- ICH GCP
- Реестр клинических исследований США
- Клиническое испытание NCT05651360
Диагностическая эффективность низкодозовой КТ при острых состояниях брюшной полости (DETECT_Acute)
Диагностическая эффективность реконструкции изображения с глубоким обучением в низкодозовой КТ для выявления острых состояний брюшной полости
Целью этого обсервационного исследования не меньшей эффективности является оценка диагностической эффективности низкодозовой КТ с реконструкцией изображения с глубоким обучением (DLIR) у взрослых участников с острыми абдоминальными состояниями. Главный вопрос исследования:
• Может ли низкодозовая КТ с DLIR достичь тех же диагностических результатов, что и стандартная КТ для диагностики острых абдоминальных состояний.
Участники будут обследованы с помощью дополнительной низкодозовой КТ сразу после стандартной КТ. Участник будет их собственные элементы управления.
Обзор исследования
Статус
Вмешательство/лечение
Подробное описание
Предыстория Компьютерная томография (КТ) стала важным инструментом в современной клинической медицине. Благодаря широкой доступности в последние десятилетия наблюдается быстрый рост использования КТ. С сопутствующим увеличением радиационного облучения потенциальный повышенный риск радиационно-индуцированного злокачественного новообразования стал проблемой общественного здравоохранения. Это особенно верно для КТ брюшной полости и таза, на которые в настоящее время приходится 50% коллективной дозы КТ. Поскольку польза от снижения дозы в целом компенсируется ухудшением качества изображения, в клинической практике стремятся к технологическим достижениям для снижения дозы облучения без ущерба для качества изображения.
В реконструкции КТ-изображений алгоритм обратной проекции с фильтром (FBP) был доминирующим алгоритмом метода реконструкции изображения с начала 1970-х годов, дополненным первыми коммерческими алгоритмами итеративной реконструкции (IR) в 2009 году.
Новый алгоритм реконструкции изображений с глубоким обучением (DLIR) получил клиническое одобрение в 2019 году (TrueFidelity, GE Healthcare, Милуоки, Висконсин). Появляются и другие специализированные алгоритмы для глубокого обучения реконструкции изображений (AiCE, Canon Medical Systems, Отавара, Япония). Как поясняется в техническом документе, алгоритм DLIR, обученный на наборах данных FBP с высокой и низкой дозой для фантомов и пациентов, стремится подавить шум изображения без ущерба для качества изображения. Использование реконструкции изображений с глубоким обучением продемонстрировало потенциал для улучшения качества изображения и снижения дозы без смещения текстуры шума.
Для пациентов с острыми абдоминальными состояниями КТ брюшной полости и таза считается лучшим диагностическим методом первой или второй линии. Для этих пациентов очень важна быстрая и точная диагностика, чтобы избежать задержки лечения и последующих осложнений, таких как перфорация желудочно-кишечного тракта в случае аппендицита или дивертикулита. С другой стороны, также важно избегать ненужного хирургического вмешательства и связанных с ним осложнений. Таким образом, возможный протокол низкодозовой КТ должен обеспечивать не худшие диагностические характеристики, чтобы облегчить быструю диагностику и избежать чрезмерного лечения и неубедительных исследований.
Сообщалось об обнадеживающих результатах низкодозовых КТ-исследований с модельным IR и снижением дозы до 75-80%. Однако с введением DLIR представляется возможным даже дальнейшее снижение дозы. Наши собственные результаты исследования восприятия качества изображения с помощью DLIR показывают, что снижение дозы до 92,5% по сравнению со стандартной КТ может сохранить приемлемое качество диагностического изображения (еще неопубликованная работа).
Исходя из этого, целью данного исследования является оценка диагностической эффективности низкодозовой КТ с DLIR для диагностики острых абдоминальных состояний в условиях не меньшей эффективности с большим размером выборки, предоставленной двумя крупными травматологическими центрами в Северной Европе.
Цели
Начальный:
Оценить диагностическую эффективность низкодозовой КТ с контрастным усилением с DLIR «TrueFidelity» (TF) при острых абдоминальных состояниях по сравнению со стандартной КТ с полной дозой.
Вторичный:
Оценить техническое и воспринимаемое качество изображения (качественно и количественно).
Этика
Утверждение будет получено от регионального комитета по этике и сотрудника по защите данных учреждения.
Письменное информированное согласие будет получено от всех участников. Этот проект будет соответствовать Хельсинкской декларации.
Риски Минимальные риски существуют из-за небольшого увеличения радиационного облучения. Дополнительное облучение в размере 27,5% находится в пределах национальных вариаций радиационного облучения при КТ-исследованиях, выполняемых для соответствующих клинических задач. Исследователи оценили среднюю дополнительную эффективную дозу в 1,5 мЗв, что соответствует примерно 4 месяцам естественного фонового облучения в Норвегии (4,1 мЗв/год). Дополнительное радиационное облучение приводит к теоретическому избыточному пожизненному риску смертельного радиационно-индуцированного рака между 0,004–0,03%. Клинические риски от этого воздействия считаются минимальными/незначительными.
Материалы и методы. Исследование будет зарегистрировано на сайте ClinicalTrials.gov. до инициации. Методы исследования и результаты будут представлены в соответствии с заявлением Стандартов отчетности об исследованиях диагностической точности (STARD) от 2015 года. Следует отметить, что руководящая группа STARD-AI готовит расширение для ИИ. Если эти рекомендации STARD-AI будут опубликованы до окончания исследования, результаты также будут представлены в соответствии с настоящим документом. Чтобы компенсировать специфические элементы ИИ, не рассмотренные в STARD, исследователи будут, когда это уместно, полагаться на контрольный список для искусственного интеллекта в медицинской визуализации (CLAIM), который смоделирован по образцу руководства STARD.
Пилотное исследование Будет проведено пилотное исследование, включающее 10 пациентов, поровну распределенных между Осло и Оденсе, чтобы можно было протестировать логистику исследования и отрегулировать уровень дозы облучения при низкодозной КТ.
Протокол обследования/визуализация Обследования будут проводиться в соответствии с местными рутинными процедурами и установленными протоколами компьютерной томографии (КТ-сканер: GE Revolution).
В дополнение к КТ по стандартному протоколу обследования будет проведена низкодозовая КТ, не превышающая 30% дозы облучения от стандартной КТ. КТ-изображения с низкой дозой облучения будут реконструированы с высоким TF. КТ с низкой дозой будет выполняться сразу после стандартной КТ, чтобы избежать смещения из-за разницы во времени фазы контрастирования.
Местоположение и местная популяция исследования Исследование будет проводиться как многоцентровое исследование с участием Осло и Оденсе с проспективным сбором данных.
Предполагаемая общая численность исследуемого населения будет разделена поровну между двумя больницами.
Оценка изображения КТ с низкими дозами не будет использоваться в диагностических целях или для лечения пациентов. Оценка и сравнение изображений будут проводиться отдельно от рутинного клинического рабочего процесса.
Все низкодозовые КТ-исследования будут оцениваться независимо двумя рентгенологами-резидентами и двумя опытными радиологами, специализирующимися на абдоминальной радиологии с более чем 10-летним опытом абдоминальной КТ. Читатели будут скрыты для всей информации из предыдущих обследований, первичного отчета КТ, любых результатов других читателей, всей информации, связанной с лечением, и для окончательного диагноза.
У них будет доступ к клиническим направлениям и лабораторным тестам, проведенным до первоначального КТ-обследования. Оценка изображения будет проводиться в клинической среде радиологов с использованием диагностических мониторов.
При анализе результатов диагноз каждого пациента, поставленный на основании КТ с низкой дозой облучения, будет сравниваться с первоначальным рентгенологическим диагнозом, основанным на КТ с полной дозой облучения.
Для согласования внутри читателя случайный выбор из 10% случаев будет представлен дважды каждому читателю.
Качество технического изображения оценивается путем позиционирования областей интереса (ROI) в гомогенном сегменте воротной вены, прилежащей нормальной паренхиме печени, аорте, мышцах, выпрямляющих позвоночник, и в подкожно-жировой клетчатке. Будет рассчитано отношение контрастности к шуму (CNR).
Воспринимаемое качество изображения будет оцениваться не менее чем двумя радиологами по шкале Лайкерта в соответствии с критериями качества изображения, основанными на Европейских рекомендациях по качеству изображения при КТ брюшной полости.
Статистика Специальное статистическое программное обеспечение, такое как Stata и SPSS, будет использоваться для анализа данных исследования. Уровень значимости альфа будет установлен на 5%, и будут использоваться 95% доверительные интервалы. Каппа-статистика будет использоваться для внутреннего и внутреннего согласования читателей. Логистическая регрессия будет использоваться для оценки качества изображения. Для оценки числовых переменных будут использоваться соответствующие параметрические или непараметрические тесты. Эффективность диагностики будет определяться площадью под кривой, чувствительностью, специфичностью, положительной и отрицательной прогностической ценностью. Значительные различия в чувствительности и специфичности будут определяться тестом Макнемара.
Расчет мощности и размер выборки План исследования не меньшей эффективности будет использоваться для демонстрации не меньшей эффективности низкодозовой КТ по сравнению со стандартной КТ. Исследователи оценили чувствительность стандартной КТ в 90%. Распространенность острых абдоминальных состояний с видимой корреляцией на стандартной КТ оценивается в 70% среди всех направлений, отвечающих критериям включения. Граница не меньшей эффективности в 10 % для чувствительности считалась клинически приемлемой, т. е. вероятность положительных результатов низкодозовой КТ в случае положительного стандартного КТ принималась равной 90 %.
S_L = Вероятность (положительный результат КТ с низкой дозой | положительный результат стандартного КТ)
0-гипотеза была определена как:
S_L < 90%
Затем альтернативная гипотеза была определена как:
S_L > 90 % Для выявления одностороннего 6 % отличия (увеличения) от границы не меньшей эффективности с мощностью 80 % и уровнем значимости альфа 5 % исследователи оценили требуемых пациентов с положительными результатами КТ как n= 116 (биноминальное распределение). Затем общее количество необходимых пациентов было рассчитано как 116/0,7=166.
Тип исследования
Регистрация (Действительный)
Контакты и местонахождение
Критерии участия
Критерии приемлемости
Возраст, подходящий для обучения
Принимает здоровых добровольцев
Метод выборки
Исследуемая популяция
Описание
Критерии включения:
- Пациенты, находящиеся на обследовании по поводу острого абдоминального состояния, которые направляются на КТ брюшной полости и таза.
- Возраст >18 лет
- Пациенты должны иметь возможность дать свое устное и письменное согласие на участие в исследовании.
Критерий исключения:
- Противопоказания к КТ с контрастным усилением, такие как известные побочные реакции на йодсодержащие контрастные вещества или клаустрофобия.
- Беременность.
Учебный план
Как устроено исследование?
Детали дизайна
- Наблюдательные модели: Когорта
- Временные перспективы: Перспективный
Когорты и вмешательства
Группа / когорта |
Вмешательство/лечение |
|---|---|
|
Боль в животе
Участники, проходящие обследование по поводу острого абдоминального состояния, направляются на КТ брюшной полости и таза.
|
Будет проведена низкодозовая КТ, не превышающая 30% дозы облучения от стандартной КТ.
Изображения КТ с низкой дозой облучения будут реконструированы с высоким значением TrueFidelity.
КТ с низкой дозой будет выполняться сразу после стандартной КТ, чтобы избежать смещения из-за разницы во времени фазы контрастирования.
|
Что измеряет исследование?
Первичные показатели результатов
Мера результата |
Мера Описание |
Временное ограничение |
|---|---|---|
|
Diagnostic performance of low-dose CT
Временное ограничение: 6 to 12 months
|
Diagnostic performance of low-dose CT compared to standard CT according to ICD 10 diagnosis. Diagnostic performance measured in terms of: Sensitivity, derived from mixed-effects logistic regression. |
6 to 12 months
|
Вторичные показатели результатов
Мера результата |
Мера Описание |
Временное ограничение |
|---|---|---|
|
Diagnostic performance
Временное ограничение: 6 to 12 month
|
Diagnostic performance measured in terms of: Specificity, positive predictive value, negative predictive value, and accuracy derived from mixed-effects logistic regression.
|
6 to 12 month
|
|
Radiation dose
Временное ограничение: 6 to 12 months
|
Compare radiation dose; low-dose vs standard CT: Radiation dose measured in terms of DLP and CTDIvol. |
6 to 12 months
|
|
Reading time.
Временное ограничение: 6 to 12 month
|
Reading time difference between low-dose CT and standard CT.
|
6 to 12 month
|
|
Perceived image quality
Временное ограничение: 6 to 12 months
|
Compare perceived image quality; low-dose vs standard CT: Perceived image quality scored on a ordinal, 5-point Likert scale (at least two readers). |
6 to 12 months
|
|
Image quality - noise
Временное ограничение: 6 to 12 months
|
Compare technical image quality; low-dose vs standard CT: Image noise in terms of standard deviation within a region of interest (ROI); numerical as Hounsfield unit (HU), several points of measurement. |
6 to 12 months
|
|
Image quality - contrast-to-noise ratio
Временное ограничение: 6 to 12 months
|
Compare technical image quality; low-dose vs standard CT: Contrast-to-noise ratio; numerical, several points of measurement. Calculated according to: CNR=(│〖HU〗_Kidney - 〖HU〗_(Water )│)/√((〖SD〗_Kidney 2 + 〖SD〗_Water 2 )/2) |
6 to 12 months
|
|
Diagnoses
Временное ограничение: 6 to 12 months
|
Descriptive exploration of diagnoses among patients referred to CT examinations; diagnoses according to ICD 10.
|
6 to 12 months
|
Соавторы и исследователи
Спонсор
Соавторы
Следователи
- Главный следователь: Anselm Schulz, PhD, Oslo University Hospital
Публикации и полезные ссылки
Общие публикации
- Berrington de Gonzalez A, Mahesh M, Kim KP, Bhargavan M, Lewis R, Mettler F, Land C. Projected cancer risks from computed tomographic scans performed in the United States in 2007. Arch Intern Med. 2009 Dec 14;169(22):2071-7. doi: 10.1001/archinternmed.2009.440.
- Brenner DJ, Hall EJ. Computed tomography--an increasing source of radiation exposure. N Engl J Med. 2007 Nov 29;357(22):2277-84. doi: 10.1056/NEJMra072149. No abstract available.
- Novelline RA, Rhea JT, Rao PM, Stuk JL. Helical CT in emergency radiology. Radiology. 1999 Nov;213(2):321-39. doi: 10.1148/radiology.213.2.r99nv01321.
- OECD. Computed tomography (CT) exams. 2018.
- Mettler FA Jr, Thomadsen BR, Bhargavan M, Gilley DB, Gray JE, Lipoti JA, McCrohan J, Yoshizumi TT, Mahesh M. Medical radiation exposure in the U.S. in 2006: preliminary results. Health Phys. 2008 Nov;95(5):502-7. doi: 10.1097/01.HP.0000326333.42287.a2.
- Pan X, Sidky EY, Vannier M. Why do commercial CT scanners still employ traditional, filtered back-projection for image reconstruction? Inverse Probl. 2009 Jan 1;25(12):1230009. doi: 10.1088/0266-5611/25/12/123009.
- Beister M, Kolditz D, Kalender WA. Iterative reconstruction methods in X-ray CT. Phys Med. 2012 Apr;28(2):94-108. doi: 10.1016/j.ejmp.2012.01.003. Epub 2012 Feb 10.
- Hsieh JL, E.; Nett, B.; Tang, J.; Thibault JB.; Sahney, S. A new era of image reconstruction: TrueFidelity. Technical white paper on deep learning image reconstruction. 2019.
- Jensen CT, Liu X, Tamm EP, Chandler AG, Sun J, Morani AC, Javadi S, Wagner-Bartak NA. Image Quality Assessment of Abdominal CT by Use of New Deep Learning Image Reconstruction: Initial Experience. AJR Am J Roentgenol. 2020 Jul;215(1):50-57. doi: 10.2214/AJR.19.22332. Epub 2020 Apr 14.
- Njolstad T, Schulz A, Godt JC, Brogger HM, Johansen CK, Andersen HK, Martinsen ACT. Improved image quality in abdominal computed tomography reconstructed with a novel Deep Learning Image Reconstruction technique - initial clinical experience. Acta Radiol Open. 2021 Apr 9;10(4):20584601211008391. doi: 10.1177/20584601211008391. eCollection 2021 Apr.
- Solomon J, Lyu P, Marin D, Samei E. Noise and spatial resolution properties of a commercially available deep learning-based CT reconstruction algorithm. Med Phys. 2020 Sep;47(9):3961-3971. doi: 10.1002/mp.14319. Epub 2020 Jul 6.
- Greffier J, Hamard A, Pereira F, Barrau C, Pasquier H, Beregi JP, Frandon J. Image quality and dose reduction opportunity of deep learning image reconstruction algorithm for CT: a phantom study. Eur Radiol. 2020 Jul;30(7):3951-3959. doi: 10.1007/s00330-020-06724-w. Epub 2020 Feb 25.
- Brady SL, Trout AT, Somasundaram E, Anton CG, Li Y, Dillman JR. Improving Image Quality and Reducing Radiation Dose for Pediatric CT by Using Deep Learning Reconstruction. Radiology. 2021 Jan;298(1):180-188. doi: 10.1148/radiol.2020202317. Epub 2020 Nov 17.
- Larson DB, Johnson LW, Schnell BM, Salisbury SR, Forman HP. National trends in CT use in the emergency department: 1995-2007. Radiology. 2011 Jan;258(1):164-73. doi: 10.1148/radiol.10100640. Epub 2010 Nov 29.
- Rud B, Vejborg TS, Rappeport ED, Reitsma JB, Wille-Jorgensen P. Computed tomography for diagnosis of acute appendicitis in adults. Cochrane Database Syst Rev. 2019 Nov 19;2019(11):CD009977. doi: 10.1002/14651858.CD009977.pub2.
- Kabir SA, Kabir SI, Sun R, Jafferbhoy S, Karim A. How to diagnose an acutely inflamed appendix; a systematic review of the latest evidence. Int J Surg. 2017 Apr;40:155-162. doi: 10.1016/j.ijsu.2017.03.013. Epub 2017 Mar 6.
- Moloney F, James K, Twomey M, Ryan D, Grey TM, Downes A, Kavanagh RG, Moore N, Murphy MJ, Bye J, Carey BW, McSweeney SE, Deasy C, Andrews E, Shanahan F, Maher MM, O'Connor OJ. Low-dose CT imaging of the acute abdomen using model-based iterative reconstruction: a prospective study. Emerg Radiol. 2019 Apr;26(2):169-177. doi: 10.1007/s10140-018-1658-z. Epub 2018 Nov 17.
- Poletti PA, Becker M, Becker CD, Halfon Poletti A, Rutschmann OT, Zaidi H, Perneger T, Platon A. Emergency assessment of patients with acute abdominal pain using low-dose CT with iterative reconstruction: a comparative study. Eur Radiol. 2017 Aug;27(8):3300-3309. doi: 10.1007/s00330-016-4712-9. Epub 2017 Jan 12.
- Widmark A. Diagnostic reference level (DRL) in Norway 2017. Results, revision:and establishment of new DRL.NRPA Report 2018:3. Norwegian Radiation Protection Authority, Østerås 2018.
- Komperød M, Rudjord AL, Skuterud L, Dyve JE. Radiation Doses from the Environment. Calculations of the Public's Exposure to Radiation from the Environment in Norway. Strålevern Rapport 2015:11 Østerås: Norwegian Radiation Protection Authority 2015.
- Bossuyt PM, Reitsma JB, Bruns DE, Gatsonis CA, Glasziou PP, Irwig L, Lijmer JG, Moher D, Rennie D, de Vet HC, Kressel HY, Rifai N, Golub RM, Altman DG, Hooft L, Korevaar DA, Cohen JF; STARD Group. STARD 2015: An Updated List of Essential Items for Reporting Diagnostic Accuracy Studies. Radiology. 2015 Dec;277(3):826-32. doi: 10.1148/radiol.2015151516. Epub 2015 Oct 28.
- Sounderajah V, Ashrafian H, Golub RM, Shetty S, De Fauw J, Hooft L, Moons K, Collins G, Moher D, Bossuyt PM, Darzi A, Karthikesalingam A, Denniston AK, Mateen BA, Ting D, Treanor D, King D, Greaves F, Godwin J, Pearson-Stuttard J, Harling L, McInnes M, Rifai N, Tomasev N, Normahani P, Whiting P, Aggarwal R, Vollmer S, Markar SR, Panch T, Liu X; STARD-AI Steering Committee. Developing a reporting guideline for artificial intelligence-centred diagnostic test accuracy studies: the STARD-AI protocol. BMJ Open. 2021 Jun 28;11(6):e047709. doi: 10.1136/bmjopen-2020-047709.
- Mongan J, Moy L, Kahn CE Jr. Checklist for Artificial Intelligence in Medical Imaging (CLAIM): A Guide for Authors and Reviewers. Radiol Artif Intell. 2020 Mar 25;2(2):e200029. doi: 10.1148/ryai.2020200029. eCollection 2020 Mar. No abstract available.
- Report EUR 16262 EN. European guidelines on quality criteria for computed tomography. 2000.
- Ahn S, Park SH, Lee KH. How to demonstrate similarity by using noninferiority and equivalence statistical testing in radiology research. Radiology. 2013 May;267(2):328-38. doi: 10.1148/radiol.12120725.
- Eng KA, Abadeh A, Ligocki C, Lee YK, Moineddin R, Adams-Webber T, Schuh S, Doria AS. Acute Appendicitis: A Meta-Analysis of the Diagnostic Accuracy of US, CT, and MRI as Second-Line Imaging Tests after an Initial US. Radiology. 2018 Sep;288(3):717-727. doi: 10.1148/radiol.2018180318. Epub 2018 Jun 19.
- Expert Panel on Gastrointestinal Imaging:; Garcia EM, Camacho MA, Karolyi DR, Kim DH, Cash BD, Chang KJ, Feig BW, Fowler KJ, Kambadakone AR, Lambert DL, Levy AD, Marin D, Moreno C, Peterson CM, Scheirey CD, Siegel A, Smith MP, Weinstein S, Carucci LR. ACR Appropriateness Criteria(R) Right Lower Quadrant Pain-Suspected Appendicitis. J Am Coll Radiol. 2018 Nov;15(11S):S373-S387. doi: 10.1016/j.jacr.2018.09.033.
- Expert Panel on Gastrointestinal Imaging:; Peterson CM, McNamara MM, Kamel IR, Al-Refaie WB, Arif-Tiwari H, Cash BD, Chernyak V, Goldstein A, Grajo JR, Hindman NM, Horowitz JM, Noto RB, Porter KK, Srivastava PK, Zaheer A, Carucci LR. ACR Appropriateness Criteria(R) Right Upper Quadrant Pain. J Am Coll Radiol. 2019 May;16(5S):S235-S243. doi: 10.1016/j.jacr.2019.02.013.
- Akagi M, Nakamura Y, Higaki T, Narita K, Honda Y, Zhou J, Yu Z, Akino N, Awai K. Deep learning reconstruction improves image quality of abdominal ultra-high-resolution CT. Eur Radiol. 2019 Nov;29(11):6163-6171. doi: 10.1007/s00330-019-06170-3. Epub 2019 Apr 11.
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
- Боль
- Неврологические проявления
- Патологические процессы
- Признаки и симптомы, пищеварительный тракт
- Кишечные заболевания
- Инфекции
- Заболевания пищеварительной системы
- Желудочно-кишечные заболевания
- Заболевания поджелудочной железы
- Заболевания желчевыводящих путей
- Гастроэнтерит
- Заболевания желчного пузыря
- Заболевания слепой кишки
- Интраабдоминальные инфекции
- Патологические состояния, признаки и симптомы
- Признаки и симптомы
- Холецистит
- Боль в животе
- Панкреатит
- Болезнь
- Острая боль
- Холецистит, острый
- Аппендицит
Другие идентификационные номера исследования
- PVO ref. 22/11840
- 22/11840 (Другой идентификатор: Data protection officer at Oslo University Hospital)
- 468490 (Другой идентификатор: Regional Comittees for Medical Research Ethics South East)
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.
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. .