- ICH GCP
- Registro de ensaios clínicos dos EUA
- Ensaio Clínico NCT04395482
Análise de tomografia computadorizada pulmonar de lesão pulmonar induzida por SARS-CoV2 (TAC-COVID19)
Análise de tomografia computadorizada pulmonar de lesões pulmonares induzidas por SARS-CoV2 por aprendizado de máquina: um estudo de coorte retrospectivo multicêntrico.
Visão geral do estudo
Status
Condições
Intervenção / Tratamento
Descrição detalhada
FUNDO:
Em fevereiro, foi registrado na Lombardia (Itália) o primeiro caso de paciente positivo para SARS-CoV2, vírus capaz de causar uma forma grave de insuficiência respiratória aguda denominada Doença de Coronavírus 2019 (COVID-19).
Avaliações qualitativas da morfologia pulmonar foram identificadas para descrever as características macroscópicas dessa infecção na admissão e durante a hospitalização dos pacientes.
No momento, não há estudos que tenham descrito exaustivamente o dano pulmonar do parênquima induzido pelo SARS-CoV2 por análise quantitativa.
A hipótese deste estudo é que alterações morfológicas e quantitativas específicas do parênquima pulmonar avaliadas por meio de tomografia computadorizada em pacientes com insuficiência respiratória grave induzida por SARS-CoV2 podem ter impacto na gravidade do grau de alteração das trocas respiratórias (oxigenação e depuração do CO2) e têm um impacto no resultado do paciente.
A presença de padrões morfológicos pulmonares característicos avaliados pela tomografia computadorizada pode permitir o reconhecimento de grupos específicos de pacientes que podem se beneficiar do tratamento intensivo de maneira diferente, contribuindo significativamente para estratificar a gravidade dos pacientes e seu risco de mortalidade.
Este é um estudo descritivo clínico exploratório de imagens de TC de pulmão em uma população de pacientes completamente nova com teste de amplificação de ácido nucleico confirmado positivo para SARS-CoV2.
TAMANHO DA AMOSTRA (n. pacientes):
O estudo irá coletar todos os pacientes com os critérios de inclusão; espera-se a coleta de um total de 500 pacientes.
Cerca de 80 pacientes serão inscritos para cada centro experimental local.
Os seguintes dados do paciente serão analisados:
- dados analíticos de gases no sangue atribuídos à tomografia computadorizada, verificações realizadas na entrada no hospital, no momento da realização da tomografia computadorizada, admissão em terapia intensiva e 7 dias após a entrada
- características do paciente, como idade, sexo e índice de massa corporal (IMC)
- comorbidade
- presença de disfunção orgânica com o Sequential Organ Failure Assessment (SOFA)
- dados laboratoriais relativos à admissão hospitalar e sintomas anteriores à internação.
- parâmetros ventilatórios e hemodinâmicos na entrada no hospital, no momento da realização da tomografia computadorizada, na admissão na terapia intensiva e 7 dias após a entrada.
A abordagem de aprendizado de máquina da análise de tomografia computadorizada de pulmão terá como objetivo avaliar:
- Alterações pulmonares quantitativas e qualitativas;
- A estratificação de tais características morfológicas em clusters morfológicos pulmonares específicos identificados por meio de inteligência artificial usando algoritmos de aprendizado profundo.
ASPECTOS ÉTICOS:
As imagens de tomografia computadorizada do pulmão serão coletadas e anonimizadas. As imagens serão posteriormente enviadas pela conta institucional do google drive da Universidade de Milano-Bicocca para a Universidade da Pensilvânia, Departamento de Anestesiologia e Cuidados Intensivos e Departamento de Radiologia em um formato desidentificado para análise quantitativa avançada, aproveitando a inteligência artificial usando algoritmos de aprendizado profundo.
Os dados serão coletados de forma pseudo-anônima por meio de Formulário de Relato de Caso (CRF) em papel e analisados pelo coordenador científico do projeto.
Dada a natureza retrospectiva do estudo e na presença de dificuldade técnica na obtenção do consentimento informado dos pacientes neste período de emergência pandêmica, o consentimento informado será dispensado.
ANÁLISE ESTATÍSTICA:
Os dados contínuos serão expressos como média ± desvio padrão ou mediana e amplitude interquartílica, de acordo com a distribuição dos dados que serão avaliados pelo teste de Shapiro-Wilk. Variáveis categóricas serão expressas como proporções (frequência).
O algoritmo de segmentação de aprendizagem profunda segmentará o parênquima pulmonar de todo o pulmão CT. Serão aplicadas análises de volume pulmonar, peso pulmonar e distribuição da intensidade de opacidade. Em segundo lugar, será realizada a análise de agrupamento para estratificar os pacientes. Serão testados um algoritmo de intensidade e um algoritmo de agrupamento espacial. Terceiro, um modelo será treinado para prever a progressão da lesão usando as imagens e todos os outros dados do paciente. A significância estatística será considerada na presença de p<0,05 (bicaudal).
Tipo de estudo
Inscrição (Real)
Contactos e Locais
Locais de estudo
-
-
-
Bergamo, Itália
- Ospedale Papa Giovanni XXIII
-
Bergamo, Itália
- Policlinico San Marco-San Donato group
-
Ferrara, Itália
- Azienda Ospedaliero-Universitaria di Ferrara
-
Lecco, Itália
- ASST di Lecco Ospedale Alessandro Manzoni
-
Melzo, Itália
- ASST Melegnano-Martesana, Ospedale Santa Maria delle Stelle
-
Monza, Itália
- ASST Monza
-
Rimini, Itália
- AUSL Romagna-Ospedale Infermi di Rimini
-
-
-
-
-
San Marino, San Marino
- Istituto per la Sicurezza Sociale-Ospedale della Repubblica di San Marino
-
-
Critérios de participação
Critérios de elegibilidade
Idades elegíveis para estudo
Aceita Voluntários Saudáveis
Gêneros Elegíveis para o Estudo
Método de amostragem
População do estudo
Descrição
Critérios de inclusão (coorte COVID-19):
- Pacientes com 18 anos ou mais;
- Confirmação positiva com teste de amplificação de ácido nucleico ou sorologia de SARS-CoV2 por swab nasofaríngeo, amostra de broncoaspirado ou lavado broncoalveolar;
- TC pulmonar realizada até 7 dias após a internação;
Critérios de inclusão (coorte de SDRA):
- Pacientes com idade igual ou superior a 18 anos;
- Pacientes admitidos no hospital com diagnóstico de SDRA segundo os critérios de Berlim;
- TC pulmonar realizada até 7 dias após o diagnóstico de SDRA;
Critérios de exclusão (coorte de SDRA):
● Confirmação positiva com teste de amplificação de ácido nucleico ou sorologia de SARS-CoV2 por swab nasofaríngeo, amostra de broncoaspirado ou lavado broncoalveolar
Plano de estudo
Como o estudo é projetado?
Detalhes do projeto
- Modelos de observação: Coorte
- Perspectivas de Tempo: Retrospectivo
Coortes e Intervenções
Grupo / Coorte |
Intervenção / Tratamento |
---|---|
pacientes com pneumonia por covid-19
O estudo visa coletar o maior número possível de imagens de tomografia computadorizada pulmonar realizadas em pacientes com COVID-19, a fim de obter um grande tamanho de amostra que nos permita caracterizar a extensão da lesão pulmonar, a presença de padrões específicos de alteração pulmonar , e sua possível associação com o desfecho dos pacientes - a fim de auxiliar a equipe médica a compreender melhor o grau de gravidade do comprometimento desses pacientes, potencialmente candidatos a estratégias terapêuticas mais intensivas.
|
Este projeto de pesquisa avaliará as características morfológicas do pulmão por análise de tomografia computadorizada em pacientes com COVID-19, que serão identificados como padrões específicos usando tecnologia de inteligência artificial e seu impacto no resultado.
|
O que o estudo está medindo?
Medidas de resultados primários
Medida de resultado |
Descrição da medida |
Prazo |
---|---|---|
Uma análise qualitativa do dano pulmonar do parênquima induzido pelo COVID-19
Prazo: Até a alta hospitalar do paciente (aproximadamente 6 meses)
|
Descrever o dano do parênquima pulmonar induzido pelo COVID-19 por meio de uma análise qualitativa com TC de tórax por meio de técnicas de inteligência artificial.
|
Até a alta hospitalar do paciente (aproximadamente 6 meses)
|
Uma análise quantitativa do dano pulmonar do parênquima induzido pelo COVID-19
Prazo: Até a alta hospitalar do paciente (aproximadamente 6 meses)
|
Descrever o dano do parênquima pulmonar induzido pelo COVID-19 por meio de uma análise quantitativa com TC de tórax por meio de técnicas de inteligência artificial.
|
Até a alta hospitalar do paciente (aproximadamente 6 meses)
|
Medidas de resultados secundários
Medida de resultado |
Descrição da medida |
Prazo |
---|---|---|
O impacto potencial da tomografia computadorizada morfológica do parênquima em pacientes com insuficiência respiratória moderada grave.
Prazo: Até a alta hospitalar do paciente (aproximadamente 6 meses)
|
O impacto potencial da tomografia computadorizada morfológica do parênquima em pacientes com insuficiência respiratória moderada grave avaliada como mortalidade em terapia intensiva.
|
Até a alta hospitalar do paciente (aproximadamente 6 meses)
|
O impacto potencial da tomografia computadorizada morfológica do parênquima em pacientes com insuficiência respiratória moderada grave.
Prazo: Até a alta hospitalar do paciente (aproximadamente 6 meses)
|
O potencial impacto da tomografia computadorizada morfológica do parênquima em pacientes com insuficiência respiratória grave moderada avaliada como mortalidade hospitalar.
|
Até a alta hospitalar do paciente (aproximadamente 6 meses)
|
O impacto potencial da tomografia computadorizada morfológica do parênquima em pacientes com insuficiência respiratória moderada grave.
Prazo: Até a alta hospitalar do paciente (aproximadamente 6 meses)
|
O impacto potencial de tomografias morfológicas parenquimatosas em pacientes com insuficiência respiratória moderada grave avaliada como dias livres de ventilação mecânica.
|
Até a alta hospitalar do paciente (aproximadamente 6 meses)
|
Segmentação automatizada de exames pulmonares de pacientes com COVID-19 e SDRA.
Prazo: Até a alta hospitalar do paciente (aproximadamente 6 meses)
|
A hipótese é que o uso de modelos de redes neurais profundas para segmentação pulmonar na Síndrome do Desconforto Respiratório Agudo (SDRA) em modelos animais e Doença Pulmonar Obstrutiva Crônica (DPOC) em pacientes que poderiam ser aplicados para autossegmentar os pulmões de pacientes com COVID-19 através de um mecanismo de transferência de aprendizagem com inteligência artificial.
|
Até a alta hospitalar do paciente (aproximadamente 6 meses)
|
Conhecimento dos recursos de TC de tórax em pacientes com COVID-19 e seus detalhes por meio do uso de aprendizado de máquina e outras técnicas quantitativas.
Prazo: Até a alta hospitalar do paciente (aproximadamente 6 meses)
|
Expanda o conhecimento dos recursos de TC de tórax em pacientes com COVID-19 e seus detalhes por meio do uso de aprendizado de máquina e outras técnicas quantitativas comparando os padrões de TC de pacientes com COVID-19 aos de pacientes com SDRA.
|
Até a alta hospitalar do paciente (aproximadamente 6 meses)
|
A capacidade dentro da qual a análise de inteligência artificial que usa modelos de aprendizado profundo pode ser usada para prever resultados clínicos
Prazo: Até a alta hospitalar do paciente (aproximadamente 6 meses)
|
Determinar a capacidade dentro da qual a análise de inteligência artificial que usa modelos de aprendizado profundo pode ser usada para prever resultados clínicos a partir da análise das características da TC de tórax obtida em 7 dias após a internação; combinando dados quantitativos de TC com dados clínicos.
|
Até a alta hospitalar do paciente (aproximadamente 6 meses)
|
Colaboradores e Investigadores
Patrocinador
Publicações e links úteis
Publicações Gerais
- Huang C, Wang Y, Li X, Ren L, Zhao J, Hu Y, Zhang L, Fan G, Xu J, Gu X, Cheng Z, Yu T, Xia J, Wei Y, Wu W, Xie X, Yin W, Li H, Liu M, Xiao Y, Gao H, Guo L, Xie J, Wang G, Jiang R, Gao Z, Jin Q, Wang J, Cao B. Clinical features of patients infected with 2019 novel coronavirus in Wuhan, China. Lancet. 2020 Feb 15;395(10223):497-506. doi: 10.1016/S0140-6736(20)30183-5. Epub 2020 Jan 24. Erratum In: Lancet. 2020 Jan 30;:
- Chen N, Zhou M, Dong X, Qu J, Gong F, Han Y, Qiu Y, Wang J, Liu Y, Wei Y, Xia J, Yu T, Zhang X, Zhang L. Epidemiological and clinical characteristics of 99 cases of 2019 novel coronavirus pneumonia in Wuhan, China: a descriptive study. Lancet. 2020 Feb 15;395(10223):507-513. doi: 10.1016/S0140-6736(20)30211-7. Epub 2020 Jan 30.
- Wang D, Hu B, Hu C, Zhu F, Liu X, Zhang J, Wang B, Xiang H, Cheng Z, Xiong Y, Zhao Y, Li Y, Wang X, Peng Z. Clinical Characteristics of 138 Hospitalized Patients With 2019 Novel Coronavirus-Infected Pneumonia in Wuhan, China. JAMA. 2020 Mar 17;323(11):1061-1069. doi: 10.1001/jama.2020.1585. Erratum In: JAMA. 2021 Mar 16;325(11):1113.
- Zhou F, Yu T, Du R, Fan G, Liu Y, Liu Z, Xiang J, Wang Y, Song B, Gu X, Guan L, Wei Y, Li H, Wu X, Xu J, Tu S, Zhang Y, Chen H, Cao B. Clinical course and risk factors for mortality of adult inpatients with COVID-19 in Wuhan, China: a retrospective cohort study. Lancet. 2020 Mar 28;395(10229):1054-1062. doi: 10.1016/S0140-6736(20)30566-3. Epub 2020 Mar 11. Erratum In: Lancet. 2020 Mar 28;395(10229):1038. Lancet. 2020 Mar 28;395(10229):1038.
- Yang X, Yu Y, Xu J, Shu H, Xia J, Liu H, Wu Y, Zhang L, Yu Z, Fang M, Yu T, Wang Y, Pan S, Zou X, Yuan S, Shang Y. Clinical course and outcomes of critically ill patients with SARS-CoV-2 pneumonia in Wuhan, China: a single-centered, retrospective, observational study. Lancet Respir Med. 2020 May;8(5):475-481. doi: 10.1016/S2213-2600(20)30079-5. Epub 2020 Feb 24. Erratum In: Lancet Respir Med. 2020 Apr;8(4):e26.
- Shi H, Han X, Jiang N, Cao Y, Alwalid O, Gu J, Fan Y, Zheng C. Radiological findings from 81 patients with COVID-19 pneumonia in Wuhan, China: a descriptive study. Lancet Infect Dis. 2020 Apr;20(4):425-434. doi: 10.1016/S1473-3099(20)30086-4. Epub 2020 Feb 24.
- Ai T, Yang Z, Hou H, Zhan C, Chen C, Lv W, Tao Q, Sun Z, Xia L. Correlation of Chest CT and RT-PCR Testing for Coronavirus Disease 2019 (COVID-19) in China: A Report of 1014 Cases. Radiology. 2020 Aug;296(2):E32-E40. doi: 10.1148/radiol.2020200642. Epub 2020 Feb 26.
- Pan F, Ye T, Sun P, Gui S, Liang B, Li L, Zheng D, Wang J, Hesketh RL, Yang L, Zheng C. Time Course of Lung Changes at Chest CT during Recovery from Coronavirus Disease 2019 (COVID-19). Radiology. 2020 Jun;295(3):715-721. doi: 10.1148/radiol.2020200370. Epub 2020 Feb 13.
- Chung M, Bernheim A, Mei X, Zhang N, Huang M, Zeng X, Cui J, Xu W, Yang Y, Fayad ZA, Jacobi A, Li K, Li S, Shan H. CT Imaging Features of 2019 Novel Coronavirus (2019-nCoV). Radiology. 2020 Apr;295(1):202-207. doi: 10.1148/radiol.2020200230. Epub 2020 Feb 4.
- Remuzzi A, Remuzzi G. COVID-19 and Italy: what next? Lancet. 2020 Apr 11;395(10231):1225-1228. doi: 10.1016/S0140-6736(20)30627-9. Epub 2020 Mar 13.
- Grasselli G, Pesenti A, Cecconi M. Critical Care Utilization for the COVID-19 Outbreak in Lombardy, Italy: Early Experience and Forecast During an Emergency Response. JAMA. 2020 Apr 28;323(16):1545-1546. doi: 10.1001/jama.2020.4031. No abstract available.
- Dong E, Du H, Gardner L. An interactive web-based dashboard to track COVID-19 in real time. Lancet Infect Dis. 2020 May;20(5):533-534. doi: 10.1016/S1473-3099(20)30120-1. Epub 2020 Feb 19. No abstract available. Erratum In: Lancet Infect Dis. 2020 Sep;20(9):e215.
- Zhou S, Wang Y, Zhu T, Xia L. CT Features of Coronavirus Disease 2019 (COVID-19) Pneumonia in 62 Patients in Wuhan, China. AJR Am J Roentgenol. 2020 Jun;214(6):1287-1294. doi: 10.2214/AJR.20.22975. Epub 2020 Mar 5.
- Xiong Y, Sun D, Liu Y, Fan Y, Zhao L, Li X, Zhu W. Clinical and High-Resolution CT Features of the COVID-19 Infection: Comparison of the Initial and Follow-up Changes. Invest Radiol. 2020 Jun;55(6):332-339. doi: 10.1097/RLI.0000000000000674.
- Salehi S, Abedi A, Balakrishnan S, Gholamrezanezhad A. Coronavirus Disease 2019 (COVID-19): A Systematic Review of Imaging Findings in 919 Patients. AJR Am J Roentgenol. 2020 Jul;215(1):87-93. doi: 10.2214/AJR.20.23034. Epub 2020 Mar 14.
- Dai WC, Zhang HW, Yu J, Xu HJ, Chen H, Luo SP, Zhang H, Liang LH, Wu XL, Lei Y, Lin F. CT Imaging and Differential Diagnosis of COVID-19. Can Assoc Radiol J. 2020 May;71(2):195-200. doi: 10.1177/0846537120913033. Epub 2020 Mar 4.
- Li Y, Xia L. Coronavirus Disease 2019 (COVID-19): Role of Chest CT in Diagnosis and Management. AJR Am J Roentgenol. 2020 Jun;214(6):1280-1286. doi: 10.2214/AJR.20.22954. Epub 2020 Mar 4.
- Xie X, Zhong Z, Zhao W, Zheng C, Wang F, Liu J. Chest CT for Typical Coronavirus Disease 2019 (COVID-19) Pneumonia: Relationship to Negative RT-PCR Testing. Radiology. 2020 Aug;296(2):E41-E45. doi: 10.1148/radiol.2020200343. Epub 2020 Feb 12.
- Fang Y, Zhang H, Xie J, Lin M, Ying L, Pang P, Ji W. Sensitivity of Chest CT for COVID-19: Comparison to RT-PCR. Radiology. 2020 Aug;296(2):E115-E117. doi: 10.1148/radiol.2020200432. Epub 2020 Feb 19. No abstract available.
- Bai HX, Hsieh B, Xiong Z, Halsey K, Choi JW, Tran TML, Pan I, Shi LB, Wang DC, Mei J, Jiang XL, Zeng QH, Egglin TK, Hu PF, Agarwal S, Xie FF, Li S, Healey T, Atalay MK, Liao WH. Performance of Radiologists in Differentiating COVID-19 from Non-COVID-19 Viral Pneumonia at Chest CT. Radiology. 2020 Aug;296(2):E46-E54. doi: 10.1148/radiol.2020200823. Epub 2020 Mar 10.
- Bernheim A, Mei X, Huang M, Yang Y, Fayad ZA, Zhang N, Diao K, Lin B, Zhu X, Li K, Li S, Shan H, Jacobi A, Chung M. Chest CT Findings in Coronavirus Disease-19 (COVID-19): Relationship to Duration of Infection. Radiology. 2020 Jun;295(3):200463. doi: 10.1148/radiol.2020200463. Epub 2020 Feb 20.
- Guo L, Wei D, Zhang X, Wu Y, Li Q, Zhou M, Qu J. Clinical Features Predicting Mortality Risk in Patients With Viral Pneumonia: The MuLBSTA Score. Front Microbiol. 2019 Dec 3;10:2752. doi: 10.3389/fmicb.2019.02752. eCollection 2019. Erratum In: Front Microbiol. 2020 Jun 09;11:1304.
- Ki M; Task Force for 2019-nCoV. Epidemiologic characteristics of early cases with 2019 novel coronavirus (2019-nCoV) disease in Korea. Epidemiol Health. 2020;42:e2020007. doi: 10.4178/epih.e2020007. Epub 2020 Feb 9.
Links úteis
Datas de registro do estudo
Datas Principais do Estudo
Início do estudo (Real)
Conclusão Primária (Real)
Conclusão do estudo (Real)
Datas de inscrição no estudo
Enviado pela primeira vez
Enviado pela primeira vez que atendeu aos critérios de CQ
Primeira postagem (Real)
Atualizações de registro de estudo
Última Atualização Postada (Real)
Última atualização enviada que atendeu aos critérios de controle de qualidade
Última verificação
Mais Informações
Termos relacionados a este estudo
Palavras-chave
Termos MeSH relevantes adicionais
Outros números de identificação do estudo
- TAC-COVID19
Plano para dados de participantes individuais (IPD)
Planeja compartilhar dados de participantes individuais (IPD)?
Informações sobre medicamentos e dispositivos, documentos de estudo
Estuda um medicamento regulamentado pela FDA dos EUA
Estuda um produto de dispositivo regulamentado pela FDA dos EUA
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 .
Ensaios clínicos em covid19
-
Anavasi DiagnosticsAinda não está recrutando
-
Ain Shams UniversityRecrutamento
-
Israel Institute for Biological Research (IIBR)Concluído
-
Colgate PalmoliveConcluído
-
Christian von BuchwaldConcluído
-
Luye Pharma Group Ltd.Shandong Boan Biotechnology Co., LtdAtivo, não recrutando
-
University of ZurichLabor Speiz; Swiss Armed Forces; Universitätsspital ZürichInscrevendo-se por convite
-
Alexandria UniversityConcluído