- ICH GCP
- Amerikanska kliniska prövningsregistret
- Klinisk prövning NCT05903313
En studie för att utvärdera noggrannheten och giltigheten av Chang Gung EKG-abnormalitetsdetekteringsprogramvara
"Chang Gung ECG Abnormality Detection Software" är en programvara för artificiell intelligens för medicinsk signalanalys som upptäcker om patienter har onormala EKG-signaler av 14 sjukdomar med statiskt 12-avlednings-EKG. De 14 sjukdomarna var
- Långt QT-syndrom
- Sinus bradykardi
- Sinus takykardi
- Prematura förmakskomplex
- Prematura ventrikulära komplex
- Förmaksfladder, höger grenblock
- Vänster grenblock
- Vänsterkammarhypertrofi
- Framvägg Hjärtinfarkt
- Septalvägg Hjärtinfarkt
- Lateralvägg Hjärtinfarkt
- Inferior vägg Myokardinfarkt
- Bakre väggen Hjärtinfarkt
Huvudsyftet med denna studie är att verifiera om "Chang Gung ECG Abnormality Detection Software" korrekt kan identifiera onormala EKG-signaler bland patienter med 14 sjukdomar. Tolkningsstandarden är konsensus mellan 3 kardiologer. Resultaten av mjukvaruanalysen kommer att användas för att utvärdera prestandan för de primära och sekundära utvärderingsindikatorerna.
Studieöversikt
Status
Betingelser
Intervention / Behandling
Detaljerad beskrivning
Detaljerad procedur:
Exempelkälla:
Detta är en retrospektiv studie och data kommer från Chang Gung Medical Research Database (CGRD) som var en databas från 6 sjukhus på Chang Gung Memorial sjukhus. Vi samlade in avidentifierade statiska 12-avlednings-EKG-data från databasen under 2006.01.01~2019.12.31, och längden på EKG:t var 10 sekunder.
Provtagning:
I detta experiment separerades träningsdatauppsättningen och testdatauppsättningens EKG. Därefter stratifieras EKG-signalerna enligt fördelningen som testprovet, och alla onormala EKG-signaler från 14 sjukdomar kommer att samplas oberoende från testsetets EKG-databas.
Bekräftelsekriterier:
EKG-data kommer att screenas preliminärt och väljas utifrån inklusions- och exkluderingskriterierna och kompilerade serienummer. Sedan bekräftar en kardiolog att provtagningsresultaten av EKG-data inte inkluderar uteslutningskriterierna igen.
Läkarens tolkning:
EKG-data kommer att konverteras till grafiska filer och skickas till 3 kardiologer för tolkning av onormala EKG-signaler för 14 relaterade sjukdomar. Resultaten kommer att användas som standard för denna studie (referens).
Mjukvarutolkning:
Efter att ha bekräftat teststandarden, mata in EKG-signalen i Chang Gung EKG Abnormality Detection Software för att analysera onormala EKG-signaler för 14 sjukdomar och tolka varje EKG-data.
- Statistisk analys:
Efter att mjukvarutolkningen är klar kommer den att jämföras med resultaten av läkarens tolkning och analysera de primära och sekundära utvärderingsindikatorerna.
Studietyp
Inskrivning (Beräknad)
Fas
- Inte tillämpbar
Kontakter och platser
Studieorter
-
-
-
Taoyuan city, Taiwan, 333
- Chang Gung Memorial Hospital
-
-
Deltagandekriterier
Urvalskriterier
Åldrar som är berättigade till studier
- Vuxen
- Äldre vuxen
Tar emot friska volontärer
Testmetod
Studera befolkning
Beskrivning
Inklusionskriterier:
- Lika eller äldre än tjugo år.
- Statiskt 12-avledningar elektrokardiogram av General Electric MUSE XML-formatfil.
- Uppgifterna kommer från den statiska elektrokardiogramenheten med 12 avledningar från General Electric (modell MAC5500).
- Elektrokardiogramsignalen är 500 Hz.
- Växelströmsfiltret (AC) för elektrokardiogramsignalen är 60 Hz.
- Resursen för den ursprungliga diagnosen var en kardiolog.
Exklusions kriterier:
- Fall som används i modellutvecklingsprocessen.
- Saknar någon elektrod.
- Innehåller någon elektrod som saknar ett segment.
Studieplan
Hur är studien utformad?
Designdetaljer
Kohorter och interventioner
Grupp / Kohort |
Intervention / Behandling |
|---|---|
|
Programvarudiagnos
Programvarudiagnos med guldstandard av 3 kardiologers tolkning.
|
Denna enhet förväntas användas för det statiska 12-avlednings-EKG:et för att upptäcka om det finns onormala EKG-signaler relaterade till sjukdomar och visar resultaten.
Andra namn:
|
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Sensitivitet och specificitet
Tidsram: baslinje
|
Frekvensen av testresultat som korrekt indikerar närvaro och frånvaro.
|
baslinje
|
Sekundära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Area Under mottagarens driftkarakteristik Kurva
Tidsram: Baslinje
|
En grafisk plot som illustrerar den diagnostiska förmågan hos ett binärt klassificeringssystem när dess diskrimineringströskel varieras.
|
Baslinje
|
Samarbetspartners och utredare
Sponsor
Utredare
- Studiestol: Chang-Fu Kuo, MD/Ph.D, Associate Professor and Director Division of Rheumatology
Publikationer och användbara länkar
Allmänna publikationer
- Ribeiro AH, Ribeiro MH, Paixao GMM, Oliveira DM, Gomes PR, Canazart JA, Ferreira MPS, Andersson CR, Macfarlane PW, Meira W Jr, Schon TB, Ribeiro ALP. Automatic diagnosis of the 12-lead ECG using a deep neural network. Nat Commun. 2020 Apr 9;11(1):1760. doi: 10.1038/s41467-020-15432-4. Erratum In: Nat Commun. 2020 May 1;11(1):2227.
- Malik J, Devecioglu OC, Kiranyaz S, Ince T, Gabbouj M. Real-Time Patient-Specific ECG Classification by 1D Self-Operational Neural Networks. IEEE Trans Biomed Eng. 2022 May;69(5):1788-1801. doi: 10.1109/TBME.2021.3135622. Epub 2022 Apr 21.
- Acharya U.R., Fujita H., Lih O.S., Adam M., Tan J.H., Chua C.K. Automated detection of coronary artery disease using different durations of ECG segments with convolutional neu-ral network Knowl.-Based Syst., 132 (sep.15) (2017), pp. 62-71
- Bos JM, Attia ZI, Albert DE, Noseworthy PA, Friedman PA, Ackerman MJ. Use of Artificial Intelligence and Deep Neural Networks in Evaluation of Patients With Electrocardiographically Concealed Long QT Syndrome From the Surface 12-Lead Electrocardiogram. JAMA Cardiol. 2021 May 1;6(5):532-538. doi: 10.1001/jamacardio.2020.7422.
- U. Rajendra Acharya, Hamido Fujita, Oh Shu Lih, Yuki Hagiwara, Jen Hong Tan, Muhammad Adam, Automated detection of arrhythmias using different intervals of tachycardia ECG seg-ments with convolutional neural network, Information Sciences, Volume 405, 2017, Pages 81-90, ISSN 0020-0255
- Jeong DU, Lim KM. Convolutional neural network for classification of eight types of arrhythmia using 2D time-frequency feature map from standard 12-lead electrocardiogram. Sci Rep. 2021 Oct 14;11(1):20396. doi: 10.1038/s41598-021-99975-6.
- Kwon JM, Jeon KH, Kim HM, Kim MJ, Lim SM, Kim KH, Song PS, Park J, Choi RK, Oh BH. Comparing the performance of artificial intelligence and conventional diagnosis criteria for detecting left ventricular hypertrophy using electrocardiography. Europace. 2020 Mar 1;22(3):412-419. doi: 10.1093/europace/euz324.
- Makimoto H, Hockmann M, Lin T, Glockner D, Gerguri S, Clasen L, Schmidt J, Assadi-Schmidt A, Bejinariu A, Muller P, Angendohr S, Babady M, Brinkmeyer C, Makimoto A, Kelm M. Performance of a convolutional neural network derived from an ECG database in recognizing myocardial infarction. Sci Rep. 2020 May 21;10(1):8445. doi: 10.1038/s41598-020-65105-x.
Studieavstämningsdatum
Studera stora datum
Studiestart (Faktisk)
Primärt slutförande (Beräknad)
Avslutad studie (Beräknad)
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
- Ischemi
- Patologiska processer
- Nekros
- Myokardischemi
- Hjärtsjukdom
- Hjärt-kärlsjukdomar
- Kärlsjukdomar
- Medfödda abnormiteter
- Patologiska tillstånd, anatomiska
- Arytmier, hjärt
- Sjukdom i hjärtats ledningssystem
- Graviditetskomplikationer
- Obstetriska förlossningskomplikationer
- Obstetrisk förlossning, för tidigt
- Infarkt
- Hjärtfel, medfödda
- Kardiovaskulära avvikelser
- Kardiomegali
- Hjärtkomplex, för tidigt
- Takykardi, supraventrikulär
- Kvinnliga urogenitala sjukdomar och graviditetskomplikationer
- Urogenitala sjukdomar
- Hjärtinfarkt
- Bunt-Branch Block
- Hjärtblock
- För tidig födsel
- Bradykardi
- Takykardi
- Hypertrofi
- Förmaksfladder
- Hypertrofi, vänster kammare
- Ventrikulära prematura komplex
- Långt QT-syndrom
- Förmaksprematura komplex
- Takykardi, Sinus
Andra studie-ID-nummer
- 202300710A5
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 .