Optimering av bröströntgen vid sängkanten tagna på intensivvårdsavdelningen genom att använda nuvarande mjukvarubaserade tekniker
22 mars 2024 uppdaterad av: Marjo Soini, Joint Authority for Päijät-Häme Social and Health Care
Denna studie undersöker hur man kan använda ett algoritmbaserat virtuellt rutnät vid lungavbildning hos intensivvårdspatienter.
Syftet är att jämföra stråldosen som orsakas av bildbehandling med ett virtuellt rutnät och ett traditionellt rutnät och relatera detta till den uppnådda bildkvaliteten.
Studien syftar till att fastställa hur stråldosen kan sänkas och ändå få samma diagnostiska bildkvalitet som med ett traditionellt spridningsbegränsande gitter.
Studieöversikt
Status
Aktiv, inte rekryterande
Betingelser
Intervention / Behandling
Studietyp
Observationell
Inskrivning (Beräknad)
500
Kontakter och platser
Det här avsnittet innehåller kontaktuppgifter för dem som genomför studien och information om var denna studie genomförs.
Studieorter
-
-
-
Lahti, Finland, 15850
- Joint Authority for Päijät-Häme Social and Health Care
-
-
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
Testmetod
Sannolikhetsprov
Studera befolkning
Intensivvårdspatienter
Beskrivning
Inklusionskriterier:
- Alla patienter på intensivvårdsavdelningen med avbildning av lungan.
Exklusions kriterier:
- Graviditet
Studieplan
Det här avsnittet ger detaljer om studieplanen, inklusive hur studien är utformad och vad studien mäter.
Hur är studien utformad?
Designdetaljer
- Observationsmodeller: Kohort
- Tidsperspektiv: Retrospektiv
Kohorter och interventioner
Grupp / Kohort |
Intervention / Behandling |
|---|---|
|
Traditionellt rutnät
Patienter avbildade med traditionellt rutnät
|
Röntgen vid sängkanten på intensivavdelning.
|
|
Virtuellt rutnät
Patienter avbildade med virtuellt rutnät
|
Röntgen vid sängkanten på intensivavdelning.
|
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Bildkvalitet
Tidsram: 2 år
|
Jämför stråldosen som orsakas av bildbehandling med ett virtuellt rutnät och ett traditionellt rutnät och relatera detta till den uppnådda bildkvaliteten
|
2 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)
1 augusti 2020
Primärt slutförande (Beräknad)
31 december 2027
Avslutad studie (Beräknad)
31 december 2028
Studieregistreringsdatum
Först inskickad
26 augusti 2021
Först inskickad som uppfyllde QC-kriterierna
26 augusti 2021
Första postat (Faktisk)
27 augusti 2021
Uppdateringar av studier
Senaste uppdatering publicerad (Faktisk)
25 mars 2024
Senaste inskickade uppdateringen som uppfyllde QC-kriterierna
22 mars 2024
Senast verifierad
1 mars 2024
Mer information
Termer relaterade till denna studie
Nyckelord
Andra studie-ID-nummer
- R19100 (PHKS)
Plan för individuella deltagardata (IPD)
Planerar du att dela individuella deltagardata (IPD)?
OBESLUTSAM
Läkemedels- och apparatinformation, studiedokument
Studerar en amerikansk FDA-reglerad läkemedelsprodukt
Nej
Studerar en amerikansk FDA-reglerad produktprodukt
Ja
produkt tillverkad i och exporterad från U.S.A.
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 .