Triagem guiada por ECG para fração de ejeção baixa (EAGLE)
30 de maio de 2023 atualizado por: Xiaoxi Yao, Mayo Clinic
Eletrocardiograma Triagem guiada por inteligência artificial para baixa fração de ejeção (EAGLE)
Este é um estudo randomizado controlado (RCT) para testar uma nova ferramenta de triagem baseada em eletrocardiograma (ECG) habilitada por inteligência artificial (IA) para melhorar o diagnóstico e o tratamento da disfunção sistólica ventricular esquerda.
Visão geral do estudo
Status
Concluído
Intervenção / Tratamento
Tipo de estudo
Intervencional
Inscrição (Real)
358
Estágio
- Não aplicável
Contactos e Locais
Esta seção fornece os detalhes de contato para aqueles que conduzem o estudo e informações sobre onde este estudo está sendo realizado.
Locais de estudo
-
-
Minnesota
-
Rochester, Minnesota, Estados Unidos, 55905
- Mayo Clinic in Rochester
-
-
Critérios de participação
Os pesquisadores procuram pessoas que se encaixem em uma determinada descrição, chamada de critérios de elegibilidade. Alguns exemplos desses critérios são a condição geral de saúde de uma pessoa ou tratamentos anteriores.
Critérios de elegibilidade
Idades elegíveis para estudo
14 anos e mais velhos (Adulto, Adulto mais velho)
Aceita Voluntários Saudáveis
Não
Descrição
Critério de inclusão:
- Clínicos de cuidados primários que fazem parte de uma equipe de atendimento participante que cuida de pacientes adultos e têm a capacidade de solicitar ECG e ETT (isso inclui médicos, enfermeiros e assistentes médicos).
Critério de exclusão:
- Médicos de cuidados primários que trabalham em pediatria, cuidados intensivos, lares de idosos e equipes de cuidados residentes.
Plano de estudo
Esta seção fornece detalhes do plano de estudo, incluindo como o estudo é projetado e o que o estudo está medindo.
Como o estudo é projetado?
Detalhes do projeto
- Finalidade Principal: Triagem
- Alocação: Randomizado
- Modelo Intervencional: Atribuição Paralela
- Mascaramento: Nenhum (rótulo aberto)
Armas e Intervenções
Grupo de Participantes / Braço |
Intervenção / Tratamento |
|---|---|
|
Experimental: Intervenção
As equipes de atendimento randomizadas para intervenção terão acesso à ferramenta de triagem.
|
Uma nova ferramenta de triagem baseada em eletrocardiograma (ECG) habilitada por inteligência artificial (IA) para melhorar o diagnóstico e o tratamento da disfunção sistólica ventricular esquerda.
|
|
Sem intervenção: Ao controle
As equipes de atendimento randomizadas para controle continuarão a prática de rotina.
|
O que o estudo está medindo?
Medidas de resultados primários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Novo diagnóstico de baixa fração de ejeção (definida como fração de ejeção ≤50%)
Prazo: Dentro de 90 dias
|
Fração de ejeção obtida por ecocardiografia.
|
Dentro de 90 dias
|
Colaboradores e Investigadores
É aqui que você encontrará pessoas e organizações envolvidas com este estudo.
Patrocinador
Investigadores
- Investigador principal: Xiaoxi Yao, PhD, MPH, Mayo Clinic
- Investigador principal: Peter Noseworthy, MD, Mayo Clinic
Publicações e links úteis
A pessoa responsável por inserir informações sobre o estudo fornece voluntariamente essas publicações. Estes podem ser sobre qualquer coisa relacionada ao estudo.
Publicações Gerais
- Yao X, McCoy RG, Friedman PA, Shah ND, Barry BA, Behnken EM, Inselman JW, Attia ZI, Noseworthy PA. ECG AI-Guided Screening for Low Ejection Fraction (EAGLE): Rationale and design of a pragmatic cluster randomized trial. Am Heart J. 2020 Jan;219:31-36. doi: 10.1016/j.ahj.2019.10.007. Epub 2019 Oct 25.
- Rushlow DR, Croghan IT, Inselman JW, Thacher TD, Friedman PA, Yao X, Pellikka PA, Lopez-Jimenez F, Bernard ME, Barry BA, Attia IZ, Misra A, Foss RM, Molling PE, Rosas SL, Noseworthy PA. Clinician Adoption of an Artificial Intelligence Algorithm to Detect Left Ventricular Systolic Dysfunction in Primary Care. Mayo Clin Proc. 2022 Nov;97(11):2076-2085. doi: 10.1016/j.mayocp.2022.04.008.
- Yao X, Rushlow DR, Inselman JW, McCoy RG, Thacher TD, Behnken EM, Bernard ME, Rosas SL, Akfaly A, Misra A, Molling PE, Krien JS, Foss RM, Barry BA, Siontis KC, Kapa S, Pellikka PA, Lopez-Jimenez F, Attia ZI, Shah ND, Friedman PA, Noseworthy PA. Artificial intelligence-enabled electrocardiograms for identification of patients with low ejection fraction: a pragmatic, randomized clinical trial. Nat Med. 2021 May;27(5):815-819. doi: 10.1038/s41591-021-01335-4. Epub 2021 May 6.
Links úteis
Datas de registro do estudo
Essas datas acompanham o progresso do registro do estudo e os envios de resumo dos resultados para ClinicalTrials.gov. Os registros do estudo e os resultados relatados são revisados pela National Library of Medicine (NLM) para garantir que atendam aos padrões específicos de controle de qualidade antes de serem publicados no site público.
Datas Principais do Estudo
Início do estudo (Real)
26 de junho de 2019
Conclusão Primária (Real)
31 de março de 2020
Conclusão do estudo (Real)
1 de novembro de 2020
Datas de inscrição no estudo
Enviado pela primeira vez
24 de junho de 2019
Enviado pela primeira vez que atendeu aos critérios de CQ
25 de junho de 2019
Primeira postagem (Real)
27 de junho de 2019
Atualizações de registro de estudo
Última Atualização Postada (Real)
31 de maio de 2023
Última atualização enviada que atendeu aos critérios de controle de qualidade
30 de maio de 2023
Última verificação
1 de maio de 2023
Mais Informações
Termos relacionados a este estudo
Termos MeSH relevantes adicionais
Outros números de identificação do estudo
- 19-003137
Informações sobre medicamentos e dispositivos, documentos de estudo
Estuda um medicamento regulamentado pela FDA dos EUA
Não
Estuda um produto de dispositivo regulamentado pela FDA dos EUA
Não
Essas informações foram obtidas diretamente do site clinicaltrials.gov sem nenhuma alteração. Se você tiver alguma solicitação para alterar, remover ou atualizar os detalhes do seu estudo, entre em contato com register@clinicaltrials.gov. Assim que uma alteração for implementada em clinicaltrials.gov, ela também será atualizada automaticamente em nosso site .