- ICH GCP
- Amerikanska kliniska prövningsregistret
- Klinisk prövning NCT02227381
Action Medical Research
Använder ny genetisk teknologi för att diagnostisera neuroutvecklingsstörningar
Inlärningssvårigheter drabbar 3 % av befolkningen. Allvarliga typer av inlärningssvårigheter är mer benägna att ha en underliggande genetisk orsak men diagnos är svår eftersom många olika genetiska avvikelser kan vara inblandade. Det är viktigt att få en diagnos så att patienter kan hanteras på lämpligt sätt och deras familjer kan ges korrekt information.
Vi siktar på att använda nya typer av genetiska tester som gör det möjligt att screena för flera olika genetiska avvikelser som orsakar inlärningssvårigheter samtidigt, vilket förbättrar noggrannheten och snabbheten i diagnostiken i gruppen patienter med grav inlärningssvårigheter. Vi kommer särskilt att fokusera på patienter där anfall och beteendeproblem också förekommer. Detta kommer att göra det möjligt för fler patienter att diagnostiseras korrekt, minska antalet sjukhusbesök och i slutändan bli mer kostnadseffektivt.
Studieöversikt
Status
Betingelser
Studietyp
Inskrivning (Faktisk)
Kontakter och platser
Studieorter
-
-
-
Manchester, Storbritannien, M13 9WL
- Central Manchester University Hospitals NHS Foundation Trust
-
-
Deltagandekriterier
Urvalskriterier
Åldrar som är berättigade till studier
- Barn
- Vuxen
- Äldre vuxen
Tar emot friska volontärer
Kön som är behöriga för studier
Testmetod
Studera befolkning
Beskrivning
Inklusionskriterier:
- Individer med allvarliga inlärningssvårigheter förknippade med antingen anfall, rörelse- eller beteendeproblem som tidigare hade genomgått rutinutredning men där ingen orsak hade identifierats till deras problem
Exklusions kriterier:
- Individer med SLD där orsaken redan är känd
- Individer där informerat samtycke inte kan erhållas för deltagande
Studieplan
Hur är studien utformad?
Designdetaljer
Kohorter och interventioner
Grupp / Kohort |
---|
Microarray / NGS test
|
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
---|---|---|
Genetisk abnormitet identifierad av microarray eller Next Generation Sequencing
Tidsram: upp till 6 månader efter samtycke
|
Avvikelser identifierade vid testresultat, den normala tidsramen för detta är upp till 6 månader efter insamling av blodprov.
|
upp till 6 månader efter samtycke
|
Sekundära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
---|---|---|
Kostnadseffektivitet kontra normal vård
Tidsram: I slutet av studien (december 2014)
|
Denna analys kommer att utföras för alla deltagare efter avslutad rekrytering och uppföljning, och kommer att slutföras när studien avslutas.
|
I slutet av studien (december 2014)
|
Samarbetspartners och utredare
Utredare
- Huvudutredare: Jill Clayton Smith, MB ChB FRCP MD, CMFT
Studieavstämningsdatum
Studera stora datum
Studiestart
Primärt slutförande (Faktisk)
Avslutad studie (Faktisk)
Studieregistreringsdatum
Först inskickad
Först inskickad som uppfyllde QC-kriterierna
Första postat (Uppskatta)
Uppdateringar av studier
Senaste uppdatering publicerad (Faktisk)
Senaste inskickade uppdateringen som uppfyllde QC-kriterierna
Senast verifierad
Mer information
Termer relaterade till denna studie
Ytterligare relevanta MeSH-villkor
Andra studie-ID-nummer
- 10/H1003/98
- SP4555 (Annat bidrag/finansieringsnummer: Action Medical Research)
Denna information hämtades direkt från webbplatsen clinicaltrials.gov utan några ändringar. Om du har några önskemål om att ändra, ta bort eller uppdatera dina studieuppgifter, vänligen kontakta register@clinicaltrials.gov. Så snart en ändring har implementerats på clinicaltrials.gov, kommer denna att uppdateras automatiskt även på vår webbplats .
Kliniska prövningar på Inlärningssvårigheter
-
RenJi HospitalHar inte rekryterat ännuTillämpning av artificiell intelligens djupinlärningsteknik i magnetisk resonans ländryggsavbildningDeep Learning, Lumbal Magnetic Resonance Imaging
-
Hai LvHar inte rekryterat ännuFasettfogar; Degeneration ; Deep Learning; Artificiell intelligens
-
Tianjin Eye HospitalRekryteringDeep Learning, hornhinnesjukdom, screeningKina
-
HITEC-Institute of Medical SciencesAvslutadOSSE (Objective Structured Clinical Examination) | TBL (Team Based Learning) | Lära ut kliniska färdigheter till medicinska studenterPakistan
-
Yang ChaonanHar inte rekryterat ännuRiskfaktorer | Kritiskt sjuka patienter | Tryckskada | Machine Learning Algoritmer
-
Cairo UniversityAvslutadDistansundervisning-Online Learning | Traditionellt klassrumsbaserat lärande | Åtgärder för social distansering av coronavirussjukdom | Sjuksköterskestudenters uppfattning och prestationEgypten
-
Centre Hospitalier Universitaire, AmiensOkändNjurkolik | Urolithiasis | Urinvägsstenar | Deep Learning RekonstruktionFrankrike