Ta strona została przetłumaczona automatycznie i dokładność tłumaczenia nie jest gwarantowana. Proszę odnieść się do angielska wersja za tekst źródłowy.

AI-ACLD Study: Artificial Intelligence in Advanced Chronic Liver Disease (AI-ACLD)

21 lipca 2026 zaktualizowane przez: Antonio Galante

Application of Artificial Intelligence Using Wearable Technology in Patients With Advanced Chronic Liver Disease (ACLD): a Trajectomics Approach.

The research project studies the possibility of using an artificial intelligence-based system in patients with advanced chronic liver disease (liver cirrhosis) to record variations in a patient's health status, with the aim of early identification of clinical improvement or deterioration. The system is based on the collection and processing of various clinical parameters through an Apple Watch. The study aims to evaluate whether the data generated by this system correlate with patients' clinical evolution and whether its use may ultimately contribute to improved care management and quality of life.

Przegląd badań

Status

Zakończony

Warunki

Interwencja / Leczenie

Typ studiów

Obserwacyjny

Zapisy (Rzeczywisty)

8

Kontakty i lokalizacje

Ta sekcja zawiera dane kontaktowe osób prowadzących badanie oraz informacje o tym, gdzie badanie jest przeprowadzane.

Lokalizacje studiów

  • Szwajcaria
      • Lugano, Szwajcaria, 6900
        • Ente Ospedaliero Cantonale

Kryteria uczestnictwa

Badacze szukają osób, które pasują do określonego opisu, zwanego kryteriami kwalifikacyjnymi. Niektóre przykłady tych kryteriów to ogólny stan zdrowia danej osoby lub wcześniejsze leczenie.

Kryteria kwalifikacji

Wiek uprawniający do nauki

  • Dorosły
  • Starszy dorosły

Akceptuje zdrowych ochotników

Nie

Metoda próbkowania

Próbka bez prawdopodobieństwa

Badana populacja

Patients hospitalized at Ente Ospedaliero Cantonale (EOC) in Lugano or Bellinzona or patients followed at the Department for Gastroenterology and Hepatology, Ente Ospedaliero Cantonale will be assessed for inclusion in the study

Opis

Inclusion Criteria:

  • Adults aged 18-75 years
  • Diagnosis of advanced chronic liver disease (ACLD).
  • Either:
  • hospitalized for hepatic decompensation or acute-on-chronic liver failure (ACLF), including ascites, hepatorenal syndrome, hepatic encephalopathy, bacterial infection, gastrointestinal bleeding, or jaundice; or
  • outpatient with Child-Pugh B cirrhosis and no evidence of hepatic decompensation or ACLF at enrolment.
  • Willing and able to provide written informed consent.

Exclusion Criteria:

  • Inability or refusal to provide written informed consent
  • Inability to wear or correctly use the Apple Watch
  • Patients with hepatocellular carcinoma beyond the Milan Criteria (one lesion up to 5 cm or 3 lesions up to 3 cm in diameter)
  • Presence of hepatic decompensation or ACLF

Plan studiów

Ta sekcja zawiera szczegółowe informacje na temat planu badania, w tym sposób zaprojektowania badania i jego pomiary.

Jak projektuje się badanie?

Szczegóły projektu

Co mierzy badanie?

Podstawowe miary wyniku

Miara wyniku
Opis środka
Ramy czasowe
Feasibility and accuracy of machine learning analysis of individual health data collected by wearable device.
Ramy czasowe: From enrollment to the end of the study (6 months)

The primary outcome is to assess the feasibility and accuracy of machine learning analysis of individual health data collected by wearable device and to describe their patterns during hospitalization due to symptoms of decompensation or ACLF and in outpatients until hospitalization due to decompensation or ACLF in patients with liver cirrhosis. Health data continuously collected through a dedicated wearable device application comprise: heart rate and heart rate variability (HR; HRV), oxygen saturation (SpO₂), ECG (QRS, PQ, PT Tpe interval), sleep quality and duration, daily step count, tremor intensity (Hz), typing speed (taps/time).

The single unit of measure used to assess the feasibility of the wearable device is the usable data acquisition rate (%), defined as the percentage of monitoring data successfully collected and suitable for analysis.
From enrollment to the end of the study (6 months)

Współpracownicy i badacze

Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.

Sponsor

Antonio Galante

Daty zapisu na studia

Daty te śledzą postęp w przesyłaniu rekordów badań i podsumowań wyników do ClinicalTrials.gov. Zapisy badań i zgłoszone wyniki są przeglądane przez National Library of Medicine (NLM), aby upewnić się, że spełniają określone standardy kontroli jakości, zanim zostaną opublikowane na publicznej stronie internetowej.

Główne daty studiów

Rozpoczęcie studiów (Rzeczywisty)

29 grudnia 2022

Zakończenie podstawowe (Rzeczywisty)

17 stycznia 2024

Ukończenie studiów (Rzeczywisty)

17 stycznia 2024

Daty rejestracji na studia

Pierwszy przesłany

16 lipca 2026

Pierwszy przesłany, który spełnia kryteria kontroli jakości

21 lipca 2026

Pierwszy wysłany (Rzeczywisty)

23 lipca 2026

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (Rzeczywisty)

23 lipca 2026

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

21 lipca 2026

Ostatnia weryfikacja

1 lipca 2026

Więcej informacji

Terminy związane z tym badaniem

Inne numery identyfikacyjne badania

  • AI-ACLD Study

Informacje o lekach i urządzeniach, dokumenty badawcze

Bada produkt leczniczy regulowany przez amerykańską FDA

Nie

Bada produkt urządzenia regulowany przez amerykańską FDA

Nie

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 .

Subskrybuj