- ICH GCP
- Реестр клинических исследований США
- Клиническое испытание NCT04983316
Алгоритмы машинного обучения TPF
Оперативное или консервативное лечение переломов плато большеберцовой кости? Применение алгоритмов машинного обучения для помощи в принятии решения о лечении
Обзор исследования
Статус
Подробное описание
Общая цель состоит в том, чтобы внедрить метод машинного обучения, чтобы решить, приведет ли оперативное или неоперативное лечение к наилучшему результату для пациента.
Основная цель состоит в том, чтобы определить наиболее подходящий алгоритм машинного обучения для прогнозирования наилучшего лечения будущих пациентов. Приведет ли консервативное или оперативное лечение к наилучшему исходу для пациента, будет решаться прогнозируемая оценка KOOS. В качестве обучающих данных для алгоритма будут использоваться несколько входных факторов, таких как лечение (консервативное или оперативное), количество фрагментов перелома, расположение перелома, вовлечение мягких тканей... для каждого пациента. Некоторые из этих входных данных будут получены из компьютерной томографии. Таким образом, КТ-сканы будут сегментированы в Mimics, для которых UZ Leuven недавно приобрела лицензии. Выходной переменной обучающих данных будет оценка KOOS каждого пациента. На основе входной и выходной переменных алгоритм определит отношение между ними. Для будущих пациентов, входная переменная которых известна, будет прогнозироваться выходная переменная (=показатель KOOS) как при оперативном, так и при консервативном лечении. Мы предполагаем, что прогноз будет улучшен за счет добавления дополнительных входных данных с течением времени.
Второстепенной целью является выявление клинических и радиологических факторов, которые помогают прогнозировать наилучшее лечение будущих пациентов.
В перспективе техника машинного обучения может быть реализована в будущем в клинической практике и использоваться в качестве индивидуального инструмента планирования для лечения переломов большеберцовой кости, помогая хирургу выбрать наилучшее лечение для данного случая. Собранные в этом реестре данные будут использоваться для проверки модели машинного обучения. Пациенты пока не будут лечиться по результатам разработанной модели, хирург-травматолог должен решить, какой вариант лечения лучше всего подходит для пациента.
Тип исследования
Регистрация (Ожидаемый)
Контакты и местонахождение
Контакты исследования
- Имя: Harm Hoekstra, Prof. MD
- Номер телефона: 0032 016341327
- Электронная почта: harm.hoekstra@uzleuven.be
Учебное резервное копирование контактов
- Имя: Elga Nijs, BSN
- Номер телефона: 0032 016342364
- Электронная почта: elga.nijs@uzleuven.be
Места учебы
-
-
Vlaams-Brabant
-
Leuven, Vlaams-Brabant, Бельгия, 3000
- Рекрутинг
- UZ Leuven
-
Контакт:
- Harm Hoekstra, Prof. MD
-
-
Критерии участия
Критерии приемлемости
Возраст, подходящий для обучения
Принимает здоровых добровольцев
Полы, имеющие право на обучение
Метод выборки
Исследуемая популяция
Описание
Критерии включения:
- Возраст > 18 лет
- Перелом плато проксимального отдела большеберцовой кости
- Пациент может посещать последующие визиты
Критерий исключения:
- Возраст < 18 лет
- Двусторонние переломы
- Неврологические расстройства (например, параплегия, сердечно-сосудистые заболевания, деменция и т. д.)
- Не понимаю голландский или английский
Учебный план
Как устроено исследование?
Детали дизайна
- Наблюдательные модели: Когорта
- Временные перспективы: Перспективный
Что измеряет исследование?
Первичные показатели результатов
Мера результата |
Мера Описание |
Временное ограничение |
---|---|---|
Алгоритм машинного обучения
Временное ограничение: 1 год
|
Определить наиболее подходящий алгоритм машинного обучения, который прогнозирует наилучшее лечение для будущих пациентов.
Прогноз будет улучшаться с течением времени за счет дополнительных входных данных.
|
1 год
|
Вторичные показатели результатов
Мера результата |
Мера Описание |
Временное ограничение |
---|---|---|
Клинические факторы
Временное ограничение: 1 год
|
Выявить клинические факторы, которые помогут спрогнозировать наилучшее лечение будущих пациентов.
|
1 год
|
Радиологические факторы
Временное ограничение: 1 год
|
Определить радиологические факторы, которые помогают прогнозировать наилучшее лечение будущих пациентов.
|
1 год
|
Соавторы и исследователи
Следователи
- Главный следователь: Harm Hoekstra, Prof. MD, UZ Leuven
Даты записи исследования
Изучение основных дат
Начало исследования (Действительный)
Первичное завершение (Ожидаемый)
Завершение исследования (Ожидаемый)
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
Дополнительные соответствующие термины MeSH
Другие идентификационные номера исследования
- S64352
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.
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. .