- ICH GCP
- Registro de ensaios clínicos dos EUA
- Ensaio Clínico NCT05651360
Desempenho diagnóstico da TC de baixa dose para condições abdominais agudas (DETECT_Acute)
Desempenho diagnóstico da reconstrução de imagem de aprendizado profundo em TC de baixa dose para a detecção de condições abdominais agudas
O objetivo deste estudo observacional de não inferioridade é avaliar o desempenho diagnóstico da TC de baixa dosagem com reconstrução de imagem de aprendizado profundo (DLIR) em participantes adultos com condições abdominais agudas. A principal questão de pesquisa é:
• A TC de baixa dosagem com DLIR pode atingir o mesmo desempenho diagnóstico que a TC padrão para o diagnóstico de condições abdominais agudas.
Os participantes serão examinados com uma TC adicional de baixa dose diretamente após a TC padrão. O participante será seu próprio controle.
Visão geral do estudo
Status
Intervenção / Tratamento
Descrição detalhada
A tomografia computadorizada (TC) tornou-se uma ferramenta essencial na medicina clínica moderna. Com ampla disponibilidade, um rápido aumento no uso de imagens de TC foi observado nas últimas décadas. Com o aumento associado na exposição à radiação, o potencial aumento do risco de malignidade induzida por radiação tornou-se uma preocupação de saúde pública. Isso é especialmente verdadeiro para tomografias computadorizadas do abdome e da pelve, que atualmente representam 50% da dose coletiva de TC. Como o benefício da redução da dose em geral é compensado pela deterioração da qualidade da imagem, aspiram-se na prática clínica avanços tecnológicos para reduzir a dose de radiação sem comprometer a qualidade da imagem.
Na reconstrução de imagens de TC, a retroprojeção filtrada (FBP) tem sido o algoritmo de técnica de reconstrução de imagem dominante desde o início dos anos 1970, complementado pelos primeiros algoritmos comerciais de reconstrução iterativa (IR) em 2009.
Um novo algoritmo de reconstrução de imagem de aprendizado profundo (DLIR) recebeu aprovação clínica em 2019 (TrueFidelity, GE Healthcare, Milwaukee, WI). Outros algoritmos específicos de fornecedores para reconstrução de imagem de aprendizado profundo também estão surgindo (AiCE, Canon Medical Systems, Otawara, Japão). Conforme explicado por um white paper técnico, tendo sido treinado com conjuntos de dados FBP de alta e baixa dose em casos de pacientes e fantasmas, o algoritmo DLIR se esforça para suprimir o ruído da imagem sem comprometer a qualidade da imagem. O uso de reconstrução de imagem de aprendizado profundo demonstrou potencial para melhorar a qualidade da imagem e reduzir a dose sem alterar a textura do ruído.
Para pacientes com condições abdominais agudas, a TC do abdome e da pelve é considerada a melhor abordagem diagnóstica de primeira ou segunda linha. Para esses pacientes, um diagnóstico rápido e preciso é de grande importância para evitar atrasos no tratamento e complicações subsequentes, como perfuração gastrointestinal em caso de apendicite ou diverticulite. Por outro lado, também é importante evitar intervenções cirúrgicas desnecessárias e as complicações relacionadas. Um possível protocolo de TC de baixa dose deve, portanto, fornecer um desempenho diagnóstico não inferior para facilitar o diagnóstico rápido e evitar tratamentos excessivos e exames inconclusivos.
Resultados promissores foram relatados em relação a exames de TC de baixa dose com IR baseado em modelo e redução de dose de até 75-80%. No entanto, com a introdução de DLIR, uma redução ainda maior da dose parece viável. Nossos próprios resultados de um estudo de percepção de qualidade de imagem com DLIR indicam que uma redução de dose de até 92,5% em comparação com a TC padrão pode preservar uma qualidade de imagem de diagnóstico aceitável (trabalho ainda não publicado).
Com base nisso, o objetivo deste estudo é avaliar o desempenho diagnóstico da TC de baixa dose com DLIR para o diagnóstico de condições abdominais agudas em um ambiente de não inferioridade com um grande tamanho de amostra fornecido por dois grandes centros de trauma no norte da Europa.
Mira
Primário:
Avaliar o desempenho diagnóstico para condições abdominais agudas de TC de baixa dose com contraste aprimorado com DLIR "TrueFidelity" (TF) em comparação com TC de dose total padrão.
Secundário:
Avaliar a qualidade técnica e percebida da imagem (qualitativa e quantitativamente).
Ética
A aprovação será obtida do comitê de ética regional e do oficial de proteção de dados da instituição.
O consentimento informado por escrito será obtido de todos os participantes. Este projeto estará de acordo com a Declaração de Helsinque.
Riscos Existem riscos mínimos devido a um ligeiro aumento na exposição à radiação. A exposição adicional à radiação de 27,5% está dentro da variação nacional de exposição à radiação de exames de TC realizados para tarefas clínicas correspondentes. Os investigadores estimaram a dose efetiva adicional média em 1,5 mSv, o que corresponde a cerca de 4 meses com exposição natural à radiação de fundo na Noruega (4,1 mSv/ano). A exposição adicional à radiação se traduz em um risco teórico excessivo ao longo da vida de câncer mortal induzido por radiação entre 0,004 - 0,03%. Os riscos clínicos desta exposição são considerados mínimos/não significativos.
Material e Métodos O estudo será registrado em ClinicalTrials.gov antes da iniciação. Os métodos e resultados do estudo serão relatados de acordo com a declaração de Padrões para Relatórios de Estudos de Precisão de Diagnóstico (STARD) de 2015. Deve-se notar que o STARD-AI Steering Group está preparando uma extensão específica para AI. Se essas diretrizes STARD-AI forem publicadas antes do final do estudo, os resultados também serão relatados de acordo com este documento. Para compensar os elementos específicos da IA não abordados no STARD, os investigadores irão, quando relevante, contar com a Lista de verificação para inteligência artificial em imagens médicas (CLAIM), que segue o modelo da diretriz STARD.
Piloto Um piloto de estudo incluindo 10 pacientes divididos igualmente entre Oslo e Odense será realizado para permitir o teste da logística do estudo e ajustes do nível de dose de radiação da TC de baixa dose.
Protocolo de exame / exames de imagem Os exames serão realizados de acordo com os procedimentos de rotina local e protocolos de TC estabelecidos (Tomógrafo: GE Revolution).
Além da TC com protocolo de exame padrão, será realizada uma TC de baixa dose, não excedendo 30% da dose de radiação da TC padrão. As imagens de TC de baixa dose serão reconstruídas com TF alto. A TC de baixa dose será realizada diretamente após a TC padrão para evitar viés de diferenças no tempo da fase de contraste.
Localização e população local do estudo O estudo será realizado como um estudo multicêntrico envolvendo Oslo e Odense com coleta de dados prospectiva.
A população total estimada do estudo será dividida igualmente entre os dois hospitais.
Avaliação de imagens A TC de baixa dose não será utilizada para fins de diagnóstico ou tratamento do paciente. A avaliação e comparação de imagens serão realizadas separadamente do fluxo de trabalho de rotina clínica.
Todos os exames de TC de baixa dose serão avaliados de forma independente por dois radiologistas residentes e por dois radiologistas experientes especializados em radiologia abdominal com mais de 10 anos de experiência em TC abdominal. Os leitores serão cegos para todas as informações de exames anteriores, o relatório primário de TC, qualquer achado dos outros leitores, todas as informações relacionadas ao tratamento e para o diagnóstico final.
Eles terão acesso a encaminhamentos clínicos e exames laboratoriais realizados antes do exame de TC original. A avaliação das imagens será realizada no ambiente clínico dos radiologistas usando monitores de diagnóstico.
Na análise dos resultados, o diagnóstico para cada paciente da TC de baixa dose será comparado ao diagnóstico radiológico original baseado na TC de dose total.
Para concordância intraleitor, uma seleção aleatória de 10% dos casos será apresentada duas vezes para cada leitor.
A qualidade técnica da imagem é avaliada pelo posicionamento das regiões de interesse (ROI) em um segmento homogêneo da veia porta, parênquima hepático normal adjacente, aorta, músculos eretores da espinha e na gordura subcutânea. A relação contraste-ruído (CNR) será calculada.
A qualidade da imagem percebida será avaliada por pelo menos dois radiologistas em uma escala do tipo Likert ao longo de critérios de qualidade de imagem baseados nas diretrizes europeias para qualidade de imagem em TC abdominal.
Estatística Software estatístico dedicado, como Stata e SPSS, será usado para análise dos dados do estudo. O nível de significância alfa será definido como 5% e intervalos de confiança de 95% serão usados. As estatísticas Kappa serão usadas para concordância inter e intraleitores. A regressão logística será utilizada para avaliação da qualidade da imagem. Testes paramétricos ou não paramétricos apropriados serão utilizados para avaliação de variáveis numéricas. O desempenho diagnóstico será definido pela área sob a curva, sensibilidade, especificidade, valor preditivo positivo e negativo. Diferenças significativas na sensibilidade e especificidade serão determinadas pelo teste de McNemar.
Cálculo de poder e tamanho da amostra Um desenho de estudo de não inferioridade será usado para mostrar a não inferioridade em relação ao desempenho diagnóstico da TC de baixa dose em comparação com a TC padrão. Os investigadores estimaram a sensibilidade da TC padrão em 90%. A prevalência de condições abdominais agudas com uma correlação visível na TC padrão é estimada em 70% entre todos os encaminhamentos que atendem aos critérios de inclusão. Uma margem de não inferioridade de 10% para sensibilidade foi considerada como clinicamente aceitável, ou seja, a probabilidade de achados positivos na TC de baixa dose em caso de TC padrão positiva foi assumida como 90%.
S_L = Probabilidade (TC positiva de baixa dose | CT padrão positivo)
A hipótese 0 foi definida como:
S_L < 90%
A hipótese alternativa foi então definida como:
S_L > 90% Para identificar uma diferença unilateral de 6% (aumento) da margem de não inferioridade com um poder de 80% e um nível de significância alfa de 5%, os investigadores estimaram os pacientes necessários com achados de TC positivos para n= 116 (distribuição binomial). O número total de pacientes necessários foi então calculado em 116/0,7=166.
Tipo de estudo
Inscrição (Real)
Contactos e Locais
Critérios de participação
Critérios de elegibilidade
Idades elegíveis para estudo
Aceita Voluntários Saudáveis
Método de amostragem
População do estudo
Descrição
Critério de inclusão:
- Pacientes em avaliação por quadro abdominal agudo encaminhados para TC de abdome e pelve.
- Idade >18 anos
- Os pacientes devem ser capazes de dar seu consentimento oral e por escrito para a participação no estudo.
Critério de exclusão:
- Contra-indicações relativas a exames de TC com contraste, como reações adversas conhecidas ao meio de contraste iodado ou claustrofobia.
- Gravidez.
Plano de estudo
Como o estudo é projetado?
Detalhes do projeto
- Modelos de observação: Coorte
- Perspectivas de Tempo: Prospectivo
Coortes e Intervenções
Grupo / Coorte |
Intervenção / Tratamento |
|---|---|
|
Dor abdominal
Participantes sob avaliação para uma condição abdominal aguda que são encaminhados para TC de abdome e pelve.
|
A tomografia computadorizada de baixa dose será realizada, não excedendo 30% da dose de radiação da tomografia padrão.
As imagens de TC de baixa dose serão reconstruídas com TrueFidelity alto.
A TC de baixa dose será realizada diretamente após a TC padrão para evitar viés de diferenças no tempo da fase de contraste.
|
O que o estudo está medindo?
Medidas de resultados primários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Diagnostic performance of low-dose CT
Prazo: 6 to 12 months
|
Diagnostic performance of low-dose CT compared to standard CT according to ICD 10 diagnosis. Diagnostic performance measured in terms of: Sensitivity, derived from mixed-effects logistic regression. |
6 to 12 months
|
Medidas de resultados secundários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Diagnostic performance
Prazo: 6 to 12 month
|
Diagnostic performance measured in terms of: Specificity, positive predictive value, negative predictive value, and accuracy derived from mixed-effects logistic regression.
|
6 to 12 month
|
|
Radiation dose
Prazo: 6 to 12 months
|
Compare radiation dose; low-dose vs standard CT: Radiation dose measured in terms of DLP and CTDIvol. |
6 to 12 months
|
|
Reading time.
Prazo: 6 to 12 month
|
Reading time difference between low-dose CT and standard CT.
|
6 to 12 month
|
|
Perceived image quality
Prazo: 6 to 12 months
|
Compare perceived image quality; low-dose vs standard CT: Perceived image quality scored on a ordinal, 5-point Likert scale (at least two readers). |
6 to 12 months
|
|
Image quality - noise
Prazo: 6 to 12 months
|
Compare technical image quality; low-dose vs standard CT: Image noise in terms of standard deviation within a region of interest (ROI); numerical as Hounsfield unit (HU), several points of measurement. |
6 to 12 months
|
|
Image quality - contrast-to-noise ratio
Prazo: 6 to 12 months
|
Compare technical image quality; low-dose vs standard CT: Contrast-to-noise ratio; numerical, several points of measurement. Calculated according to: CNR=(│〖HU〗_Kidney - 〖HU〗_(Water )│)/√((〖SD〗_Kidney 2 + 〖SD〗_Water 2 )/2) |
6 to 12 months
|
|
Diagnoses
Prazo: 6 to 12 months
|
Descriptive exploration of diagnoses among patients referred to CT examinations; diagnoses according to ICD 10.
|
6 to 12 months
|
Colaboradores e Investigadores
Patrocinador
Colaboradores
Investigadores
- Investigador principal: Anselm Schulz, PhD, Oslo University Hospital
Publicações e links úteis
Publicações Gerais
- Berrington de Gonzalez A, Mahesh M, Kim KP, Bhargavan M, Lewis R, Mettler F, Land C. Projected cancer risks from computed tomographic scans performed in the United States in 2007. Arch Intern Med. 2009 Dec 14;169(22):2071-7. doi: 10.1001/archinternmed.2009.440.
- Brenner DJ, Hall EJ. Computed tomography--an increasing source of radiation exposure. N Engl J Med. 2007 Nov 29;357(22):2277-84. doi: 10.1056/NEJMra072149. No abstract available.
- Novelline RA, Rhea JT, Rao PM, Stuk JL. Helical CT in emergency radiology. Radiology. 1999 Nov;213(2):321-39. doi: 10.1148/radiology.213.2.r99nv01321.
- OECD. Computed tomography (CT) exams. 2018.
- Mettler FA Jr, Thomadsen BR, Bhargavan M, Gilley DB, Gray JE, Lipoti JA, McCrohan J, Yoshizumi TT, Mahesh M. Medical radiation exposure in the U.S. in 2006: preliminary results. Health Phys. 2008 Nov;95(5):502-7. doi: 10.1097/01.HP.0000326333.42287.a2.
- Pan X, Sidky EY, Vannier M. Why do commercial CT scanners still employ traditional, filtered back-projection for image reconstruction? Inverse Probl. 2009 Jan 1;25(12):1230009. doi: 10.1088/0266-5611/25/12/123009.
- Beister M, Kolditz D, Kalender WA. Iterative reconstruction methods in X-ray CT. Phys Med. 2012 Apr;28(2):94-108. doi: 10.1016/j.ejmp.2012.01.003. Epub 2012 Feb 10.
- Hsieh JL, E.; Nett, B.; Tang, J.; Thibault JB.; Sahney, S. A new era of image reconstruction: TrueFidelity. Technical white paper on deep learning image reconstruction. 2019.
- Jensen CT, Liu X, Tamm EP, Chandler AG, Sun J, Morani AC, Javadi S, Wagner-Bartak NA. Image Quality Assessment of Abdominal CT by Use of New Deep Learning Image Reconstruction: Initial Experience. AJR Am J Roentgenol. 2020 Jul;215(1):50-57. doi: 10.2214/AJR.19.22332. Epub 2020 Apr 14.
- Njolstad T, Schulz A, Godt JC, Brogger HM, Johansen CK, Andersen HK, Martinsen ACT. Improved image quality in abdominal computed tomography reconstructed with a novel Deep Learning Image Reconstruction technique - initial clinical experience. Acta Radiol Open. 2021 Apr 9;10(4):20584601211008391. doi: 10.1177/20584601211008391. eCollection 2021 Apr.
- Solomon J, Lyu P, Marin D, Samei E. Noise and spatial resolution properties of a commercially available deep learning-based CT reconstruction algorithm. Med Phys. 2020 Sep;47(9):3961-3971. doi: 10.1002/mp.14319. Epub 2020 Jul 6.
- Greffier J, Hamard A, Pereira F, Barrau C, Pasquier H, Beregi JP, Frandon J. Image quality and dose reduction opportunity of deep learning image reconstruction algorithm for CT: a phantom study. Eur Radiol. 2020 Jul;30(7):3951-3959. doi: 10.1007/s00330-020-06724-w. Epub 2020 Feb 25.
- Brady SL, Trout AT, Somasundaram E, Anton CG, Li Y, Dillman JR. Improving Image Quality and Reducing Radiation Dose for Pediatric CT by Using Deep Learning Reconstruction. Radiology. 2021 Jan;298(1):180-188. doi: 10.1148/radiol.2020202317. Epub 2020 Nov 17.
- Larson DB, Johnson LW, Schnell BM, Salisbury SR, Forman HP. National trends in CT use in the emergency department: 1995-2007. Radiology. 2011 Jan;258(1):164-73. doi: 10.1148/radiol.10100640. Epub 2010 Nov 29.
- Rud B, Vejborg TS, Rappeport ED, Reitsma JB, Wille-Jorgensen P. Computed tomography for diagnosis of acute appendicitis in adults. Cochrane Database Syst Rev. 2019 Nov 19;2019(11):CD009977. doi: 10.1002/14651858.CD009977.pub2.
- Kabir SA, Kabir SI, Sun R, Jafferbhoy S, Karim A. How to diagnose an acutely inflamed appendix; a systematic review of the latest evidence. Int J Surg. 2017 Apr;40:155-162. doi: 10.1016/j.ijsu.2017.03.013. Epub 2017 Mar 6.
- Moloney F, James K, Twomey M, Ryan D, Grey TM, Downes A, Kavanagh RG, Moore N, Murphy MJ, Bye J, Carey BW, McSweeney SE, Deasy C, Andrews E, Shanahan F, Maher MM, O'Connor OJ. Low-dose CT imaging of the acute abdomen using model-based iterative reconstruction: a prospective study. Emerg Radiol. 2019 Apr;26(2):169-177. doi: 10.1007/s10140-018-1658-z. Epub 2018 Nov 17.
- Poletti PA, Becker M, Becker CD, Halfon Poletti A, Rutschmann OT, Zaidi H, Perneger T, Platon A. Emergency assessment of patients with acute abdominal pain using low-dose CT with iterative reconstruction: a comparative study. Eur Radiol. 2017 Aug;27(8):3300-3309. doi: 10.1007/s00330-016-4712-9. Epub 2017 Jan 12.
- Widmark A. Diagnostic reference level (DRL) in Norway 2017. Results, revision:and establishment of new DRL.NRPA Report 2018:3. Norwegian Radiation Protection Authority, Østerås 2018.
- Komperød M, Rudjord AL, Skuterud L, Dyve JE. Radiation Doses from the Environment. Calculations of the Public's Exposure to Radiation from the Environment in Norway. Strålevern Rapport 2015:11 Østerås: Norwegian Radiation Protection Authority 2015.
- Bossuyt PM, Reitsma JB, Bruns DE, Gatsonis CA, Glasziou PP, Irwig L, Lijmer JG, Moher D, Rennie D, de Vet HC, Kressel HY, Rifai N, Golub RM, Altman DG, Hooft L, Korevaar DA, Cohen JF; STARD Group. STARD 2015: An Updated List of Essential Items for Reporting Diagnostic Accuracy Studies. Radiology. 2015 Dec;277(3):826-32. doi: 10.1148/radiol.2015151516. Epub 2015 Oct 28.
- Sounderajah V, Ashrafian H, Golub RM, Shetty S, De Fauw J, Hooft L, Moons K, Collins G, Moher D, Bossuyt PM, Darzi A, Karthikesalingam A, Denniston AK, Mateen BA, Ting D, Treanor D, King D, Greaves F, Godwin J, Pearson-Stuttard J, Harling L, McInnes M, Rifai N, Tomasev N, Normahani P, Whiting P, Aggarwal R, Vollmer S, Markar SR, Panch T, Liu X; STARD-AI Steering Committee. Developing a reporting guideline for artificial intelligence-centred diagnostic test accuracy studies: the STARD-AI protocol. BMJ Open. 2021 Jun 28;11(6):e047709. doi: 10.1136/bmjopen-2020-047709.
- Mongan J, Moy L, Kahn CE Jr. Checklist for Artificial Intelligence in Medical Imaging (CLAIM): A Guide for Authors and Reviewers. Radiol Artif Intell. 2020 Mar 25;2(2):e200029. doi: 10.1148/ryai.2020200029. eCollection 2020 Mar. No abstract available.
- Report EUR 16262 EN. European guidelines on quality criteria for computed tomography. 2000.
- Ahn S, Park SH, Lee KH. How to demonstrate similarity by using noninferiority and equivalence statistical testing in radiology research. Radiology. 2013 May;267(2):328-38. doi: 10.1148/radiol.12120725.
- Eng KA, Abadeh A, Ligocki C, Lee YK, Moineddin R, Adams-Webber T, Schuh S, Doria AS. Acute Appendicitis: A Meta-Analysis of the Diagnostic Accuracy of US, CT, and MRI as Second-Line Imaging Tests after an Initial US. Radiology. 2018 Sep;288(3):717-727. doi: 10.1148/radiol.2018180318. Epub 2018 Jun 19.
- Expert Panel on Gastrointestinal Imaging:; Garcia EM, Camacho MA, Karolyi DR, Kim DH, Cash BD, Chang KJ, Feig BW, Fowler KJ, Kambadakone AR, Lambert DL, Levy AD, Marin D, Moreno C, Peterson CM, Scheirey CD, Siegel A, Smith MP, Weinstein S, Carucci LR. ACR Appropriateness Criteria(R) Right Lower Quadrant Pain-Suspected Appendicitis. J Am Coll Radiol. 2018 Nov;15(11S):S373-S387. doi: 10.1016/j.jacr.2018.09.033.
- Expert Panel on Gastrointestinal Imaging:; Peterson CM, McNamara MM, Kamel IR, Al-Refaie WB, Arif-Tiwari H, Cash BD, Chernyak V, Goldstein A, Grajo JR, Hindman NM, Horowitz JM, Noto RB, Porter KK, Srivastava PK, Zaheer A, Carucci LR. ACR Appropriateness Criteria(R) Right Upper Quadrant Pain. J Am Coll Radiol. 2019 May;16(5S):S235-S243. doi: 10.1016/j.jacr.2019.02.013.
- Akagi M, Nakamura Y, Higaki T, Narita K, Honda Y, Zhou J, Yu Z, Akino N, Awai K. Deep learning reconstruction improves image quality of abdominal ultra-high-resolution CT. Eur Radiol. 2019 Nov;29(11):6163-6171. doi: 10.1007/s00330-019-06170-3. Epub 2019 Apr 11.
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
- Dor
- Manifestações Neurológicas
- Processos Patológicos
- Sinais e Sintomas Digestivos
- Doenças Intestinais
- Infecções
- Doenças do aparelho digestivo
- Doenças Gastrointestinais
- Doenças pancreáticas
- Doenças das vias biliares
- Gastroenterite
- Doenças da Vesícula Biliar
- Doenças cecais
- Infecções intra-abdominais
- Condições Patológicas, Sinais e Sintomas
- Sinais e sintomas
- Colecistite
- Dor abdominal
- Pancreatite
- Doença
- Dor aguda
- Colecistite Aguda
- Apendicite
Outros números de identificação do estudo
- PVO ref. 22/11840
- 22/11840 (Outro identificador: Data protection officer at Oslo University Hospital)
- 468490 (Outro identificador: Regional Comittees for Medical Research Ethics South East)
Plano para dados de participantes individuais (IPD)
Planeja compartilhar dados de participantes individuais (IPD)?
Descrição do plano 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 .