatora badania są wyczerpane .
Strategia rekrutacji: Wprowadzenie badania w momencie rejestracji na echokardiogram z broszurą lub ulotką, a następnie osobiste podejście do potencjalnych pacjentów w oczekiwaniu na echokardiogram kliniczny.
Strategia retencji: Brak. Badacze zachowają główny plik numerów dokumentacji medycznej, aby w przyszłości zidentyfikować dane kontaktowe, jeśli uznają to za konieczne.
Przegląd pomiarów: Badanie skupi się na dwóch pomiarach: 1) złotym standardzie oceny VHD za pomocą echokardiogramu, zgodnie z raportem laboratorium echokardiograficznego UCSF. 2) 30-sekundowe jednoczesne zapisy PCG i jednoodprowadzeniowego EKG za pomocą urządzenia Eko Duo w każdej z czterech standardowych pozycji osłuchowych serca, z opcjonalnymi dodatkowymi zapisami za pomocą urządzenia Eko Core. W badaniu wykorzystano fakt, że wszystkie raporty z echokardiogramu klinicznego obejmują te oceny zastawek.
Złoty standard: Echokardiogram jest akceptowany jako złoty standard w diagnostyce ciężkości VHD przez społeczność kardiologów. Aby zminimalizować obciążenie badaczy, a także obniżyć koszty, badacze wykorzystają fakt, że wszystkie raporty z echokardiogramu klinicznego obejmują ocenę VHD, co będzie służyć jako złoty standard. Raporty te są zgodne z wytycznymi Amerykańskiego Towarzystwa Echokardiograficznego (ASE), które dopuszczają klasyfikację VHD w następujący sposób: brak, łagodna, umiarkowana lub ciężka. Laboratorium echokardiograficzne UCSF obejmuje dodatkowe kategorie śladowe, od łagodnego do umiarkowanego, od umiarkowanego do ciężkiego i krytyczne, co pozwala na interpretację, gdy poszczególne parametry w ramach badania są sprzeczne. Podstawowy pomiar będzie ostatecznym wnioskiem dotyczącym ciężkości VHD dla MR lub AS, zgodnie z raportem certyfikowanego kardiologa. Badacze zdefiniują „klinicznie istotny” VHD jako stopień od umiarkowanego do ciężkiego lub gorszy, ponieważ obejmuje to wszystkie poziomy choroby, które mogą wymagać bezpośredniej interwencji. Ponadto badacze wyodrębnią cały raport z echokardiografii, a także obrazy plików echokardiogramu, aby zapisać dane do wykorzystania w przyszłości, gdy pojawią się nowe pytania badawcze.
Pomiary urządzenia: Zapisy jednoczesnego PCG i jednoodprowadzeniowego EKG będą wykonywane dla każdego pacjenta w znormalizowany sposób. Każdy badany zostanie poddany 30-sekundowej rejestracji za pomocą urządzenia Eko Duo w czterech standardowych pozycjach osłuchiwania. Obserwatorzy zostaną przeszkoleni w zakresie systematycznej metody uzyskiwania pomiarów. Jeśli pozwoli na to czas i pacjent, badacze uzyskają te same zapisy za pomocą urządzenia Eko Core, które korzysta z tego samego oprogramowania, ale nie obejmuje zapisu EKG. Ponieważ urządzenie umożliwi wizualizację PCG podczas nagrywania, obserwator otrzyma informację zwrotną w czasie rzeczywistym na temat pozycjonowania urządzenia, aby zmaksymalizować jakość zapisu w każdej pozycji. Śledczy zaplanują okresowe przeglądy nagrań, aby zapewnić odpowiednią jakość danych. Badacze przewidują, że ta elastyczność i informacje zwrotne w czasie rzeczywistym poprawią możliwość uogólnienia korzystania z urządzenia w świecie rzeczywistym (tj. poza badaniem) sytuacja kliniczna.
Czynniki zakłócające i błąd systematyczny: Wyprowadzenie i weryfikacja algorytmów odbędzie się zdalnie, po wykonaniu klinicznego echokardiogramu, a zatem bez wpływu na wynik złotego standardu. Na wynik testu może mieć wpływ obecność innych schorzeń powodujących szmery skurczowe (w tym VHD inna niż AS lub MR lub wrodzona wada serca). Badacze uwzględnią te pomiary z raportu echokardiogramu, aby porównać wyniki testu u osób z tymi innymi schorzeniami i bez nich.
Kwestie statystyczne Hipoteza zerowa: algorytm uczenia maszynowego nie jest w stanie przewidzieć obecności klinicznie istotnego AS lub MR.
Uzasadnienie wielkości próbki:
- Czułość algorytmu: 90%
- Specyfika algorytmu: 90%
- Docelowy współczynnik wiarygodności (+) algorytmu [LR(R)]: 9 (wyprowadzony z Sn / [1 - Sp])
- Minimalny współczynnik wiarygodności (+) algorytmu [LR(R)]: 5
- Poziom ufności = 0,95 (alfa = 0,05)
- Przedział ufności [LR(R)]: 5,120-15,820
- Wielkość próby = 110 na grupę; 330 na kohortę (kontrola, przypadek AS, przypadek MR); 660 ogółem (kohorty szkoleniowe i walidacyjne)
- Podsumowanie: Zakładając, że czułość i swoistość algorytmu uczenia maszynowego do wykrywania klinicznie istotnego AS lub MR wynoszą 0,9, całkowita wielkość próby wynosząca 660 nie powinna spaść poniżej progowego ilorazu wiarygodności wynoszącego 5,0 w 95% przedziale ufności w obu przypadkach kohorty wyprowadzania lub walidacji.
- Uzasadnienie krytycznych założeń: Badacze zakładają, że algorytm może zapewnić czułość i swoistość na poziomie 90% w wykrywaniu zwężenia zastawki aortalnej lub niedomykalności zastawki mitralnej w porównaniu z sercami bez wad zastawkowych, w oparciu o wcześniejsze opublikowane raporty z wykorzystaniem sieci neuronowych, przy użyciu próbek o wielkości poniżej 100 sprawy. Ponadto badacze szacują, że minimalny współczynnik wiarygodności wynoszący 5 byłby niezbędny, aby test był klinicznie użyteczny. Chociaż to oszacowanie działa dobrze w przypadku zbioru walidacyjnego, liczba potrzebna do zbioru pochodnego jest mniej jasna; powyższe szacunki to liczba konserwatywna. Badacze przewidują szkolenie algorytmu po zarejestrowaniu co 20 przypadków przy użyciu metody ładowania początkowego; zapewni to tymczasową charakterystykę testu i pomoże określić prawdziwą liczbę potrzebną do zbioru wyprowadzeń. Ponieważ jest to częściowo badanie pilotażowe, określenie prawdziwej czułości i swoistości testu samo w sobie jest cennym wynikiem.
Podejście analityczne: Badacze wygenerują krzywe ROC (wykreślając Sn vs. 1-Sp) dla wyników algorytmu dla zbioru walidacyjnego. Ostatecznie badacze wygenerują 4 krzywe: po dwie dla MR i AS, używając algorytmów generowanych przez podejście pierwotne (definiujące grupy kontrolne jako mające VHD nie większe niż łagodne) i wtórne (definiujące grupy kontrolne jako nie mające VHD od umiarkowanego do ciężkiego lub większego). . Ponadto badacze przewidują wykonanie eksploracyjnych, opisowych analiz samego algorytmu, poprzez identyfikację klinicznych korelacji z cechami mającymi największe znaczenie w wykrywaniu AS lub MR.
Różne Względy etyczne: Brak poważnych obaw. Dane będą bezpiecznie przechowywane na platformach zgodnych z HIPAA. Badanie kwalifikuje się jako ryzyko minimalne według kryteriów UCSF CHR.
Plany wstępnego testu: Przed rekrutacją do badania personel badawczy zbierze dane o sobie i usługodawcach w celu przetestowania systemu gromadzenia danych. Podczas wstępnej rekrutacji uczestników, pracownicy naukowi będą przeglądać proces po każdym dniu, aby omówić przeszkody lub wątpliwości.
Plan zarządzania danymi: Dane z badania będą pochodzić z dwóch źródeł. Raporty z echokardiogramów, wyodrębnione z elektronicznej dokumentacji medycznej (APEX), zostaną przejrzane przez personel badawczy w celu wygenerowania głównej bazy danych charakterystyki choroby. Plik główny łączący identyfikatory podmiotu z informacjami umożliwiającymi identyfikację, a także wyodrębnione i pozbawione elementów umożliwiających identyfikację raporty z echokardiogramu oraz pozbawione elementów umożliwiających identyfikację surowe obrazy echokardiogramu będą przechowywane na bezpiecznym serwerze badawczym używanym przez Oddział Kardiologii. Zarejestrowane dane PCG i EKG (rzeczywiste pomiary badania) będą synchronizowane w czasie rzeczywistym z bezpiecznym, zgodnym z HIPAA serwerem w chmurze zarządzanym przez Eko Devices. W określonych godzinach szkolenia algorytmów zespół machine learning (koordynowany przez Eko Devices) otrzyma klucze do przypisania identyfikatora podmiotu do kategorii VHD.
Środki kontroli jakości: Okresowy przegląd zarejestrowanych danych będzie przeprowadzany przez PI badania w celu zapewnienia odpowiedniej jakości danych.
Plan lekcji:
Kontrakt/Logistyka Przedmiot Rejestracja Analiza rozwoju algorytmu Publikacja Ogólny harmonogram: 9 miesięcy
Typ studiów
Zapisy (Rzeczywisty)
Kontakty i lokalizacje
Lokalizacje studiów
-
-
California
-
San Francisco, California, Stany Zjednoczone, 94143
- University of California San Francisco
-
-
Kryteria uczestnictwa
Kryteria kwalifikacji
Wiek uprawniający do nauki
Akceptuje zdrowych ochotników
Płeć kwalifikująca się do nauki
Metoda próbkowania
Badana populacja
Opis
Kryteria przyjęcia:
- Możliwość wyrażenia zgody
- W trakcie pełnego echokardiogramu
Kryteria wyłączenia:
- Odmowa udziału
Plan studiów
Jak projektuje się badanie?
Szczegóły projektu
- Modele obserwacyjne: Kontrola przypadków
- Perspektywy czasowe: Przekrojowe
Kohorty i interwencje
Grupa / Kohorta |
Interwencja / Leczenie |
---|---|
Kontrola
Osoby z potwierdzoną echokardiograficznie wadą zastawek o stopniu mniejszym niż umiarkowany do ciężkiego w odniesieniu do zwężenia zastawki aortalnej (AS) i niedomykalności zastawki mitralnej (MR).
Należy zauważyć, że w ramach tej kohorty będzie znajdować się podkohorta składająca się z osób z sercem strukturalnie prawidłowym, z niewiększą niż łagodna wadą zastawki jakiejkolwiek zastawki, bez wcześniejszej interwencji zastawkowej i bez dowodów na wrodzoną wadę serca.
|
Algorytm uczenia maszynowego, wygenerowany na podstawie zapisów EKG i PCG, odróżniający zwężenie zastawki aortalnej od umiarkowanego do ciężkiego lub większego od grupy kontrolnej, u której stwierdzono inne objawy niż zwężenie zastawki aortalnej od umiarkowanego do ciężkiego lub większego.
Algorytm uczenia maszynowego, wygenerowany na podstawie zapisów EKG i PCG, odróżniający niedomykalność mitralną o nasileniu od umiarkowanego do ciężkiego lub większego od grupy kontrolnej, u której stwierdzono jakiekolwiek objawy inne niż niedomykalność zastawki mitralnej od umiarkowanej do ciężkiej lub większej.
|
AS Sprawa
Osoby z potwierdzonym echokardiograficznie zwężeniem zastawki aortalnej (AS) stopnia umiarkowanego do ciężkiego lub większego.
|
Algorytm uczenia maszynowego, wygenerowany na podstawie zapisów EKG i PCG, odróżniający zwężenie zastawki aortalnej od umiarkowanego do ciężkiego lub większego od grupy kontrolnej, u której stwierdzono inne objawy niż zwężenie zastawki aortalnej od umiarkowanego do ciężkiego lub większego.
Algorytm uczenia maszynowego, wygenerowany na podstawie zapisów EKG i PCG, odróżniający zwężenie zastawki aortalnej od umiarkowanego do ciężkiego lub większego od grupy kontrolnej o strukturalnie prawidłowych sercach z nie większymi niż łagodna wadami zastawkowymi serca w dowolnej lokalizacji.
|
Sprawa MR
Osoby z potwierdzoną echokardiograficznie niedomykalnością mitralną (MR) o nasileniu od umiarkowanego do ciężkiego lub większym.
|
Algorytm uczenia maszynowego, wygenerowany na podstawie zapisów EKG i PCG, odróżniający niedomykalność mitralną o nasileniu od umiarkowanego do ciężkiego lub większego od grupy kontrolnej, u której stwierdzono jakiekolwiek objawy inne niż niedomykalność zastawki mitralnej od umiarkowanej do ciężkiej lub większej.
Algorytm uczenia maszynowego, generowany na podstawie zapisów EKG i PCG, odróżniający niedomykalność zastawki mitralnej od umiarkowanej do ciężkiej lub większej od kontroli o strukturalnie prawidłowych sercach z nie większą niż łagodna wadą zastawkową serca w dowolnym miejscu.
|
Podgrupa kontrolna
Pacjenci z sercem strukturalnie prawidłowym, z niewiększą niż łagodną wadą zastawki jakiejkolwiek zastawki, bez wcześniejszej interwencji zastawkowej i bez dowodów na wrodzoną wadę serca.
|
Algorytm uczenia maszynowego, wygenerowany na podstawie zapisów EKG i PCG, odróżniający zwężenie zastawki aortalnej od umiarkowanego do ciężkiego lub większego od grupy kontrolnej o strukturalnie prawidłowych sercach z nie większymi niż łagodna wadami zastawkowymi serca w dowolnej lokalizacji.
Algorytm uczenia maszynowego, generowany na podstawie zapisów EKG i PCG, odróżniający niedomykalność zastawki mitralnej od umiarkowanej do ciężkiej lub większej od kontroli o strukturalnie prawidłowych sercach z nie większą niż łagodna wadą zastawkową serca w dowolnym miejscu.
|
Co mierzy badanie?
Podstawowe miary wyniku
Miara wyniku |
Opis środka |
Ramy czasowe |
---|---|---|
Różnicowanie klinicznie istotnego zwężenia zastawki aortalnej od strukturalnie prawidłowych serc
Ramy czasowe: Zakończenie badania (po ostatecznej rejestracji zestawu do walidacji zwężenia zastawki aortalnej), w ciągu 1 roku.
|
Identyfikacja za pomocą wyszkolonego algorytmu uczenia maszynowego klinicznie istotnego zwężenia zastawki aortalnej (określanego jako umiarkowane do ciężkiego lub większe) u osób kontrolnych z sercem strukturalnie prawidłowym i wadą zastawkową nie większą niż łagodna, w porównaniu z interpretacją złotego standardu echokardiogramu.
Ponieważ nasz algorytm zapewni ciągły „wynik” w celu określenia prawdopodobieństwa choroby, dane będą przede wszystkim w postaci krzywej charakterystyki działania odbiornika, dla której obliczymy dokładność, specyficzność i współczynniki prawdopodobieństwa przy wartościach granicznych czułości 0,9, 0,95 i 0,99.
|
Zakończenie badania (po ostatecznej rejestracji zestawu do walidacji zwężenia zastawki aortalnej), w ciągu 1 roku.
|
Różnicowanie klinicznie istotnego zwężenia zastawki mitralnej od strukturalnie prawidłowych serc
Ramy czasowe: Zakończenie badania (po ostatecznym włączeniu zestawu do walidacji niedomykalności mitralnej), w ciągu 1 roku.
|
Identyfikacja za pomocą wyszkolonego algorytmu uczenia maszynowego klinicznie istotnej niedomykalności mitralnej (zdefiniowanej jako umiarkowana do ciężkiej lub większa) od osób kontrolnych z strukturalnie prawidłowymi sercami i nie większymi niż łagodna wadą zastawkową serca, w porównaniu z interpretacją złotego standardu echokardiogramu.
Ponieważ nasz algorytm zapewni ciągły „wynik” w celu określenia prawdopodobieństwa choroby, dane będą przede wszystkim w postaci krzywej charakterystyki działania odbiornika, dla której obliczymy dokładność, specyficzność i współczynniki prawdopodobieństwa przy wartościach granicznych czułości 0,9, 0,95 i 0,99 ..
|
Zakończenie badania (po ostatecznym włączeniu zestawu do walidacji niedomykalności mitralnej), w ciągu 1 roku.
|
Miary wyników drugorzędnych
Miara wyniku |
Opis środka |
Ramy czasowe |
---|---|---|
Różnicowanie klinicznie istotnego zwężenia zastawki aortalnej od braku klinicznie istotnego zwężenia zastawki aortalnej
Ramy czasowe: Zakończenie badania (po ostatecznej rejestracji zestawu do walidacji zwężenia zastawki aortalnej), w ciągu 1 roku.
|
Identyfikacja za pomocą wyszkolonego algorytmu uczenia maszynowego klinicznie istotnego zwężenia zastawki aortalnej (określanego jako umiarkowane do ciężkiego lub większego) z kontroli ze zwężeniem aorty mniejszym niż umiarkowane do ciężkiego, w porównaniu z interpretacją złotego standardu echokardiogramu.
Ponieważ nasz algorytm zapewni ciągły „wynik” w celu określenia prawdopodobieństwa choroby, dane będą przede wszystkim w postaci krzywej charakterystyki działania odbiornika, dla której obliczymy dokładność, specyficzność i współczynniki prawdopodobieństwa przy wartościach granicznych czułości 0,9, 0,95 i 0,99.
|
Zakończenie badania (po ostatecznej rejestracji zestawu do walidacji zwężenia zastawki aortalnej), w ciągu 1 roku.
|
Różnicowanie klinicznie istotnej niedomykalności mitralnej od braku klinicznie istotnej niedomykalności mitralnej
Ramy czasowe: Zakończenie badania (po ostatecznym włączeniu zestawu do walidacji niedomykalności mitralnej), w ciągu 1 roku.
|
Identyfikacja za pomocą wyszkolonego algorytmu uczenia maszynowego klinicznie istotnej niedomykalności mitralnej (zdefiniowanej jako umiarkowana do ciężkiej lub większa) z kontroli z niedomykalnością mitralną mniejszą niż umiarkowana do ciężkiej, w porównaniu z interpretacją złotego standardu echokardiogramu.
Ponieważ nasz algorytm zapewni ciągły „wynik” w celu określenia prawdopodobieństwa choroby, dane będą przede wszystkim w postaci krzywej charakterystyki działania odbiornika, dla której obliczymy dokładność, specyficzność i współczynniki prawdopodobieństwa przy wartościach granicznych czułości 0,9, 0,95 i 0,99.
|
Zakończenie badania (po ostatecznym włączeniu zestawu do walidacji niedomykalności mitralnej), w ciągu 1 roku.
|
Współpracownicy i badacze
Współpracownicy
Śledczy
- Główny śledczy: John Chorba, MD, University of California, San Francisco
Publikacje i pomocne linki
Publikacje ogólne
- Zoghbi WA, Adams D, Bonow RO, Enriquez-Sarano M, Foster E, Grayburn PA, Hahn RT, Han Y, Hung J, Lang RM, Little SH, Shah DJ, Shernan S, Thavendiranathan P, Thomas JD, Weissman NJ. Recommendations for Noninvasive Evaluation of Native Valvular Regurgitation: A Report from the American Society of Echocardiography Developed in Collaboration with the Society for Cardiovascular Magnetic Resonance. J Am Soc Echocardiogr. 2017 Apr;30(4):303-371. doi: 10.1016/j.echo.2017.01.007. Epub 2017 Mar 14. No abstract available.
- Nishimura RA, Otto CM, Bonow RO, Carabello BA, Erwin JP 3rd, Guyton RA, O'Gara PT, Ruiz CE, Skubas NJ, Sorajja P, Sundt TM 3rd, Thomas JD; American College of Cardiology/American Heart Association Task Force on Practice Guidelines. 2014 AHA/ACC guideline for the management of patients with valvular heart disease: a report of the American College of Cardiology/American Heart Association Task Force on Practice Guidelines. J Am Coll Cardiol. 2014 Jun 10;63(22):e57-185. doi: 10.1016/j.jacc.2014.02.536. Epub 2014 Mar 3. No abstract available. Erratum In: J Am Coll Cardiol. 2014 Jun 10;63(22):2489. Dosage error in article text.
- Jones EC, Devereux RB, Roman MJ, Liu JE, Fishman D, Lee ET, Welty TK, Fabsitz RR, Howard BV. Prevalence and correlates of mitral regurgitation in a population-based sample (the Strong Heart Study). Am J Cardiol. 2001 Feb 1;87(3):298-304. doi: 10.1016/s0002-9149(00)01362-x.
- Eveborn GW, Schirmer H, Heggelund G, Lunde P, Rasmussen K. The evolving epidemiology of valvular aortic stenosis. the Tromso study. Heart. 2013 Mar;99(6):396-400. doi: 10.1136/heartjnl-2012-302265. Epub 2012 Sep 2.
- Faxon DP, Williams DO. Interventional Cardiology: Current Status and Future Directions in Coronary Disease and Valvular Heart Disease. Circulation. 2016 Jun 21;133(25):2697-711. doi: 10.1161/CIRCULATIONAHA.116.023551. No abstract available.
- Mangione S, Nieman LZ. Cardiac auscultatory skills of internal medicine and family practice trainees. A comparison of diagnostic proficiency. JAMA. 1997 Sep 3;278(9):717-22. Erratum In: JAMA 1998 May 13;279(18):1444.
- Mangione S. Cardiac auscultatory skills of physicians-in-training: a comparison of three English-speaking countries. Am J Med. 2001 Feb 15;110(3):210-6. doi: 10.1016/s0002-9343(00)00673-2.
- Baumgartner H, Hung J, Bermejo J, Chambers JB, Edvardsen T, Goldstein S, Lancellotti P, LeFevre M, Miller F Jr, Otto CM. Recommendations on the Echocardiographic Assessment of Aortic Valve Stenosis: A Focused Update from the European Association of Cardiovascular Imaging and the American Society of Echocardiography. J Am Soc Echocardiogr. 2017 Apr;30(4):372-392. doi: 10.1016/j.echo.2017.02.009.
- Pretorius E, Cronje ML, Strydom O. Development of a pediatric cardiac computer aided auscultation decision support system. Annu Int Conf IEEE Eng Med Biol Soc. 2010;2010:6078-82. doi: 10.1109/IEMBS.2010.5627633.
- Chorba JS, Shapiro AM, Le L, Maidens J, Prince J, Pham S, Kanzawa MM, Barbosa DN, Currie C, Brooks C, White BE, Huskin A, Paek J, Geocaris J, Elnathan D, Ronquillo R, Kim R, Alam ZH, Mahadevan VS, Fuller SG, Stalker GW, Bravo SA, Jean D, Lee JJ, Gjergjindreaj M, Mihos CG, Forman ST, Venkatraman S, McCarthy PM, Thomas JD. Deep Learning Algorithm for Automated Cardiac Murmur Detection via a Digital Stethoscope Platform. J Am Heart Assoc. 2021 May 4;10(9):e019905. doi: 10.1161/JAHA.120.019905. Epub 2021 Apr 26.
Przydatne linki
Daty zapisu na studia
Główne daty studiów
Rozpoczęcie studiów (Rzeczywisty)
Zakończenie podstawowe (Rzeczywisty)
Ukończenie studiów (Rzeczywisty)
Daty rejestracji na studia
Pierwszy przesłany
Pierwszy przesłany, który spełnia kryteria kontroli jakości
Pierwszy wysłany (Rzeczywisty)
Aktualizacje rekordów badań
Ostatnia wysłana aktualizacja (Rzeczywisty)
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
Ostatnia weryfikacja
Więcej informacji
Terminy związane z tym badaniem
Słowa kluczowe
Dodatkowe istotne warunki MeSH
Inne numery identyfikacyjne badania
- 17-21881
Plan dla danych uczestnika indywidualnego (IPD)
Planujesz udostępniać dane poszczególnych uczestników (IPD)?
Opis planu IPD
Informacje o lekach i urządzeniach, dokumenty badawcze
Bada produkt leczniczy regulowany przez amerykańską FDA
Bada produkt urządzenia regulowany przez amerykańską FDA
produkt wyprodukowany i wyeksportowany z USA
Te informacje zostały pobrane bezpośrednio ze strony internetowej clinicaltrials.gov bez żadnych zmian. Jeśli chcesz zmienić, usunąć lub zaktualizować dane swojego badania, skontaktuj się z register@clinicaltrials.gov. Gdy tylko zmiana zostanie wprowadzona na stronie clinicaltrials.gov, zostanie ona automatycznie zaktualizowana również na naszej stronie internetowej .
Badania kliniczne na AS Algorytm 2
-
Carna Biosciences, Inc.RekrutacyjnyChłoniak grudkowy | Makroglobulinemia Waldenstroma | Chłoniak z komórek płaszcza | Chłoniak strefy brzeżnej | Przewlekła białaczka limfocytowa | Chłoniak nieziarniczy | Chłoniak z małych limfocytów | Nowotwór z komórek BStany Zjednoczone
-
Carmel Medical CenterZakończonyOznaki i objawy, układ oddechowy | Alergia | Astma oskrzelowaIzrael
-
Renmin Hospital of Wuhan UniversityJeszcze nie rekrutacjaSztuczna inteligencja | NadzórChiny
-
InQpharm GroupWycofane
-
Centre hospitalier de l'Université de Montréal...Johnson & JohnsonZakończony
-
Renmin Hospital of Wuhan UniversityJiangmen Central HospitalJeszcze nie rekrutacjaSztuczna inteligencja | NadzórChiny
-
BioNova Pharmaceuticals (Shanghai) LTD.Wycofane
-
Singapore National Eye CentreZakończony
-
Zimmer BiometAktywny, nie rekrutującyZapalenie stawów, reumatoidalne | Martwica jałowa | Artretyzm, Zwyrodnienie | Chirurgia rewizyjna | Warunki wynikające z wcześniejszych operacji | Zapalenie stawów;UrazoweBelgia, Zjednoczone Królestwo, Szwajcaria, Niemcy
-
London School of Hygiene and Tropical MedicineHindustan Unilever Ltd.; University of Kalyani; KIIT UniversityZakończonyChoroba biegunkowa | Całkowity arsen w moczu | Całkowity arsen w wodzieIndie