Artificiell intelligens vid diagnos av ortopediska tillstånd, särskilt bentumörer och infektion (AIortho)
10 november 2021 uppdaterad av: Robert Jones and Agnes Hunt Orthopaedic and District NHS Trust
Translationell forskning som syftar till att förbättra diagnostisk noggrannhet av muskuloskeletala infektioner och muskuloskeletala tumörer med hjälp av maskininlärning tillämpad på kliniska data, histopatologiska sektioner och genomisk sekvensering.
Studieöversikt
Status
Anmälan via inbjudan
Betingelser
Intervention / Behandling
Studietyp
Observationell
Inskrivning (Förväntat)
100
Kontakter och platser
Det här avsnittet innehåller kontaktuppgifter för dem som genomför studien och information om var denna studie genomförs.
Studieorter
-
-
Shropsire
-
Oswestry, Shropsire, Storbritannien, SY10 7AG
- Robert Jones and Agnes Hunt Orthopaedic Hospital NHS Trust
-
-
Deltagandekriterier
Forskare letar efter personer som passar en viss beskrivning, så kallade behörighetskriterier. Några exempel på dessa kriterier är en persons allmänna hälsotillstånd eller tidigare behandlingar.
Urvalskriterier
Åldrar som är berättigade till studier
18 år och äldre (Vuxen, Äldre vuxen)
Tar emot friska volontärer
Nej
Kön som är behöriga för studier
Allt
Testmetod
Sannolikhetsprov
Studera befolkning
Patienter med misstänkt ortopedisk infektion (inklusive ledprotesinfektion) eller bentumörer
Beskrivning
Inklusionskriterier:
Misstänkt infektion av bentumör och biopsi tas för analys
Exklusions kriterier:
Patienten samtycker inte
Studieplan
Det här avsnittet ger detaljer om studieplanen, inklusive hur studien är utformad och vad studien mäter.
Hur är studien utformad?
Designdetaljer
- Observationsmodeller: Endast fall
- Tidsperspektiv: Blivande
Kohorter och interventioner
Grupp / Kohort |
Intervention / Behandling |
|---|---|
|
Infektion
|
Sekvensera data
Bilder för djupinlärning
|
|
Tumörer
|
Sekvensera data
Bilder för djupinlärning
|
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Sekvensering av data och identifiering
Tidsram: 3 år
|
Identifiering av infektion och tumörer med hjälp av sekvenseringsdata
|
3 år
|
|
Histologiska diabilder och identifiering
Tidsram: 3 år
|
Djup inlärning med hjälp av histologiska bilder
|
3 år
|
Samarbetspartners och utredare
Det är här du hittar personer och organisationer som är involverade i denna studie.
Samarbetspartners
Studieavstämningsdatum
Dessa datum spårar framstegen för inlämningar av studieposter och sammanfattande resultat till ClinicalTrials.gov. Studieposter och rapporterade resultat granskas av National Library of Medicine (NLM) för att säkerställa att de uppfyller specifika kvalitetskontrollstandarder innan de publiceras på den offentliga webbplatsen.
Studera stora datum
Studiestart (Faktisk)
28 juni 2021
Primärt slutförande (Förväntat)
1 januari 2024
Avslutad studie (Förväntat)
1 juli 2024
Studieregistreringsdatum
Först inskickad
8 februari 2021
Först inskickad som uppfyllde QC-kriterierna
8 februari 2021
Första postat (Faktisk)
9 februari 2021
Uppdateringar av studier
Senaste uppdatering publicerad (Faktisk)
11 november 2021
Senaste inskickade uppdateringen som uppfyllde QC-kriterierna
10 november 2021
Senast verifierad
1 november 2021
Mer information
Termer relaterade till denna studie
Ytterligare relevanta MeSH-villkor
Andra studie-ID-nummer
- 281854_47208_2021
Plan för individuella deltagardata (IPD)
Planerar du att dela individuella deltagardata (IPD)?
Obeslutsam
IPD-planbeskrivning
Data kan göras tillgängliga som en del av publiceringen
Läkemedels- och apparatinformation, studiedokument
Studerar en amerikansk FDA-reglerad läkemedelsprodukt
Nej
Studerar en amerikansk FDA-reglerad produktprodukt
Nej
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 .