Triagem AI-ECG para disfunção sistólica ventricular esquerda
1 de fevereiro de 2024 atualizado por: Seoul National University Hospital
Triagem AI-ECG para disfunção sistólica ventricular esquerda: um estudo prospectivo, observacional e multicêntrico
O objetivo do presente estudo é verificar a eficácia do algoritmo de inteligência artificial aplicado ao eletrocardiograma como potencial ferramenta de triagem para disfunção sistólica do ventrículo esquerdo.
Visão geral do estudo
Status
Ainda não está recrutando
Condições
Descrição detalhada
Os atuais investigadores desenvolveram um algoritmo de inteligência artificial (IA) baseado em eletrocardiograma (ECG) de 12 derivações, detectando disfunção sistólica ventricular esquerda, por meio de 364.845 ECGs de 148.547 pacientes. Então, quando o modelo foi testado retrospectivamente em 59.805 ECGs de 24.376 pacientes, o desempenho do modelo expresso como uma área sob a curva característica de operação do receptor foi de 0,889 (IC 95% 0,887-0,891).
Estamos planejando validar prospectivamente a eficácia do nosso modelo como uma potencial ferramenta de triagem para disfunção sistólica do ventrículo esquerdo.
Tipo de estudo
Observacional
Inscrição (Estimado)
1530
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: Hak Seung Lee, MD
- Número de telefone: +1-771-216-0764
- E-mail: cardiolee@gmail.com
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
- Adulto
- Adulto mais velho
Aceita Voluntários Saudáveis
N/D
Método de amostragem
Amostra Não Probabilística
População do estudo
Pacientes submetidos a ECG de 12 derivações e ecocardiograma transtorácico na prática clínica de rotina
Descrição
Critério de inclusão:
- Indivíduos ou aqueles cujo representante legal concorde em participar do estudo e assine o termo de consentimento
- Pode realizar eletrocardiograma de 12 derivações e ecocardiograma transtorácico
Critério de exclusão:
- Indivíduos com idade inferior a 18 anos.
- Indivíduos que não concordam em participar do estudo
- Pacientes que não podem participar de ensaios clínicos a critério do investigador
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
O que o estudo está medindo?
Medidas de resultados primários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Área sob a curva característica de operação do receptor (AUROC)
Prazo: Até a conclusão do estudo, em média 1 ano
|
Desempenho do modelo de IA detectando LVSD, expresso como AUROC.
Como auxílio diagnóstico para DSVE, será apresentada uma curva ROC expressa como sensibilidade a (1-especificidade), e a precisão da predição será confirmada pelo cálculo da AUROC, que é a área abaixo.
|
Até a conclusão do estudo, em média 1 ano
|
Medidas de resultados secundários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Sensibilidade
Prazo: Até a conclusão do estudo, em média 1 ano
|
Sensibilidade do modelo de IA detectando LVSD
|
Até a conclusão do estudo, em média 1 ano
|
|
Especificidade
Prazo: Até a conclusão do estudo, em média 1 ano
|
Sensibilidade do modelo de IA detectando pacientes com função sistólica ventricular esquerda normal
|
Até a conclusão do estudo, em média 1 ano
|
|
Valor preditivo positivo
Prazo: Até a conclusão do estudo, em média 1 ano
|
Valor preditivo positivo na população de pacientes recrutados
|
Até a conclusão do estudo, em média 1 ano
|
|
Valor preditivo negativo
Prazo: Até a conclusão do estudo, em média 1 ano
|
Valor preditivo negativo na população de pacientes recrutados
|
Até a conclusão do estudo, em média 1 ano
|
Colaboradores e Investigadores
É aqui que você encontrará pessoas e organizações envolvidas com este estudo.
Patrocinador
Investigadores
- Investigador principal: Seung-Pyo Lee, MD, PhD, Seoul National University Hospital
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
- Kwon JM, Jo YY, Lee SY, Kang S, Lim SY, Lee MS, Kim KH. Artificial Intelligence-Enhanced Smartwatch ECG for Heart Failure-Reduced Ejection Fraction Detection by Generating 12-Lead ECG. Diagnostics (Basel). 2022 Mar 8;12(3):654. doi: 10.3390/diagnostics12030654.
- Kwon JM, Kim KH, Jeon KH, Kim HM, Kim MJ, Lim SM, Song PS, Park J, Choi RK, Oh BH. Development and Validation of Deep-Learning Algorithm for Electrocardiography-Based Heart Failure Identification. Korean Circ J. 2019 Jul;49(7):629-639. doi: 10.4070/kcj.2018.0446. Epub 2019 Mar 21.
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)
1 de fevereiro de 2024
Conclusão Primária (Estimado)
10 de julho de 2024
Conclusão do estudo (Estimado)
10 de julho de 2025
Datas de inscrição no estudo
Enviado pela primeira vez
2 de novembro de 2023
Enviado pela primeira vez que atendeu aos critérios de CQ
21 de janeiro de 2024
Primeira postagem (Real)
30 de janeiro de 2024
Atualizações de registro de estudo
Última Atualização Postada (Estimado)
5 de fevereiro de 2024
Última atualização enviada que atendeu aos critérios de controle de qualidade
1 de fevereiro de 2024
Última verificação
1 de outubro de 2023
Mais Informações
Termos relacionados a este estudo
Termos MeSH relevantes adicionais
Outros números de identificação do estudo
- H-2306-083-1439
Plano para dados de participantes individuais (IPD)
Planeja compartilhar dados de participantes individuais (IPD)?
NÃO
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 .