- ICH GCP
- Amerikanska kliniska prövningsregistret
- Klinisk prövning NCT04313387
Effektiviteten av en algoritm härledd från hornhinnetomografiparametrar för att skilja mycket känsliga hornhinnor till ektasi från friska
Studieöversikt
Status
Intervention / Behandling
Detaljerad beskrivning
Patienterna ansågs vara mycket asymmetriska (VAE-NT) om diagnosen ektasi bekräftades på ett öga baserat på de tidigare beskrivna kriterierna och det andra ögat hade en normal främre yta krökning (topometrisk) karta. Objektiva kriterier för att överväga normal topografi användes för att definiera fallen av VAE-NT, inklusive objektiva frontytkrökningsmått härledda från Pentacam. Normal topografi övervägdes noggrant baserat på objektiva kriterier för en maximal krökning Kmax (brantaste frontkeratometry)
Studien inkluderade 148 ögon med KC, 351 med friska hornhinnor och 88 ögon med misstänkt KC. Patienterna delades in i tre grupper:
- Kontrollgrupp - Normala ögon (CG): 351 ögon utan KC av 351 patienter som genomgick LASIK eller fotorefraktiv keratektomi (PRK), stabila efter minst 18 månaders uppföljning, utan några förändringar i den bakre höjden vid 18-månaders Pentacam i förhållande till den preoperativa undersökningen (operationer utförda 2012-2018). Inklusionskriterierna för att vara ett normalt fall var att ha normala hornhinnor vid den allmänna ögonundersökningen i båda ögonen, inklusive normal spaltlampsbiomikroskopi, korrigerad avståndssynskärpa på 20/20 eller bättre, generellt subjektiv normal topografi och tomografiundersökningar. Vårt mål topografiska kriterier var: båda ögonen med ett KISA %-index på mindre än 60 %, Kmax på 47,2 D eller mindre och I-S-skillnad på mindre än 1,45 D. Eftersom inga verkligt etablerade tomografiska parametrar/cut-off(s) för att skilja normala från keratokonus misstänkta ögon existerar, anpassade vi vår klassificering för normala ögon till den senaste publikationen av Ambrósio et al.(31) genom att lägga till kriteriet "övergripande subjektiv normal topografi och tomografiundersökningar" baserat på utvärderingen av erfaren refraktiv kirurg ( GCAJ). Endast ett öga valdes slumpmässigt ut för ytterligare statistisk analys. CG inkluderade ett öga slumpmässigt valt från 323 patienter med normal hornhinna; ett öga inkluderades slumpmässigt per patient för att undvika selektionsbias relaterad till användningen av båda ögonen från samma patient
- Mycket assimetrisk ektasi med normal topografigrupp (VAE-NT G): 88 ögon av 88 patienter med mycket asymmetrisk ektasi med normal topografi (VAE-NT) i ett öga och uppriktig ektasi (VAE-E) i det andra ögat. Inklusionskriterierna följde tidigare studier (28, 32, 33) Ögon i denna grupp med otillräckliga topografiska fynd för att uppfylla diagnostiska kriterier för keratokonus, och följande egenskaper normala utseende hornhinna på spaltlampa biomikroskopi, keratometry, retinoskopi. Dessa fall var det mindre påverkade ögat (medföljande öga) hos en keratokonisk patient inkluderades om följande kriterier uppfylldes: KISA %-index på mindre än 60 %, I-S-skillnad på mindre än 1,45 D och Kmax på 47,2 D eller mindre (dvs. samma topografiska kriterier som i normala ögon, förutom än i normala ögon, patientens båda ögon uppfyllde kriterierna). Dessa patienter kan övervägas med hornhinnor som är mycket mottagliga för ektasi.
- Mycket asymmetriska ögon med ektasi (VAE-E): Andra ögon i VAE-NT som visar ett KISA%-index på mer än 100 % och minst ett av följande biomikroskopiska tecken: Vogt striae, Fleischer-ring eller fokal stromal förtunning. Oculus implementerade sitt eget iscensättningssystem i Pentacam-mjukvaran, som skulle efterlikna Amsler/Krumeich-systemen: Topographic Keratoconus Classification (TKC) (34). TKC klassificerar KC i fyra stadier (plus fyra mellanstadier) och identifierar andra korneala patologier, såsom korneal refraktiv kirurgi eller pellucid marginal degenerative (PMD). TKC-klassificering av Pentacams tomografiska index som visar algum grau de KC variando de 1-4.
- Keratokonusgrupp (KCG): 148 patienter (ett öga vardera) med bilateral klinisk KC. KCG inkluderade ett öga slumpmässigt valt från 148 patienter med keratokonus; ett öga inkluderades slumpmässigt per patient för att undvika selektionsbias relaterad till användningen av båda ögonen från samma patient. Inklusionskriterierna var desamma som för VAE-E, förutom att patientens båda ögon uppfyllde ektasikriterierna.
Alla försökspersoner genomgick fullständig ögonundersökning samt refraktionsbedömning, biomikroskopi, retinoskopi, fundoskopi, topografi och tomografibedömning. Alla patienter bedömdes på Visum Eye Center mellan januari 2012 och januari 2018.
Denna studie ansluter sig till principerna i Helsingforsdeklarationen och godkändes av forskningsetiska kommittén vid Sao Jose do Rio Pretos medicinska fakultet. Alla patienter informerades om syftet med studien och de undertecknade skriftliga formulär för informerat samtycke innan de registrerades.
Extern validering utfördes med 140 patienter, vars data inte ingick i uppbyggnaden av algoritmen. De uppfyllde samma inklusionskriterier som de andra, med totalt 82 ögon av 82 patienter med friska hornhinnor, 19 ögon av 19 patienter med VAE-NT och 39 ögon av 39 patienter med KC.
PENTACAM TOMOGRAFI: Alla ögon undersöktes med roterande Scheimpflug hornhinne- och främre segmenttomografi (Pentacam HR; Oculus GmbH, Wetzlar, Tyskland). Bildkvaliteten kontrollerades så att endast fall med bilder av acceptabel kvalitet ingick i studien. En erfaren gemenskapsutbildad hornhinnespecialist (GCAJ) granskade alla fall så att de klassificerades korrekt i grupperna KC och VAE-NT. Rådata (u12-filer) erhölls från alla fall; därför användes samma anpassade mjukvara (version 1.20r118) för att bearbeta alla exportfiler, och alla Scheimpflug-variabler laddades ner direkt från Pentacam-mjukvaran med hjälp av "call-all"-funktionen.
MATEMATISK ALGORITM: För att bygga ekvationen extraherad från SVM användes 58 variabler, några av dem extraherades från kalkylarket. Efter konstruktionen av dessa 58 funktionsvektorer (FV), skapades ett SVM-deriverat index, vilket kallades hornhinnetomografi multivariat index härlett från en stödvektormaskin (CTMVI). Med tanke på att varje patient representerar en punkt på ett kartesiskt plan med 58 dimensioner (varje koordinat representerar en av de 58 FV), är SVM:s roll att hitta det hyperplan som bäst separerar CG-, KCG- och VAE-NT G-subjekten. Ett hyperplan beskrivs algebraiskt med en linjär ekvation; i detta fall finns det 59 koefficienter, varav 58 är relaterade till FV och en oberoende koefficient som representerar förspänningen (vilket är en möjlig parallell dislokation av ett givet hyperplan). De analyserade FV var:
ARC (3 mm zon): Främre krökningsradie i 3,0 mm-zonen centrerad på den tunnaste platsen av hornhinnan; ARTmax: Ambrosio relationell tjocklek maximal; ARTmin: Ambrosio relationell tjocklek minimum; BAD D: Belin/Ambrosio förstärkt ectasia total avvikelsevärde ;BAD Daa: Avvikelse från ART-genomsnittet; BAD Dam: Avvikelse från ART max; BAD Db: Avvikelse för bakhöjdsskillnadskarta; BAD De: Avvikelse från den bakre höjden som tunnast med tanke på BFS 8 mm; BAD Df: Avvikelse av fronthöjdsskillnadskarta; BAD Df: Avvikelse för minsta tjocklek; BAD Dk: Avvikelse från Kmax; BAD Dp: Avvikelse av genomsnittlig pachymetrisk progression; BAD Dr: Avvikelse från det mer negativa värdet på den relativa tjocklekskartan; BAD Dy: Avvikelse från den vertikala förskjutningen av den tunnaste punkten från spetsen; C.Vol D 3 mm: hornhinnevolym med en yta med 3 mm diameter; C.Vol D 5 mm: hornhinnevolym med en yta med 5 mm diameter; C.Vol D 7 mm: hornhinnevolym med en yta med 7 mm diameter; C.Vol D 10 mm: hornhinnevolym med en yta med 10 mm diameter; D2 mm / Pachy Min: Kvotienten av D2 mm / Pachy Min; D2 mm: Genomsnittlig hornhinnetjocklek på 2 mm cirkel centrerad på den tunnaste platsen; D4 mm / Pachy Min: Kvotienten av D4 mm / Pachy Min; D4 mm: Genomsnittlig hornhinnetjocklek på 4 mm cirkel centrerad på den tunnaste platsen; D6 mm / Pachy Min: Kvotienten av D6mm / Pachy Min; D6 mm: Genomsnittlig hornhinnetjocklek på 6 mm cirkel centrerad på den tunnaste platsen; D8 mm / Pachy Min: Kvotienten på D8 mm / Pachy Min; D8 mm: Genomsnittlig hornhinnetjocklek på 8 mm cirkel centrerad på den tunnaste platsen; Ele B BFS 8 mm Max. 4 mm zon: Höjdparameter härledd från den bakre ytan centrerad vid punkten med det högsta värdet inom 4 mm (diameter) med användning av den 8 mm bästa sfären; Ele B BFS 8 mm Apex: Höjdparameter härledd från den bakre ytan centrerad vid spetsen beräknad med hjälp av den 8 mm bästa sfären; Ele B BFS 8 mm tunnast: Höjdparameter härledd från baksidan centrerad vid den tunnaste punkten med hjälp av den 8 mm bästa sfären; Ele B BFTE 8 mm Max. 4 mm-zon: Höjdparameter härledd från baksidan centrerad vid punkten med högsta värde inom 4 mm (diameter) med användning av den 8 mm bäst passande toriska ellipsoiden; Ele B BFTE 8 mm Apex: Höjdparameter härledd från den bakre ytan centrerad vid spetsen beräknad med hjälp av den 8 mm bäst passande toriska ellipsoiden; Ele B BFTE 8 mm tunnast: Höjdparameter härledd från baksidan centrerad på den tunnaste punkten med hjälp av den 8 mm bäst passande toriska ellipsoiden; Ele F BFS 8 mm Max. 4 mm Zon: Höjdparameter härledd från den främre ytan centrerad vid punkten med det högsta värdet inom 4 mm (diameter) med användning av den 8 mm bästa sfären; Ele F BFS 8 mm Apex: Höjdparameter härledd från den främre ytan centrerad vid spetsen beräknad med hjälp av 8 mm best-fit sfären; Ele F BFS 8 mm tunnast: Höjdparameter härledd från den främre ytan centrerad på den tunnaste punkten med hjälp av den 8 mm bästa sfären; Ele F BFTE 8 mm Max. 4 mm Zon: Höjdparameter härledd från den främre ytan centrerad vid punkten med det högsta värdet inom 4 mm (diameter) med användning av den 8 mm bäst passande toriska ellipsoiden; Ele F BFTE 8 mm Apex: Höjdparameter härledd från den främre ytan centrerad vid spetsen beräknad med hjälp av den 8 mm bäst passande toriska ellipsoiden; Ele F BFTE 8 mm tunnast: Höjdparameter härledd från den främre ytan centrerad vid den tunnaste punkten med hjälp av den 8 mm bästa toriska ellipsoiden; IHA: Index högsta asymmetri; IHD: Index högsta decentration; ISV: Index för ytvarians; IVA: Index för vertikal asymmetri; KI: Keratokonus index; Pachy Min: Hornhinnan tjocklek på den tunnaste punkten; Pachy Min Y: Position för minsta hornhinnetjocklek i förhållande till Y-axeln centrerad på hornhinnans spets; PRC (3 mm-zon): Bakre krökningsradie i 3,0 mm-zonen centrerad på den tunnaste platsen av hornhinnan; Rel Pachy Min: Relativ hornhinnetjocklek vid den tunnaste punkten; RMS HOA (CB): rotmedelvärde av hög ordningens aberration av hornhinnan tillbaka; RMS HOA (CF): rotmedelvärde av hög ordningens aberration av hornhinnans front; RMS HOA (hornhinna): rotmedelvärde av hög ordningens aberration av total hornhinna; RPIavg: Genomsnittligt pachymetrisk progressionsindex; RPImax: Maximalt pachymetrisk progressionsindex; RPImin: Minsta pachymetriska progressionsindex; Z 3 -1 (CB): 3:e ordningens vertikala koma aberration hornhinna tillbaka; Z3-1 (CF): 3:e ordningens vertikala komaaberration av hornhinnan; Z3-1 (hornhinna): 3:e ordningens vertikala komaaberration total hornhinna; Z 5 -1 (CB): 5:e ordningens vertikala komaaberration av hornhinnan tillbaka; Z 5 -1 (CF): 5:e ordningens vertikala komaaberration av hornhinnan. Alla Zernike-mätningar gjordes för en hornhinnediameter på 6 mm.
Studietyp
Inskrivning (Faktisk)
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:
Patienterna ansågs vara mycket asymmetriska (VAE-NT) om diagnosen ektasi bekräftades på ett öga baserat på de tidigare beskrivna kriterierna och det andra ögat hade en normal främre yta krökning (topometrisk) karta. Objektiva kriterier för att överväga normal topografi användes för att definiera fallen av VAE-NT, inklusive objektiva frontytkrökningsmått härledda från Pentacam. Normal topografi övervägdes noggrant baserat på objektiva kriterier (27, 28) för en maximal krökning Kmax (brantaste frontkeratometry)
Exklusions kriterier:
Följande uteslutningskriterier antogs: historia av okulärt trauma; kronisk användning av ögonmedicin, glaukom; torra ögon syndrom; ärrbildning i hornhinnan; neurotrofisk keratopati; allvarlig meibomisk körteldysfunktion; sårbart tillstånd på grund av fysisk eller psykisk sjukdom och med språkrelaterade svårigheter; gravid eller ammar.
Studieplan
Hur är studien utformad?
Designdetaljer
- Observationsmodeller: Case-Control
- Tidsperspektiv: Retrospektiv
Kohorter och interventioner
Grupp / Kohort |
Intervention / Behandling |
|---|---|
|
Kontrollgrupp - Normala ögon (CG)
• Kontrollgrupp - Normala ögon (CG): 351 ögon utan KC av 351 patienter som genomgick LASIK eller fotorefraktiv keratektomi (PRK), stabila efter minst 18 månaders uppföljning, utan några förändringar i den posteriora höjden vid 18-månadersperioden Pentacam i relation till preoperativ undersökning (operationer utförda 2012-2018).
Våra objektiva topografiska kriterier var: båda ögonen med ett KISA %-index på mindre än 60 %, Kmax på 47,2 D eller mindre och I-S-skillnad på mindre än 1,45 D. Eftersom inga verkligt etablerade tomografiska parametrar/cut-off(s) ) för att skilja normala från keratokonus misstänkta ögon existerar, anpassade vi vår klassificering för normala ögon till den senaste publikationen av Ambrósio et al. genom att lägga till kriteriet "övergripande subjektiv normal topografi och tomografiundersökningar" baserat på utvärderingen av erfaren refraktiv kirurg (GCAJ).
Endast ett öga valdes slumpmässigt ut för ytterligare statistisk analys.
|
MATEMATISK ALGORITM: För att bygga ekvationen extraherad från SVM användes 58 variabler, några av dem extraherades från kalkylarket.
Efter konstruktionen av dessa 58 funktionsvektorer (FV), skapades ett SVM-deriverat index, vilket kallades hornhinnetomografi multivariat index härlett från en stödvektormaskin (CTMVI).
Med tanke på att varje patient representerar en punkt på ett kartesiskt plan med 58 dimensioner (varje koordinat representerar en av de 58 FV), är SVM:s roll att hitta det hyperplan som bäst separerar CG-, KCG- och VAE-NT G-subjekten.
Ett hyperplan beskrivs algebraiskt med en linjär ekvation; i detta fall finns det 59 koefficienter, varav 58 är relaterade till FV och en oberoende koefficient som representerar förspänningen (vilket är en möjlig parallell dislokation av ett givet hyperplan).
|
|
Mycket assimetrisk ektasia med normal topografi
• Mycket assimetrisk ektasi med normal topografigrupp (VAE-NT G): 88 ögon av 88 patienter med mycket asymmetrisk ektasi med normal topografi (VAE-NT) i ett öga och uppriktig ektasi (VAE-E) i det andra ögat.
Inklusionskriterierna följde tidigare studier (28, 32, 33) Ögon i denna grupp med otillräckliga topografiska fynd för att uppfylla diagnostiska kriterier för keratokonus, och följande egenskaper normala utseende hornhinna på spaltlampa biomikroskopi, keratometry, retinoskopi.
Dessa fall var det mindre påverkade ögat (medföljande öga) hos en keratokonisk patient inkluderades om följande kriterier uppfylldes: KISA %-index på mindre än 60 %, I-S-skillnad på mindre än 1,45 D och Kmax på 47,2 D eller mindre (dvs. samma topografiska kriterier som i normala ögon, förutom än i normala ögon, patientens båda ögon uppfyllde kriterierna).
Dessa patienter kan övervägas med hornhinnor som är mycket mottagliga för ektasi.
|
MATEMATISK ALGORITM: För att bygga ekvationen extraherad från SVM användes 58 variabler, några av dem extraherades från kalkylarket.
Efter konstruktionen av dessa 58 funktionsvektorer (FV), skapades ett SVM-deriverat index, vilket kallades hornhinnetomografi multivariat index härlett från en stödvektormaskin (CTMVI).
Med tanke på att varje patient representerar en punkt på ett kartesiskt plan med 58 dimensioner (varje koordinat representerar en av de 58 FV), är SVM:s roll att hitta det hyperplan som bäst separerar CG-, KCG- och VAE-NT G-subjekten.
Ett hyperplan beskrivs algebraiskt med en linjär ekvation; i detta fall finns det 59 koefficienter, varav 58 är relaterade till FV och en oberoende koefficient som representerar förspänningen (vilket är en möjlig parallell dislokation av ett givet hyperplan).
|
|
Keratokonusgruppen (KCG)
• Keratokonusgrupp (KCG): 148 patienter (ett öga vardera) med bilateral klinisk KC.
KCG inkluderade ett öga slumpmässigt valt från 148 patienter med keratokonus; ett öga inkluderades slumpmässigt per patient för att undvika selektionsbias relaterad till användningen av båda ögonen från samma patient.
Inklusionskriterierna var desamma som för VAE-E, förutom att patientens båda ögon uppfyllde ektasikriterierna.
|
MATEMATISK ALGORITM: För att bygga ekvationen extraherad från SVM användes 58 variabler, några av dem extraherades från kalkylarket.
Efter konstruktionen av dessa 58 funktionsvektorer (FV), skapades ett SVM-deriverat index, vilket kallades hornhinnetomografi multivariat index härlett från en stödvektormaskin (CTMVI).
Med tanke på att varje patient representerar en punkt på ett kartesiskt plan med 58 dimensioner (varje koordinat representerar en av de 58 FV), är SVM:s roll att hitta det hyperplan som bäst separerar CG-, KCG- och VAE-NT G-subjekten.
Ett hyperplan beskrivs algebraiskt med en linjär ekvation; i detta fall finns det 59 koefficienter, varav 58 är relaterade till FV och en oberoende koefficient som representerar förspänningen (vilket är en möjlig parallell dislokation av ett givet hyperplan).
|
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
CTMVI utformad för att screena patienter före refraktiv operation
Tidsram: januari 2012 till januari 2018
|
ROC-kurvor för CTMVI jämfört med BAD D och PRFI
|
januari 2012 till januari 2018
|
Samarbetspartners och utredare
Samarbetspartners
Publikationer och användbara länkar
Allmänna publikationer
- Motlagh MN, Moshirfar M, Murri MS, Skanchy DF, Momeni-Moghaddam H, Ronquillo YC, Hoopes PC. Pentacam(R) Corneal Tomography for Screening of Refractive Surgery Candidates: A Review of the Literature, Part I. Med Hypothesis Discov Innov Ophthalmol. 2019 Fall;8(3):177-203.
- Luz A, Lopes B, Hallahan KM, Valbon B, Ramos I, Faria-Correia F, Schor P, Dupps WJ Jr, Ambrosio R Jr. Enhanced Combined Tomography and Biomechanics Data for Distinguishing Forme Fruste Keratoconus. J Refract Surg. 2016 Jul 1;32(7):479-94. doi: 10.3928/1081597X-20160502-02.
- Yoo TK, Ryu IH, Lee G, Kim Y, Kim JK, Lee IS, Kim JS, Rim TH. Adopting machine learning to automatically identify candidate patients for corneal refractive surgery. NPJ Digit Med. 2019 Jun 20;2:59. doi: 10.1038/s41746-019-0135-8. eCollection 2019.
- Lopes BT, Ramos IC, Salomao MQ, Guerra FP, Schallhorn SC, Schallhorn JM, Vinciguerra R, Vinciguerra P, Price FW Jr, Price MO, Reinstein DZ, Archer TJ, Belin MW, Machado AP, Ambrosio R Jr. Enhanced Tomographic Assessment to Detect Corneal Ectasia Based on Artificial Intelligence. Am J Ophthalmol. 2018 Nov;195:223-232. doi: 10.1016/j.ajo.2018.08.005. Epub 2018 Aug 9.
- Smadja D, Touboul D, Cohen A, Doveh E, Santhiago MR, Mello GR, Krueger RR, Colin J. Detection of subclinical keratoconus using an automated decision tree classification. Am J Ophthalmol. 2013 Aug;156(2):237-246.e1. doi: 10.1016/j.ajo.2013.03.034. Epub 2013 Jun 7.
- Steinberg J, Siebert M, Katz T, Frings A, Mehlan J, Druchkiv V, Buhren J, Linke SJ. Tomographic and Biomechanical Scheimpflug Imaging for Keratoconus Characterization: A Validation of Current Indices. J Refract Surg. 2018 Dec 1;34(12):840-847. doi: 10.3928/1081597X-20181012-01.
- Awad EA, Abou Samra WA, Torky MA, El-Kannishy AM. Objective and subjective diagnostic parameters in the fellow eye of unilateral keratoconus. BMC Ophthalmol. 2017 Oct 6;17(1):186. doi: 10.1186/s12886-017-0584-2.
- Ferreira-Mendes J, Lopes BT, Faria-Correia F, Salomao MQ, Rodrigues-Barros S, Ambrosio R Jr. Enhanced Ectasia Detection Using Corneal Tomography and Biomechanics. Am J Ophthalmol. 2019 Jan;197:7-16. doi: 10.1016/j.ajo.2018.08.054. Epub 2018 Sep 8.
- Hashemi H, Beiranvand A, Yekta A, Maleki A, Yazdani N, Khabazkhoob M. Pentacam top indices for diagnosing subclinical and definite keratoconus. J Curr Ophthalmol. 2016 Mar 29;28(1):21-6. doi: 10.1016/j.joco.2016.01.009. eCollection 2016 Mar.
- Ruiz Hidalgo I, Rodriguez P, Rozema JJ, Ni Dhubhghaill S, Zakaria N, Tassignon MJ, Koppen C. Evaluation of a Machine-Learning Classifier for Keratoconus Detection Based on Scheimpflug Tomography. Cornea. 2016 Jun;35(6):827-32. doi: 10.1097/ICO.0000000000000834.
- Arbelaez MC, Versaci F, Vestri G, Barboni P, Savini G. Use of a support vector machine for keratoconus and subclinical keratoconus detection by topographic and tomographic data. Ophthalmology. 2012 Nov;119(11):2231-8. doi: 10.1016/j.ophtha.2012.06.005. Epub 2012 Aug 11.
- Bae GH, Kim JR, Kim CH, Lim DH, Chung ES, Chung TY. Corneal topographic and tomographic analysis of fellow eyes in unilateral keratoconus patients using Pentacam. Am J Ophthalmol. 2014 Jan;157(1):103-109.e1. doi: 10.1016/j.ajo.2013.08.014. Epub 2013 Oct 25.
Studieavstämningsdatum
Studera stora datum
Studiestart (Faktisk)
Primärt slutförande (Faktisk)
Avslutad studie (Faktisk)
Studieregistreringsdatum
Först inskickad
Först inskickad som uppfyllde QC-kriterierna
Första postat (Faktisk)
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
- 37232214.1.0000.5415
Plan för individuella deltagardata (IPD)
Planerar du att dela individuella deltagardata (IPD)?
Läkemedels- och apparatinformation, studiedokument
Studerar en amerikansk FDA-reglerad läkemedelsprodukt
Studerar en amerikansk FDA-reglerad produktprodukt
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 .