Deep Learning para identificação inteligente de arritmias (ECG-LEARNING)
2 de abril de 2024 atualizado por: First Affiliated Hospital Xi'an Jiaotong University
Aprendizagem Profunda para Identificação Inteligente de Arritmias (ECG-LEARNING): um Estudo de Coorte Nacional Multicêntrico, Retrospectivo-Prospectivo, Iniciado pelo Investigador
Este estudo visa projetar e treinar um modelo de aprendizado profundo para o diagnóstico de diferentes arritmias.
Visão geral do estudo
Descrição detalhada
Este estudo visa coletar retrospectiva e prospectivamente dados clínicos de rotina, como eletrocardiogramas, de pacientes com arritmias que atendam aos critérios de inclusão e exclusão.
Em seguida, projetaremos e treinaremos um modelo de aprendizado profundo para analisar as características eletrocardiográficas das arritmias, identificar os tipos de arritmias e avaliar o valor do modelo para o diagnóstico de diferentes arritmias.
Tipo de estudo
Observacional
Inscrição (Estimado)
4000
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.
Contato de estudo
- Nome: Guoliang Li, M.D.
- Número de telefone: +8613759982523
- E-mail: liguoliang_med@163.com
Estude backup de contato
- Nome: Chaofeng Sun, M.D.
- E-mail: cfsun1@mail.xjtu.edu.cn
Locais de estudo
-
-
Shaanxi
-
Xi'an, Shaanxi, China, 710061
- First Affiliated Hospital of Xi'an Jiantong University
-
-
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
- Filho
- Adulto
- Adulto mais velho
Aceita Voluntários Saudáveis
Não
Método de amostragem
Amostra Não Probabilística
População do estudo
Pacientes diagnosticados com arritmia por eletrocardiograma de doze derivações ou Holter.
Descrição
Critério de inclusão:
- Para estudo retrospectivo: 1.Pacientes com arritmia diagnosticada por eletrocardiograma de superfície de 12 derivações de rotina ou Holter; 2.O tipo de arritmia é diagnosticado por exame eletrofisiológico intracardíaco.
- Para estudo prospectivo: 1.Pacientes com arritmia diagnosticada por eletrocardiograma de superfície de 12 derivações de rotina ou Holter; 2.Planeja-se exame eletrofisiológico intracardíaco.
Critério de exclusão:
- Falta de eletrocardiograma de superfície de 12 derivações de rotina ou dados de holter;
- Falta de exame eletrofisiológico intracardíaco;
- Os pacientes se recusaram a assinar o consentimento informado e se recusaram a participar do estudo.
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
Coortes e Intervenções
Grupo / Coorte |
Intervenção / Tratamento |
|---|---|
|
Grupo experimental
Dados de ECG e dados clínicos deste grupo de pacientes com arritmia serão usados para construir um modelo de aprendizado profundo.
|
Nenhuma intervenção será dada aos pacientes.
|
O que o estudo está medindo?
Medidas de resultados primários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Um modelo de aprendizagem profunda projetado para identificar de forma inteligente os tipos de arritmia.
Prazo: 1 dia após a inscrição.
|
O modelo é treinado no conjunto de treinamento, o melhor modelo e os hiperparâmetros são selecionados por meio do conjunto de verificação e, finalmente, os resultados do modelo são testados no conjunto de teste.
|
1 dia após a inscrição.
|
Medidas de resultados secundários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
A sensibilidade, especificidade e precisão do modelo de aprendizado profundo
Prazo: 1 dia após a inscrição.
|
A sensibilidade, especificidade e precisão de um modelo de aprendizado profundo projetado foram avaliadas pelos resultados do exame eletrofisiológico intracardíaco para identificar pacientes com arritmia de vários centros.
|
1 dia após a inscrição.
|
Colaboradores e Investigadores
É aqui que você encontrará pessoas e organizações envolvidas com este estudo.
Patrocinador
Colaboradores
Investigadores
- Investigador principal: Guoliang Li, M.D., First Affiliated Hospital Xi'an Jiaotong University
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 (Estimado)
30 de dezembro de 2024
Conclusão Primária (Estimado)
31 de agosto de 2028
Conclusão do estudo (Estimado)
31 de dezembro de 2028
Datas de inscrição no estudo
Enviado pela primeira vez
6 de julho de 2023
Enviado pela primeira vez que atendeu aos critérios de CQ
21 de julho de 2023
Primeira postagem (Real)
1 de agosto de 2023
Atualizações de registro de estudo
Última Atualização Postada (Real)
4 de abril de 2024
Última atualização enviada que atendeu aos critérios de controle de qualidade
2 de abril de 2024
Última verificação
1 de abril de 2024
Mais Informações
Termos relacionados a este estudo
Palavras-chave
Termos MeSH relevantes adicionais
Outros números de identificação do estudo
- XJTU1AF2023LSK-170
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 .