Denna sida har översatts automatiskt och översättningens korrekthet kan inte garanteras. Vänligen se engelsk version för en källtext.

SVP-detektion med hjälp av maskininlärning (SVP-ML)

5 mars 2024 uppdaterad av: King's College London

Automatisk detektering av spontana venösa pulseringar i Fundal-videor med hjälp av maskininlärning

Denna diagnostiska studie kommer att använda 410 retrospektivt infångade grundläggande videor för att utveckla ML-system som upptäcker SVP och kvantifierar ICP. Grundsanningen kommer att genereras från kommentarer från två oberoende, maskerade läkare, med skiljedom av en ögonläkare i fall av oenighet.

Studieöversikt

Status

Aktiv, inte rekryterande

Betingelser

Intervention / Behandling

Studietyp

Observationell

Inskrivning (Beräknad)

210

Kontakter och platser

Det här avsnittet innehåller kontaktuppgifter för dem som genomför studien och information om var denna studie genomförs.

Studiekontakt

Studieorter

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

Ja

Testmetod

Icke-sannolikhetsprov

Studera befolkning

Patienter ≥18 år med förmodad normal ICP eller misstänkt förhöjd ICP

Beskrivning

Inklusionskriterier:

  • Patienter ≥18 år med förmodad normal ICP som genomgår rutinmässiga dilaterade OCT-skanningar.
  • Patienter som genomgår en LP- eller kontinuerlig ICP-övervakning med implanterade transkraniella trycktransduktorenheter vid neurologi-, neurokirurgi- eller neurooftalmologiska tjänster inom eller öppen.

Exklusions kriterier:

  • Glaukomdiagnos eller glaukommisstänkt i något öga.
  • Bilateralt begränsad grundsyn, t.ex. avancerad bilateral grå starr.
  • Bilateral retinal ven eller artärocklusion.

Studieplan

Det här avsnittet ger detaljer om studieplanen, inklusive hur studien är utformad och vad studien mäter.

Hur är studien utformad?

Designdetaljer

Kohorter och interventioner

Grupp / Kohort
Intervention / Behandling
Patienter ≥18 år med förmodat normalt intrakraniellt tryck
Diagnostiskt test: Maskininlärningsmodell
Automatiserat maskininlärningssystem för detektering av spontana venösa pulsationer och kvantifiering av intrakraniellt tryck
Patienter ≥18 år med misstänkt förhöjt intrakraniellt tryck
Diagnostiskt test: Maskininlärningsmodell
Automatiserat maskininlärningssystem för detektering av spontana venösa pulsationer och kvantifiering av intrakraniellt tryck

Vad mäter studien?

Primära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Area-under-the receiver operating characteristic (AUROC) för detektering av spontan venös pulsation
Tidsram: 1 år
Binär klassificeringsprestanda för maskininlärningsmodellen
1 år

Sekundära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Lokalisering av spontana venösa pulsationer
Tidsram: 1 år
Begränsningsruta överlappning för maskininlärningsmodellen
1 år
Kvantifiering av intrakraniellt tryck
Tidsram: 1 år
Genomsnittligt absolut fel för förutsägelsen av det intrakraniella trycket
1 år

Samarbetspartners och utredare

Det är här du hittar personer och organisationer som är involverade i denna studie.

Sponsor

King's College London

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 mars 2023

Primärt slutförande (Beräknad)

1 november 2024

Avslutad studie (Beräknad)

1 november 2024

Studieregistreringsdatum

Först inskickad

30 januari 2023

Först inskickad som uppfyllde QC-kriterierna

7 februari 2023

Första postat (Faktisk)

16 februari 2023

Uppdateringar av studier

Senaste uppdatering publicerad (Beräknad)

6 mars 2024

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

5 mars 2024

Senast verifierad

1 mars 2024

Mer information

Termer relaterade till denna studie

Ytterligare relevanta MeSH-villkor

Andra studie-ID-nummer

  • 1.0

Plan för individuella deltagardata (IPD)

Planerar du att dela individuella deltagardata (IPD)?

JA

IPD-planbeskrivning

Uppgifterna skulle delas, där så är möjligt, genom ett datadelningsavtal med begränsad åtkomst, i linje med KCL:s datastyrningskrav.

Tidsram för IPD-delning

Inom 12 månader efter avslutad studie

Kriterier för IPD Sharing Access

Datadelningsavtal och datastyrning

IPD-delning som stöder informationstyp

  • STUDY_PROTOCOL

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 .

Kliniska prövningar på Maskininlärningsmodell

Sök liknande försök

Sponsorer och medarbetare

Medicinska tillstånd

Läkemedelsinterventioner

CROs by country

CROs in Uzbekistan

Betingelser

Sällsynta sjukdomar

Läkemedelsinterventioner

Kosttillskott

Sponsor / medarbetare

Platser

3
Prenumerera