- ICH GCP
- Amerikanska kliniska prövningsregistret
- Klinisk prövning NCT06179849
Artificiell intelligens-aktiverad storskalig elektrokardiogramfunktionsextraktion och undersökning av sambandet mellan de extraherade funktionerna och dödlighet, stroke eller olika hälsoresultat av intresse
22 december 2023 uppdaterad av: Yonsei University
- I den här studien kombineras storskaliga EKG-data (elektrokardiogramdata från alla patienter lagrade i MUSE-systemet genom att mäta standard 12-styrda EKG vid Severance Health Checkup på Severance Hospital från 1 november 2005 till 31 oktober 2022) med elektronisk medicin register, National Health Insurance Corporation-data och National Statistical Office dödsorsaksdata, och algoritmen för artificiell intelligens används för att extrahera EKG-funktioner för att analysera sambandet mellan dödsfall, stroke och olika hälsotillstånd, och för att utföra extern verifiering eller överföra inlärning med hjälp av offentliga databaser (t.ex. data från brittiska biobanker).
- Avsedd att använda en webbaserad plattform för artificiell intelligens för att distribuera beräkningsbelastningar som genereras under storskalig databehandling och förbättra analysnoggrannheten och effektiviteten.
Studieöversikt
Status
Har inte rekryterat ännu
Betingelser
Detaljerad beskrivning
- Alla patient-ID:n som erhålls från huvudkontoret ersätts av forsknings-ID:n (avidentifierade id:n), så att själva ID:n inte exponeras och annan personlig identifieringsinformation (namn, invånarregistreringsnummer) inte samlas in.
Forskningsmetoder:
- Elektrokardiogramextraktion baserat på kriterierna för ämnen.
- Kombinerat med extraherade EKG-data och National Insurance Corporation-data (+ National Statistical Office-data för dödsorsak).
- Hälsa av intresse (HOI) definition. Inkluderar dödsfall, stroke, etc.
- Den definierade HOI kan extraheras från Yonsei Medical Center-data eller från National Insurance Service-data eller Statistics Koreas dödsorsaksdata.
- Modellträning för artificiell intelligens med elektrokardiogram (och kliniskt informationsdiagram vid behov) som input, med övervakade djupinlärningsalgoritmer om det finns en etikett och oövervakade inlärningsalgoritmer om det inte finns någon etikett.
- Prestationsutvärdering för övervakade modeller för artificiell intelligens.
- Vid oövervakad inlärning av artificiell intelligensmodeller, sambandet/korrelationen mellan extraherade egenskaper och HOI eller analys av förutsägbarhet/detekterbarhet.
- Överföringsinlärning kan utföras genom att lägga till extern verifiering eller dielektrisk data till den inlärda modellen med hjälp av offentliga databaser.
- Extern verifiering kan utföras med hjälp av externa tilläggsdata genom att montera den inlärda modellen på en webbaserad plattform för artificiell intelligens.
- Med tanke på storskalig data, kan datorarbetsbelastningar distribueras med hjälp av webbaserade plattformar för artificiell intelligens.
- Analysresultaten kan anonymiseras och analysresultaten kan lämnas till forskare genom en webbaserad plattform för artificiell intelligens.
Studietyp
Observationell
Inskrivning (Beräknad)
3000000
Kontakter och platser
Det här avsnittet innehåller kontaktuppgifter för dem som genomför studien och information om var denna studie genomförs.
Studiekontakt
- Namn: Hui-Nam Pak
- Telefonnummer: 82-2-2228-8459
- E-post: hnpak@yuhs.ac
Studieorter
-
-
-
Seoul, Korea, Republiken av
- Yonsei University Health System
-
Kontakt:
- Hui-Nam Pak
- Telefonnummer: 82-2-2228-8459
- E-post: hnpak@yuhs.ac
-
-
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
- Äldre vuxen
Tar emot friska volontärer
Nej
Testmetod
Icke-sannolikhetsprov
Studera befolkning
Alla patienter lagras i MUSE-systemet efter att ha mätt ett standard 12-guidat elektrokardiogram vid Severance Health Checkup på Severance Hospital från 1 november 2005 till 31 oktober 2022
Beskrivning
Inklusionskriterier:
Alla patienter lagras i MUSE-systemet efter att ha mätt ett standard 12-guidat elektrokardiogram vid Severance Health Checkup på Severance Hospital från 1 november 2005 till 31 oktober 2022
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 |
|---|---|---|
|
Antal patienter med Mortalitet
Tidsram: 2 år
|
Undersöker reproducerbarheten av förutsägelse av dödlighet (antal patienter som dog oavsett orsak) från EKG-data mätt inom 1 år före döden med hjälp av artificiell intelligens algoritmer
|
2 år
|
|
Antal patienter med stroke, förmaksflimmer, demens
Tidsram: 2 år
|
Undersöker korrelationen mellan vissa EKG-mönster med möjligheten till stroke/förmaksflimmer, demens med hjälp av artificiell intelligensalgoritmer.
|
2 år
|
Samarbetspartners och utredare
Det är här du hittar personer och organisationer som är involverade i denna studie.
Sponsor
Utredare
- Huvudutredare: Hui-Nam Pak, Yonsei University
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 december 2023
Primärt slutförande (Beräknad)
1 december 2025
Avslutad studie (Beräknad)
1 december 2025
Studieregistreringsdatum
Först inskickad
22 november 2023
Först inskickad som uppfyllde QC-kriterierna
21 december 2023
Första postat (Faktisk)
22 december 2023
Uppdateringar av studier
Senaste uppdatering publicerad (Beräknad)
1 januari 2024
Senaste inskickade uppdateringen som uppfyllde QC-kriterierna
22 december 2023
Senast verifierad
1 december 2023
Mer information
Termer relaterade till denna studie
Ytterligare relevanta MeSH-villkor
Andra studie-ID-nummer
- 4-2022-1506
Plan för individuella deltagardata (IPD)
Planerar du att dela individuella deltagardata (IPD)?
NEJ
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 .