Ocena wpływu zastosowania modelowania predykcyjnego MATCH AI do identyfikacji gorących punktów wykrywania aktywnych przypadków gruźlicy (SPOT-TB)
Ocena wpływu zastosowania modelowania predykcyjnego MATCH AI do identyfikacji gorących punktów wykrywania aktywnych przypadków gruźlicy w Pakistanie: pragmatyczne, randomizowane badanie z klastrem schodkowego klina
Przegląd badań
Status
Warunki
Szczegółowy opis
Pomimo znacznego postępu, jaki nastąpił w ciągu ostatnich dziesięcioleci, szacunkowo w 2021 r. na gruźlicę (TB) zachorowało około 10,6 mln osób, a choroba ta spowodowała 1,6 mln zgonów na całym świecie. Pakistan zajmuje piąte miejsce na świecie pod względem liczby zachorowań na gruźlicę, a gruźlica jest przyczyną 42 000 zgonów rocznie w tym kraju. Kluczowym wyzwaniem w reakcji Pakistanu na gruźlicę jest zapewnienie diagnozy i leczenia wszystkich osób chorych na gruźlicę. W 2020 r. z 573 tys. przypadków zgłoszono ogółem 276 736 (48%). Wypełnienie tej luki w wykrywaniu przypadków jest kluczowym celem Krajowego Programu Gruźlicy (NTP). Aktywne wykrywanie przypadków (ACF) to potencjalna strategia zwiększająca wykrywalność przypadków poprzez systematyczne badania przesiewowe społeczności pod kątem gruźlicy. Najnowsze dowody wskazują, że ACF może również zmniejszyć zapadalność na gruźlicę i chorobowość na poziomie populacji poprzez wczesne wykrywanie. Chociaż interwencje ACF wykazały skuteczność w badaniach społecznościowych i są obecnie prowadzone na dużą skalę w Pakistanie, pozostają obawy dotyczące ich wydajności i opłacalności w ustawieniach programowych.
Głównym celem tego badania jest zbadanie, czy ukierunkowane podejście do ogólnospołecznych badań przesiewowych przy użyciu MATCH-AI, oprogramowania opartego na sztucznej inteligencji, które modeluje częstość występowania gruźlicy w podokręgach, może poprawić skuteczność interwencji ACF w Pakistanie. W części interwencyjnej zespół terenowy będzie prowadził społeczne działania ACF (tzw. obozy klatki piersiowej), głównie w lokalizacjach, które zgodnie z przewidywaniami MATCH-AI charakteryzują się większą częstością występowania gruźlicy. W części kontrolnej zespoły terenowe będą w dalszym ciągu wykorzystywać istniejące podejścia do wyboru miejsca obozu. Badanie zostanie przeprowadzone w 65 okręgach Pakistanu we współpracy z partnerami wdrożeniowymi NTP.
Typ studiów
Zapisy (Szacowany)
Faza
- Nie dotyczy
Kontakty i lokalizacje
Kontakt w sprawie studiów
- Nazwa: Amna Mahfooz, MS(PH)
- Numer telefonu: +923438101441
- E-mail: amna.mahfooz@cgph.org.pk
Kopia zapasowa kontaktu do badania
- Nazwa: Faheem Baig
- Numer telefonu: +923345379004
- E-mail: faheem@cgph.org.pk
Lokalizacje studiów
-
-
-
Islamabad, Pakistan
- Rekrutacyjny
- Mercy Corps Pakistan
-
Kontakt:
- Nainan Nawaz
- E-mail: nanawaz@mercycorps.org
-
Główny śledczy:
- Abdullah Latif
-
-
Kryteria uczestnictwa
Kryteria kwalifikacji
Wiek uprawniający do nauki
- Dziecko
- Dorosły
- Starszy dorosły
Akceptuje zdrowych ochotników
Opis
Kryteria włączenia: Wszystkie osoby zgłaszające się na kempingi będą uprawnione do wzięcia udziału w badaniach przesiewowych, łącznie z osobami, które w przeszłości chorowały na gruźlicę.
Kryteria wykluczenia: Dzieci poniżej 15 roku życia i kobiety w ciąży zostaną wykluczone.
Plan studiów
Jak projektuje się badanie?
Szczegóły projektu
- Główny cel: Badania usług zdrowotnych
- Przydział: Randomizowane
- Model interwencyjny: Zadanie krzyżowe
- Maskowanie: Pojedynczy
Broń i interwencje
Grupa uczestników / Arm |
Interwencja / Leczenie |
|---|---|
|
Eksperymentalny: Interwencja
Wybór miejsca obozów w celu aktywnego wyszukiwania przypadków gruźlicy za pomocą MATCH-AI
|
Podstawową interwencją w tym badaniu jest wdrożenie MATCH-AI, oprogramowania opartego na sztucznej inteligencji, które modeluje częstość występowania gruźlicy w podokręgach, aby pomóc w wyborze lokalizacji obozów ACF.
Narzędzie MATCH-AI wykorzystuje podejście modelowania bayesowskiego do przewidywania częstości występowania gruźlicy z rozdzielczością 10 000 populacji odwzorowanych w postaci wielokątów.
Model integruje dane z różnych źródeł, w tym historyczne dane dotyczące powiadomień o placówkach przeciwdziałających gruźlicy, wcześniejsze dane ACF, a także czynniki kontekstowe, takie jak dane demograficzne, dochody, gęstość zaludnienia, wskaźniki zdrowotne, takie jak zasięg szczepień, oraz zmienne związane z klimatem, aby przewidzieć lokalną częstość występowania gruźlicy.
W części interwencyjnej obozy będą prowadzone przede wszystkim w lokalizacjach kierowanych przez MATCH-AI.
|
|
Brak interwencji: Kontrola
Wybór lokalizacji obozów w celu aktywnego wyszukiwania przypadków gruźlicy przy użyciu istniejących podejść.
|
Co mierzy badanie?
Podstawowe miary wyniku
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Wydajność obozu dodatniego
Ramy czasowe: 12 miesięcy
|
Liczba potwierdzonych bakteriologicznie przypadków gruźlicy (B+) zdiagnozowanych w każdym obozie
|
12 miesięcy
|
Miary wyników drugorzędnych
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Wskaźnik pozytywności obozu
Ramy czasowe: 12 miesięcy
|
Bakteriologicznie potwierdzone przypadki gruźlicy (B+) na badaną populację
|
12 miesięcy
|
|
Wydajność obozu All-Form
Ramy czasowe: 12 miesięcy
|
Liczba przypadków gruźlicy wszystkich postaci (AF-TB) zdiagnozowanych w każdym obozie
|
12 miesięcy
|
|
Stawka na gruźlicę Camp All-Forms
Ramy czasowe: 12 miesięcy
|
Przypadki gruźlicy wszystkich postaci (AF-TB) na badaną populację
|
12 miesięcy
|
Współpracownicy i badacze
Współpracownicy
Śledczy
- Główny śledczy: Faran Emmanuel, Centre for Global Public Health Pakistan
Daty zapisu na studia
Główne daty studiów
Rozpoczęcie studiów (Rzeczywisty)
Zakończenie podstawowe (Szacowany)
Ukończenie studiów (Szacowany)
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
- CGPH-TB2023-24
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
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 .