- ICH GCP
- Amerikanska kliniska prövningsregistret
- Klinisk prövning NCT06140849
Utvärdering av artificiell intelligensmodeller för diagnos av främre öppenbettsmalocklusion
19 november 2023 uppdaterad av: Heba El-Sayed Kamel Akl, Cairo University
Bygga artificiell intelligensmodeller för diagnos av främre öppen bett malocklusion
Studieöversikt
Status
Rekrytering
Betingelser
Intervention / Behandling
Detaljerad beskrivning
Studien syftar till att skapa artificiell intelligensmodeller, med indata från förbehandlingsfotografier och röntgenbilder av patienter med öppet bett som rutinmässigt tas för diagnos och behandlingsplanering.
Resultatet av AI-modellen kommer att vara typen och fenotypen av främre öppet bett.
Fotografierna och röntgenbilderna med högsta kvalitet kommer att ordnas i vissa standardiserade mallar för att underlätta maskininlärningsprocessen.
Studietyp
Observationell
Inskrivning (Beräknad)
200
Kontakter och platser
Det här avsnittet innehåller kontaktuppgifter för dem som genomför studien och information om var denna studie genomförs.
Studiekontakt
- Namn: Heba Akl, BDS, MSc., PhD
- Telefonnummer: +201227418915
- E-post: heba.akl@dentistry.cu.edu.eg
Studieorter
-
-
-
Cairo, Egypten, 11451
- Rekrytering
- Orthodontic department, Faculty of Dentistry, Cairo University
-
Kontakt:
- Heba Akl, MSc.
- Telefonnummer: 01227418915
-
-
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
- Barn
- Vuxen
Tar emot friska volontärer
Nej
Testmetod
Sannolikhetsprov
Studera befolkning
Varje patient med främre öppet bett av någon typ och svårighetsgrad kommer att inkluderas i studien
Beskrivning
Inklusionskriterier:
- främre öppet bett
Exklusions kriterier:
- kraniofaciala syndrom, tidigare ortodontisk behandling, dålig kvalitetsjournal
Studieplan
Det här avsnittet ger detaljer om studieplanen, inklusive hur studien är utformad och vad studien mäter.
Hur är studien utformad?
Designdetaljer
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
effektiviteten av artificiell intelligens (AI) modell vid diagnos av främre öppet bett
Tidsram: 8 månader
|
Procentandelen av överensstämmelse mellan resultatet av AI-modellen och den faktiska diagnosen
|
8 månader
|
Samarbetspartners och utredare
Det är här du hittar personer och organisationer som är involverade i denna studie.
Sponsor
Samarbetspartners
Utredare
- Studierektor: Yehya Mostafa, DDS., PhD, Cairo
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 (Beräknad)
1 november 2023
Primärt slutförande (Beräknad)
1 juli 2024
Avslutad studie (Beräknad)
1 september 2024
Studieregistreringsdatum
Först inskickad
15 november 2023
Först inskickad som uppfyllde QC-kriterierna
19 november 2023
Första postat (Faktisk)
20 november 2023
Uppdateringar av studier
Senaste uppdatering publicerad (Faktisk)
20 november 2023
Senaste inskickade uppdateringen som uppfyllde QC-kriterierna
19 november 2023
Senast verifierad
1 november 2023
Mer information
Termer relaterade till denna studie
Ytterligare relevanta MeSH-villkor
Andra studie-ID-nummer
- 2107765
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
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 .