- ICH GCP
- Реестр клинических исследований США
- Клиническое испытание NCT03458806
Выявление клапанных пороков с помощью фоно- и электрокардиограммы (PEA-Valve)
Диагноз клапанного порока сердца (VHD) или его отсутствия всегда требует визуализации сердца. Знакомый и недорогой инструмент, помогающий в диагностике или исключении значимой VHD, может как ускорить доступ к жизненно важным методам лечения, так и снизить потребность в дорогостоящем тестировании. Одобренное Управлением по санитарному надзору за качеством пищевых продуктов и медикаментов устройство Eko Duo состоит из цифрового стетоскопа и устройства электрокардиограммы (ЭКГ) с одним отведением, которое по беспроводной сети подключается к приложению Eko Mobile для одновременной записи и визуализации фоно- и электрокардиограмм. Эти особенности позволяют этому устройству собирать большие массивы аускультативных данных о пациентах как с VHD, так и без него.
В этом исследовании исследователи стремятся разработать автоматизированную систему для выявления VHD по фоно- и электрокардиограмме. В частности, исследователи попытаются разработать алгоритмы машинного обучения для изучения фонокардиограмм пациентов с клинически значимым аортальным стенозом (АС) или митральной регургитацией (МР), а затем поставят перед алгоритмами задачу идентифицировать пациентов с клинически значимым ВПХ, определяемым золотым стандарт, из наивных фонокардиограмм. Исследователи ожидают, что исследование может произвести революцию в диагностике ВГБК, предоставив более точную замену традиционной аускультации.
Обзор исследования
Статус
Подробное описание
Выявление клапанных пороков с помощью фоно- и электрокардиограммы (исследование PEA-Valve)
Конкретная(ые) цель(и) Цель 1: Может ли алгоритм машинного обучения, основанный на одновременных записях фоно- и электрокардиограммы, надежно диагностировать клинически значимый аортальный стеноз?
Цель 2: Может ли алгоритм машинного обучения, полученный из одновременных записей фоно- и электрокардиограммы, надежно диагностировать клинически важную митральную регургитацию?
Значимость Пороки клапанов сердца (ВПС) являются распространенной глобальной проблемой здравоохранения, при этом популяционные исследования показывают распространенность аортального стеноза (АС) в 10% и митральной недостаточности (МР) в 20%. Новые хирургические и интервенционные достижения позволяют лечить пациентов в более старшем возрасте или у которых риск вмешательства ранее был бы неприемлемым. Учитывая, что заболеваемость как МР, так и АС увеличивается с возрастом, существует растущая потребность в выявлении этих состояний, чтобы предложить лечение, изменяющее течение болезни.
В современной клинической практике диагностика ВГБ в значительной степени зависит от эхокардиографии. Это, в свою очередь, требует как направления от поставщика медицинских услуг с клиническим подозрением на VHD, как правило, из-за аускультативного отклонения, так и доступа к самой эхокардиограмме. И МР, и АС приводят к надежно воспроизводимым аускультативным данным: голосистолическому и систолическому шуму нарастания-декрещендо соответственно. Тем не менее, несмотря на это, аускультация как диагностический инструмент общеизвестно плоха: ее точность для выявления МР и АС колеблется всего от 5 до 40%. Все эти факторы вызывают обеспокоенность по поводу недостаточной диагностики этих все более поддающихся лечению состояний.
Здесь исследователи будут решать потребности как в более широком доступе, так и в повышении диагностической точности тестирования на VHD. Исследователи будут использовать комбинацию записей фонокардиограммы (ФКГ) и электрокардиограммы в одном отведении (ЭКГ), синхронизированных в режиме реального времени с защищенным облачным сервером с помощью электронного стетоскопа Eko Duo. С помощью этих данных исследователи разработают и подтвердят алгоритм машинного обучения для диагностики клинически значимого АС или МР. Поскольку Eko Duo по существу аналогичен традиционному стетоскопу, культовому инструменту, широко используемому как пациентами, так и медицинскими работниками, его использование для управления автоматическим алгоритмом обнаружения является осуществимым и привлекательным в качестве замены традиционной аускультации. Кроме того, переложив бремя интерпретации тестов с клинициста на алгоритм, исследователи предполагают, что это повысит общую точность диагностики.
Методы. Обзор дизайна: перекрестное исследование всех субъектов, прошедших клиническую эхокардиографию в лаборатории эхокардиографии для взрослых UCSF.
Субъекты исследования Обзор: Исследователи будут набирать взрослых субъектов, проходящих клиническую эхокардиограмму в кампусе UCSF Parnassus. Эти субъекты будут последовательно сгруппированы в когорты вывода и проверки, стратифицированные по статусу случая, чтобы достичь ожидаемого размера выборки. Такое группирование произойдет после регистрации субъекта и сбора данных.
Целевая популяция: взрослые с АС от умеренной до тяжелой и тяжелой степени или с МР от умеренной до тяжелой и тяжелой степени (случаи) и взрослые со структурно нормальным сердцем с минимальным VHD (контрольная группа). В более строгом параллельном анализе целевая контрольная популяция будет определена как имеющая любую степень АС или МР менее чем от умеренной до тяжелой.
Доступное население: Взрослые, отвечающие критериям входа, проходящие клинические эхокардиограммы в эхокардиографической лаборатории UCSF, готовые к участию.
Схема отбора проб: Исследователи будут последовательно подходить к субъектам, поступающим в лабораторию эхокардиографии для взрослых в UCSF Parnassus. Кроме того, исследователи будут предварительно проверять субъектов на наличие высокой вероятности наличия АС или МР (на основании показаний для исследования и предыдущих диагнозов в медицинской карте APEX) и выборочно нацеливать их на регистрацию в ситуациях, когда возможности регистрации координатора исследования насыщены. .
Стратегия набора: введение исследования во время регистрации на эхокардиограмму с помощью брошюры или листовки с последующим личным обращением к потенциальным субъектам в ожидании клинической эхокардиограммы.
Стратегия удержания: нет. Следователи сохранят основной файл с номерами медицинских карт для определения контактной информации в будущем, если это будет сочтено необходимым.
Обзор измерений: исследование будет сосредоточено на двух измерениях: 1) золотой стандарт оценки VHD с помощью эхокардиограммы, как сообщает эхокардиографическая лаборатория UCSF. 2) 30-секундные одновременные записи ФКГ и ЭКГ в одном отведении с помощью устройства Eko Duo в каждой из четырех стандартных аускультативных позиций сердца с необязательными дополнительными записями с помощью устройства Eko Core. В исследовании используется тот факт, что все отчеты о клинических эхокардиограммах включают эти оценки клапанов.
Золотой стандарт: эхокардиограмма признана кардиологическим сообществом золотым стандартом диагностики тяжести VHD. Чтобы свести к минимуму нагрузку на исследователей, а также сократить расходы, исследователи воспользуются преимуществом того, что все отчеты о клинических эхокардиограммах включают оценки VHD, которые будут служить золотым стандартом. Эти отчеты соответствуют рекомендациям Американского общества эхокардиографии (ASE), которые позволяют классифицировать VHD следующим образом: отсутствие, легкая, умеренная или тяжелая форма. Лаборатория эхокардиографии UCSF включает дополнительные категории следов, от легкой до умеренной, от умеренной до тяжелой и критической, что позволяет интерпретировать, когда отдельные параметры в рамках исследования противоречат друг другу. Первичное измерение будет окончательным заключением о тяжести VHD для MR или AS, как сообщает сертифицированный кардиолог. Исследователи определят «клинически значимый» VHD как средний или тяжелый или хуже, поскольку это будет охватывать все уровни заболевания, которые могут потребовать прямого вмешательства. Кроме того, исследователи извлекут весь отчет об эхокардиографии, а также изображения файлов эхокардиограммы, чтобы сохранить данные для будущего использования при возникновении новых исследовательских вопросов.
Измерения устройства. Записи одновременных ЭКГ и ЭКГ в одном отведении будут выполняться для каждого субъекта стандартизированным способом. Каждый субъект будет подвергаться 30-секундной записи с использованием устройства Eko Duo в четырех стандартных положениях аускультации. Наблюдатели будут обучены систематическому методу получения измерений. Если позволят время и пациент, исследователи также получат те же записи с помощью устройства Eko Core, которое использует то же программное обеспечение, но не включает запись ЭКГ. Поскольку устройство позволит визуализировать PCG во время записи, наблюдатель будет получать обратную связь в режиме реального времени о расположении устройства, чтобы максимизировать качество записи в каждой позиции. Исследователи планируют периодическую проверку записей для обеспечения надлежащего качества данных. Исследователи ожидают, что эта гибкость и обратная связь в режиме реального времени улучшат обобщаемость использования устройства в реальном мире (т. неучебная) клиническая ситуация.
Вмешивающиеся факторы и предвзятость: разработка и проверка алгоритмов будут происходить удаленно, после того, как будет выполнена клиническая эхокардиограмма, и, следовательно, не повлияют на результат золотого стандарта. На результат теста может повлиять наличие других состояний, вызывающих систолические шумы (включая ВПХ, кроме АС или МР, или врожденный порок сердца). Исследователи включат эти показатели из отчета об эхокардиограмме, чтобы сравнить результаты теста у пациентов с этими другими состояниями и без них.
Статистические проблемы Нулевая гипотеза: алгоритм машинного обучения не может предсказать наличие клинически значимого АС или МР.
Обоснование размера выборки:
- Чувствительность алгоритма: 90%
- Специфичность алгоритма: 90%
- Целевое отношение правдоподобия (+) алгоритма [LR(R)]: 9 (получено из Sn / [1 - Sp])
- Минимальное отношение правдоподобия (+) алгоритма [LR(R)]: 5
- Уровень достоверности = 0,95 (альфа = 0,05)
- Доверительный интервал [LR(R)]: 5,120–15,820
- Размер выборки = 110 на группу; 330 на когорту (контроль, случай АС, случай МР); всего 660 (группы обучения и проверки)
- Резюме: если предположить, что чувствительность и специфичность алгоритма машинного обучения для обнаружения клинически значимого АС или МР равны 0,9, ожидается, что общий размер выборки в 660 не опустится ниже порогового отношения правдоподобия 5,0 в 95% доверительном интервале ни в одном из этих случаев. производные или валидационные когорты.
- Обоснование критических предположений: Исследователи предполагают, что алгоритм может обеспечить чувствительность и специфичность 90% при обнаружении аортального стеноза или митральной недостаточности по сравнению с сердцами без пороков сердца, на основе ранее опубликованных отчетов с использованием нейронных сетей, с использованием размеров выборки менее 100. случаи. Кроме того, по оценкам исследователей, минимальное отношение правдоподобия 5 необходимо для того, чтобы тест был клинически полезным. Хотя эта оценка хорошо работает для проверочного набора, число, необходимое для производного набора, менее ясно; приведенные выше оценки являются консервативным числом. Исследователи ожидают обучения алгоритма после регистрации каждых 20 случаев с использованием подхода начальной загрузки; это обеспечит промежуточные тестовые характеристики и поможет определить истинное число, необходимое для набора производных. Поскольку это отчасти пилотное исследование, определение истинной чувствительности и специфичности теста само по себе является ценным результатом.
Подход к анализу: Исследователи будут генерировать кривые ROC (построение Sn против 1-Sp) для оценок алгоритма для набора проверки. В конечном итоге исследователи создадут 4 кривые: по две для МР и АС, используя алгоритмы, созданные с помощью первичного (определение контроля как имеющего не более чем легкую VHD) и вторичного (определение контроля как отсутствие умеренной или тяжелой VHD или более высокой) подходов. . Кроме того, исследователи ожидают проведения исследовательского описательного анализа самого алгоритма путем выявления клинических коррелятов с характеристиками, наиболее важными для выявления АС или МР.
Разное Этические соображения: никаких серьезных опасений. Данные будут надежно храниться на платформах, совместимых с HIPAA. Исследование квалифицируется как минимальное по критериям UCSF CHR.
Планы предварительного тестирования: перед набором участников исследования персонал исследования соберет данные о себе и поставщиках для тестирования системы сбора данных. Во время первоначального набора испытуемых исследовательский персонал каждый день просматривает процесс, чтобы обсудить препятствия или проблемы.
План управления данными: данные исследования будут поступать из двух источников. Отчеты об эхокардиограммах, извлеченные из электронной медицинской карты (APEX), будут рассмотрены исследовательским персоналом для создания основной базы данных характеристик заболевания. Основной файл, связывающий идентификаторы субъектов с идентифицируемой информацией, а также извлеченные и деидентифицированные отчеты об эхокардиограмме и деидентифицированные необработанные изображения эхокардиограммы, будут храниться на защищенном исследовательском сервере, используемом Отделением кардиологии. Записанные данные ФКГ и ЭКГ (фактические измерения исследования) будут синхронизироваться в режиме реального времени с защищенным, совместимым с HIPAA облачным сервером, управляемым Eko Devices. В заранее установленное время обучения алгоритму группе машинного обучения (координируемой Eko Devices) будут предоставлены ключи для присвоения идентификатора субъекта категории VHD.
Меры по контролю качества: PI исследования будет проводить периодическую проверку записанных данных для обеспечения надлежащего качества данных.
Расписание уроков:
Публикация анализа разработки алгоритма регистрации субъекта контракта/логистики Общий график: 9 месяцев
Тип исследования
Регистрация (Действительный)
Контакты и местонахождение
Места учебы
-
-
California
-
San Francisco, California, Соединенные Штаты, 94143
- University of California San Francisco
-
-
Критерии участия
Критерии приемлемости
Возраст, подходящий для обучения
Принимает здоровых добровольцев
Полы, имеющие право на обучение
Метод выборки
Исследуемая популяция
Описание
Критерии включения:
- Возможность дать согласие
- Прохождение полной эхокардиограммы
Критерий исключения:
- Отказ от участия
Учебный план
Как устроено исследование?
Детали дизайна
- Наблюдательные модели: Кейс-контроль
- Временные перспективы: Поперечный разрез
Когорты и вмешательства
Группа / когорта |
Вмешательство/лечение |
---|---|
Контроль
Субъекты с эхокардиографически подтвержденным клапанным пороком менее чем от умеренной до тяжелой степени в отношении аортального стеноза (АС) и митральной регургитации (МР).
Обратите внимание, что в этой когорте будет подгруппа, состоящая из субъектов со структурно нормальным сердцем, с не более чем легким клапанным пороком любого клапана, без предшествующего вмешательства на клапане и без признаков врожденного порока сердца.
|
Алгоритм машинного обучения, созданный на основе записей ЭКГ и ПКГ, отличающий аортальный стеноз от умеренного до тяжелого или более выраженного от контролей, имеющих какие-либо признаки, кроме аортального стеноза от умеренного до тяжелого или более выраженного.
Алгоритм машинного обучения, созданный на основе записей ЭКГ и ПКГ, отличающий митральную регургитацию от умеренной до тяжелой или более выраженной степени от контрольной группы с любыми признаками, кроме митральной регургитации от умеренной до тяжелой или более выраженной степени.
|
Кейс AS
Субъекты с эхокардиографически подтвержденным аортальным стенозом (АС) средней или тяжелой степени или выше.
|
Алгоритм машинного обучения, созданный на основе записей ЭКГ и ПКГ, отличающий аортальный стеноз от умеренного до тяжелого или более выраженного от контролей, имеющих какие-либо признаки, кроме аортального стеноза от умеренного до тяжелого или более выраженного.
Алгоритм машинного обучения, созданный на основе записей ЭКГ и ПКГ, отличающий аортальный стеноз от умеренной до тяжелой или выраженной степени от контрольной группы со структурно нормальным сердцем и поражением клапанов сердца не более чем легкой степени в любой локализации.
|
Мистер Дело
Субъекты с эхокардиографически подтвержденной митральной регургитацией (МР) от умеренной до тяжелой или более высокой степени.
|
Алгоритм машинного обучения, созданный на основе записей ЭКГ и ПКГ, отличающий митральную регургитацию от умеренной до тяжелой или более выраженной степени от контрольной группы с любыми признаками, кроме митральной регургитации от умеренной до тяжелой или более выраженной степени.
Алгоритм машинного обучения, созданный на основе записей ЭКГ и ПКГ, отличающий митральную регургитацию от умеренной до тяжелой или выраженной степени от контрольной группы со структурно нормальным сердцем и поражением клапанов сердца не более чем легкой степени в любой локализации.
|
Подгруппа управления
Субъекты со структурно нормальным сердцем, с пороком любого клапана не более чем легкой степени, без предшествующего вмешательства на клапане и без признаков врожденного порока сердца.
|
Алгоритм машинного обучения, созданный на основе записей ЭКГ и ПКГ, отличающий аортальный стеноз от умеренной до тяжелой или выраженной степени от контрольной группы со структурно нормальным сердцем и поражением клапанов сердца не более чем легкой степени в любой локализации.
Алгоритм машинного обучения, созданный на основе записей ЭКГ и ПКГ, отличающий митральную регургитацию от умеренной до тяжелой или выраженной степени от контрольной группы со структурно нормальным сердцем и поражением клапанов сердца не более чем легкой степени в любой локализации.
|
Что измеряет исследование?
Первичные показатели результатов
Мера результата |
Мера Описание |
Временное ограничение |
---|---|---|
Дифференциация клинически значимого аортального стеноза от структурно нормальных сердец
Временное ограничение: Закрытие исследования (после окончательного включения в набор для проверки аортального стеноза) в течение 1 года.
|
Идентификация с помощью обученного алгоритма машинного обучения клинически значимого аортального стеноза (определяемого как умеренный или тяжелый или выше) у контрольных субъектов со структурно нормальным сердцем и пороком сердца не более чем легкой степени по сравнению с золотым стандартом интерпретации эхокардиограммы.
Поскольку наш алгоритм будет обеспечивать непрерывную «оценку» для определения вероятности заболевания, данные в основном будут поступать в виде кривой рабочих характеристик приемника, для которой мы рассчитаем точность, специфичность и отношения правдоподобия при пороговых значениях чувствительности 0,9. 0,95 и 0,99.
|
Закрытие исследования (после окончательного включения в набор для проверки аортального стеноза) в течение 1 года.
|
Дифференциация клинически значимого митрального стеноза от структурно нормальных сердец
Временное ограничение: Закрытие исследования (после окончательного включения в набор для проверки митральной регургитации) в течение 1 года.
|
Идентификация с помощью обученного алгоритма машинного обучения клинически значимой митральной регургитации (определяемой как умеренной или тяжелой или более высокой) у контрольных субъектов со структурно нормальным сердцем и не более чем легким клапанным пороком сердца по сравнению с интерпретацией эхокардиограммы золотого стандарта.
Поскольку наш алгоритм будет обеспечивать непрерывную «оценку» для определения вероятности заболевания, данные в основном будут поступать в виде кривой рабочих характеристик приемника, для которой мы рассчитаем точность, специфичность и отношения правдоподобия при пороговых значениях чувствительности 0,9. 0,95 и 0,99..
|
Закрытие исследования (после окончательного включения в набор для проверки митральной регургитации) в течение 1 года.
|
Вторичные показатели результатов
Мера результата |
Мера Описание |
Временное ограничение |
---|---|---|
Дифференциация клинически значимого аортального стеноза от отсутствия клинически значимого аортального стеноза
Временное ограничение: Закрытие исследования (после окончательного включения в набор для проверки аортального стеноза) в течение 1 года.
|
Идентификация с помощью обученного алгоритма машинного обучения клинически значимого аортального стеноза (определяемого как умеренный или тяжелый или выше) из контрольной группы с менее чем умеренным или тяжелым аортальным стенозом, по сравнению с интерпретацией эхокардиограммы золотого стандарта.
Поскольку наш алгоритм будет обеспечивать непрерывную «оценку» для определения вероятности заболевания, данные в основном будут поступать в виде кривой рабочих характеристик приемника, для которой мы рассчитаем точность, специфичность и отношения правдоподобия при пороговых значениях чувствительности 0,9. 0,95 и 0,99.
|
Закрытие исследования (после окончательного включения в набор для проверки аортального стеноза) в течение 1 года.
|
Дифференциация клинически значимой митральной недостаточности от отсутствия клинически значимой митральной недостаточности
Временное ограничение: Закрытие исследования (после окончательного включения в набор для проверки митральной регургитации) в течение 1 года.
|
Идентификация с помощью обученного алгоритма машинного обучения клинически значимой митральной регургитации (определяемой как умеренно-тяжелая или более высокая) из контрольной группы с митральной регургитацией менее чем от умеренной до тяжелой, по сравнению с интерпретацией эхокардиограммы золотого стандарта.
Поскольку наш алгоритм будет обеспечивать непрерывную «оценку» для определения вероятности заболевания, данные в основном будут поступать в виде кривой рабочих характеристик приемника, для которой мы рассчитаем точность, специфичность и отношения правдоподобия при пороговых значениях чувствительности 0,9. 0,95 и 0,99.
|
Закрытие исследования (после окончательного включения в набор для проверки митральной регургитации) в течение 1 года.
|
Соавторы и исследователи
Соавторы
Следователи
- Главный следователь: John Chorba, MD, University of California, San Francisco
Публикации и полезные ссылки
Общие публикации
- Zoghbi WA, Adams D, Bonow RO, Enriquez-Sarano M, Foster E, Grayburn PA, Hahn RT, Han Y, Hung J, Lang RM, Little SH, Shah DJ, Shernan S, Thavendiranathan P, Thomas JD, Weissman NJ. Recommendations for Noninvasive Evaluation of Native Valvular Regurgitation: A Report from the American Society of Echocardiography Developed in Collaboration with the Society for Cardiovascular Magnetic Resonance. J Am Soc Echocardiogr. 2017 Apr;30(4):303-371. doi: 10.1016/j.echo.2017.01.007. Epub 2017 Mar 14. No abstract available.
- Nishimura RA, Otto CM, Bonow RO, Carabello BA, Erwin JP 3rd, Guyton RA, O'Gara PT, Ruiz CE, Skubas NJ, Sorajja P, Sundt TM 3rd, Thomas JD; American College of Cardiology/American Heart Association Task Force on Practice Guidelines. 2014 AHA/ACC guideline for the management of patients with valvular heart disease: a report of the American College of Cardiology/American Heart Association Task Force on Practice Guidelines. J Am Coll Cardiol. 2014 Jun 10;63(22):e57-185. doi: 10.1016/j.jacc.2014.02.536. Epub 2014 Mar 3. No abstract available. Erratum In: J Am Coll Cardiol. 2014 Jun 10;63(22):2489. Dosage error in article text.
- Jones EC, Devereux RB, Roman MJ, Liu JE, Fishman D, Lee ET, Welty TK, Fabsitz RR, Howard BV. Prevalence and correlates of mitral regurgitation in a population-based sample (the Strong Heart Study). Am J Cardiol. 2001 Feb 1;87(3):298-304. doi: 10.1016/s0002-9149(00)01362-x.
- Eveborn GW, Schirmer H, Heggelund G, Lunde P, Rasmussen K. The evolving epidemiology of valvular aortic stenosis. the Tromso study. Heart. 2013 Mar;99(6):396-400. doi: 10.1136/heartjnl-2012-302265. Epub 2012 Sep 2.
- Faxon DP, Williams DO. Interventional Cardiology: Current Status and Future Directions in Coronary Disease and Valvular Heart Disease. Circulation. 2016 Jun 21;133(25):2697-711. doi: 10.1161/CIRCULATIONAHA.116.023551. No abstract available.
- Mangione S, Nieman LZ. Cardiac auscultatory skills of internal medicine and family practice trainees. A comparison of diagnostic proficiency. JAMA. 1997 Sep 3;278(9):717-22. Erratum In: JAMA 1998 May 13;279(18):1444.
- Mangione S. Cardiac auscultatory skills of physicians-in-training: a comparison of three English-speaking countries. Am J Med. 2001 Feb 15;110(3):210-6. doi: 10.1016/s0002-9343(00)00673-2.
- Baumgartner H, Hung J, Bermejo J, Chambers JB, Edvardsen T, Goldstein S, Lancellotti P, LeFevre M, Miller F Jr, Otto CM. Recommendations on the Echocardiographic Assessment of Aortic Valve Stenosis: A Focused Update from the European Association of Cardiovascular Imaging and the American Society of Echocardiography. J Am Soc Echocardiogr. 2017 Apr;30(4):372-392. doi: 10.1016/j.echo.2017.02.009.
- Pretorius E, Cronje ML, Strydom O. Development of a pediatric cardiac computer aided auscultation decision support system. Annu Int Conf IEEE Eng Med Biol Soc. 2010;2010:6078-82. doi: 10.1109/IEMBS.2010.5627633.
- Chorba JS, Shapiro AM, Le L, Maidens J, Prince J, Pham S, Kanzawa MM, Barbosa DN, Currie C, Brooks C, White BE, Huskin A, Paek J, Geocaris J, Elnathan D, Ronquillo R, Kim R, Alam ZH, Mahadevan VS, Fuller SG, Stalker GW, Bravo SA, Jean D, Lee JJ, Gjergjindreaj M, Mihos CG, Forman ST, Venkatraman S, McCarthy PM, Thomas JD. Deep Learning Algorithm for Automated Cardiac Murmur Detection via a Digital Stethoscope Platform. J Am Heart Assoc. 2021 May 4;10(9):e019905. doi: 10.1161/JAHA.120.019905. Epub 2021 Apr 26.
Полезные ссылки
Даты записи исследования
Изучение основных дат
Начало исследования (Действительный)
Первичное завершение (Действительный)
Завершение исследования (Действительный)
Даты регистрации исследования
Первый отправленный
Впервые представлено, что соответствует критериям контроля качества
Первый опубликованный (Действительный)
Обновления учебных записей
Последнее опубликованное обновление (Действительный)
Последнее отправленное обновление, отвечающее критериям контроля качества
Последняя проверка
Дополнительная информация
Термины, связанные с этим исследованием
Ключевые слова
Дополнительные соответствующие термины MeSH
Другие идентификационные номера исследования
- 17-21881
Планирование данных отдельных участников (IPD)
Планируете делиться данными об отдельных участниках (IPD)?
Описание плана IPD
Информация о лекарствах и устройствах, исследовательские документы
Изучает лекарственный продукт, регулируемый FDA США.
Изучает продукт устройства, регулируемый Управлением по санитарному надзору за качеством пищевых продуктов и медикаментов США.
продукт, произведенный в США и экспортированный из США.
Эта информация была получена непосредственно с веб-сайта clinicaltrials.gov без каких-либо изменений. Если у вас есть запросы на изменение, удаление или обновление сведений об исследовании, обращайтесь по адресу register@clinicaltrials.gov. Как только изменение будет реализовано на clinicaltrials.gov, оно будет автоматически обновлено и на нашем веб-сайте. .
Клинические исследования Алгоритм АС 2
-
Renmin Hospital of Wuhan UniversityЕще не набираютИскусственный интеллект | НаблюдениеКитай
-
Renmin Hospital of Wuhan UniversityJiangmen Central HospitalЕще не набираютИскусственный интеллект | НаблюдениеКитай
-
Carmel Medical CenterЗавершенныйПризнаки и симптомы, Респираторные | Аллергия | Бронхиальная астмаИзраиль
-
Zimmer BiometАктивный, не рекрутирующийАртрит, Ревматоидный | Аваскулярный некроз | Артрит, Дегенеративный | Ревизионная хирургия | Условия, вытекающие из более ранних операций | Артрит; ТравматическийБельгия, Соединенное Королевство, Швейцария, Германия
-
London School of Hygiene and Tropical MedicineHindustan Unilever Ltd.; University of Kalyani; KIIT UniversityЗавершенныйДиарейная болезнь | Общий мочевой мышьяк | Общий мышьяк в водеИндия
-
Singapore National Eye CentreЗавершенный
-
Minia UniversityРекрутингГлаукома, закрытие углаЕгипет
-
Institute of Child HealthGreat Ormond Street Hospital for Children NHS Foundation TrustЕще не набираютУвеит, передний | Ювенильный идиопатический артритСоединенное Королевство
-
Boehringer IngelheimЗавершенныйВенозная недостаточностьГермания, Австрия, Чешская Республика
-
Cairo UniversityЗавершенныйПостмастэктомическая лимфедемаЕгипет