- ICH GCP
- Registro de ensaios clínicos dos EUA
- Ensaio Clínico NCT07468123
Estimativa de Risco de Fibrilhação Auricular com Eletrocardiogramas Portáteis de Derivação Única (AFRESHE)
O objetivo deste estudo piloto prospetivo e não randomizado é descobrir se as previsões de um algoritmo de inteligência artificial (IA) baseado em ECG de 12 derivações, previamente validado (ECG-AI), identificam pessoas com maior probabilidade de ter fibrilhação auricular (FA) não diagnosticada.
As principais questões que pretende responder são:
As pessoas previstas como tendo alto risco de FA usando ECG-AI têm uma taxa mais elevada de novo diagnóstico de FA usando rastreio de ECG 1L em comparação com pessoas previstas como tendo baixo risco? As estimativas de risco de FA baseadas em IA do ECG de 12 derivações correlacionam-se com as estimativas de risco de FA do ECG 1L? As pessoas consideram o rastreio de FA com ECG 1L aceitável e útil?
Os participantes irão:
Ser submetidos a rastreio com ECG 1L enviado para sua casa Completar um inquérito que avalia atitudes em relação ao rastreio com ECG 1L Completar um monitor de adesivo de 14 dias em 1 ou 2 ocasiões, dependendo dos resultados do ECG 1L
Visão geral do estudo
Status
Condições
Intervenção / Tratamento
Descrição detalhada
Este é um estudo piloto prospetivo, não randomizado, concebido para avaliar se o nosso algoritmo de ECG de 12 derivações consegue identificar indivíduos com FA detetável através de ECG de 1 derivação. Também avaliaremos se as estimativas de risco de FA do ECG de 1 derivação se correlacionam com as do ECG de 12 derivações. Também planeamos avaliar as atitudes dos participantes em relação ao uso de ECG de 1 derivação para estimar o risco de FA.
Utilizando o nosso algoritmo de risco de FA em ECG de 12 derivações existentes, categorizaremos os participantes prospetivos em baixo risco de FA (<1% de risco de FA em 1 ano) versus alto risco de FA (>10% de risco de FA em 1 ano). Enviaremos dispositivos de ECG de 1 derivação por correio aos participantes e pediremos-lhes que obtenham 3 registos, que depois usaremos para estimar o risco de FA utilizando uma versão do nosso algoritmo de risco de FA adaptada para ECG de 1 derivação. Posteriormente, realizaremos um rastreio de FA com monitor de adesivo e compararemos as taxas de deteção de FA entre os dois grupos.
Este estudo envolve o uso de dois dispositivos digitais de consumo. O dispositivo AliveCor KardiaMobile ECG de 1 derivação é um dispositivo de avaliação do ritmo cardíaco aprovado pela FDA, capaz de produzir um ECG de 1 derivação em conjunto com um smartphone compatível. O Zio®XT é um monitor de ritmo ECG de 1 derivação de grau médico aprovado pela FDA.
Este estudo piloto tem três resultados principais: 1) risco estimado de FA prospetivamente determinado utilizando o algoritmo de ECG de 1 derivação portátil, 2) FA incidente aos 12 meses, determinado utilizando o registo eletrónico de saúde associado e/ou os resultados dos monitores de adesivo do estudo, e 3) aceitabilidade e utilidade percebidas do ECG portátil. De acordo com este protocolo, não são necessárias visitas de estudo presenciais.
Tipo de estudo
Inscrição (Estimado)
Estágio
- Não aplicável
Contactos e Locais
Locais de estudo
-
-
Massachusetts
-
Boston, Massachusetts, Estados Unidos, 02114
- Mass General Brigham
-
-
Critérios de participação
Critérios de elegibilidade
Idades elegíveis para estudo
- Adulto
- Adulto mais velho
Aceita Voluntários Saudáveis
Descrição
Critérios de Inclusão:
- Homens e mulheres com idades entre 50 e 90 anos que são pacientes novos ou estabelecidos num consultório de cuidados primários ou cardiologia ambulatória do MGH
- Dispostos a dar consentimento para participar no estudo para aceder a dados dos registos eletrónicos de saúde (EHR)
- Pelo menos 1 ECG de 12 derivações obtido nos 5 anos anteriores à data de início do estudo para estimativa de risco de FA
- Têm acesso a um smartphone ou tablet para usar com o dispositivo ECG AliveCor KardiaMobile 1L
Critérios de Exclusão:
- Histórico de fibrilhação auricular ou flutter auricular conforme documentado na lista de problemas médicos do registo eletrónico de saúde atual do paciente ou diagnóstico autorrelatado
- Dispositivos cardíacos implantados (marcapassos, desfibrilhadores cardíacos implantáveis ou terapia de ressincronização cardíaca e gravadores de loop implantáveis)
- Histórico de alergia a adesivo
Plano de estudo
Como o estudo é projetado?
Detalhes do projeto
- Finalidade Principal: Diagnóstico
- Alocação: Não randomizado
- Modelo Intervencional: Atribuição Paralela
- Mascaramento: Solteiro
Armas e Intervenções
Grupo de Participantes / Braço |
Intervenção / Tratamento |
|---|---|
|
Comparador Ativo: Baixo risco
Baixo risco estimado para FA (<1% risco de FA em 1 ano)
|
Os indivíduos serão submetidos a um rastreio de ECG 1L utilizando o dispositivo de ECG AliveCor KardiaMobile 1L
Os indivíduos que apresentarem evidência de FA no ECG de 1.ª linha serão submetidos a avaliação com monitor de adesivo de 14 dias no momento do rastreio inicial.
De resto, todos os participantes do estudo serão submetidos a monitor de adesivo de 14 dias no ponto temporal de 1 ano. |
|
Comparador Ativo: Alto risco
Baixo risco estimado de FA (>10% de risco de FA em 1 ano)
|
Os indivíduos serão submetidos a um rastreio de ECG 1L utilizando o dispositivo de ECG AliveCor KardiaMobile 1L
Os indivíduos que apresentarem evidência de FA no ECG de 1.ª linha serão submetidos a avaliação com monitor de adesivo de 14 dias no momento do rastreio inicial.
De resto, todos os participantes do estudo serão submetidos a monitor de adesivo de 14 dias no ponto temporal de 1 ano. |
O que o estudo está medindo?
Medidas de resultados primários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Novo diagnóstico de FA (%)
Prazo: 1 ano
|
Taxa de novos diagnósticos de FA
|
1 ano
|
|
Aceitabilidade e utilidade
|
Aceitabilidade e utilidade baseadas em inquérito do processo de rastreio de ECG 1L
|
|
|
Correlação de risco de FA baseada em IA
|
Correlação entre o risco de FA baseado em ECG de 12 derivações e o risco de FA baseado em ECG de 1 derivação utilizando modelo de IA
|
Colaboradores e Investigadores
Patrocinador
Publicações e links úteis
Publicações Gerais
- Khurshid S, Friedman S, Reeder C, Di Achille P, Diamant N, Singh P, Harrington LX, Wang X, Al-Alusi MA, Sarma G, Foulkes AS, Ellinor PT, Anderson CD, Ho JE, Philippakis AA, Batra P, Lubitz SA. ECG-Based Deep Learning and Clinical Risk Factors to Predict Atrial Fibrillation. Circulation. 2022 Jan 11;145(2):122-133. doi: 10.1161/CIRCULATIONAHA.121.057480. Epub 2021 Nov 8.
- Khurshid S, Friedman SF, Al-Alusi MA, Kany S, Sommers T, Anderson CD, Ho JE, McManus DD, Borowsky LH, Ashburner JM, Lubitz SA, Atlas SJ, Maddah M, Singer DE, Ellinor PT. Artificial intelligence-enabled analysis of handheld single-lead electrocardiograms to predict incident atrial fibrillation: an analysis of the VITAL-AF randomized trial. NPJ Digit Med. 2025 Nov 26;8(1):776. doi: 10.1038/s41746-025-02164-2.
Datas de registro do estudo
Datas Principais do Estudo
Início do estudo (Real)
Conclusão Primária (Estimado)
Conclusão do estudo (Estimado)
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
- 2024P002767
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
produto fabricado e exportado 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 .