Detektering av hjärtklaffsjuka med hjälp av artificiell intelligens-baserat stetoskop
24 april 2024 uppdaterad av: Xiao-dong Zhuang
Syftet med denna studie är att utveckla en djupinlärningsbaserad tillämpning av hjärtljud vid diagnos av hjärtklaffsjukdom, som kan användas för att screena patienter med hjärtklaffsjukdom och främja tidigare klinisk övervakning och intervention.
Studieöversikt
Status
Rekrytering
Betingelser
Intervention / Behandling
Studietyp
Observationell
Inskrivning (Beräknad)
2000
Kontakter och platser
Det här avsnittet innehåller kontaktuppgifter för dem som genomför studien och information om var denna studie genomförs.
Studieorter
-
-
Guangdong
-
Guangzhou, Guangdong, Kina, 510000
- Rekrytering
- First Affiliated Hospital, Sun Yat-Sen University
-
Kontakt:
- Xiaodong Zhuang, PhD
- Telefonnummer: +86 13760755035
- E-post: zhuangxd3@mail.sysu.edu.cn
-
-
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
- Vuxen
- Äldre vuxen
Tar emot friska volontärer
N/A
Testmetod
Sannolikhetsprov
Studera befolkning
patienter med och utan valvulär hjärtsjukdom bedömd med ekokardiografi
Beskrivning
Inklusionskriterier:
- ålder >18 år
- Under den senaste månaden har ekokardiografi utförts för att diagnostisera hjärtklaffsjukdom (positiv grupp) och ekokardiografi för att utesluta hjärtklaffsjukdom (negativ grupp).
- Samtycke att studera och kunna underteckna informerat samtycke
Exklusions kriterier:
- Efter ventilprotesbyte
- Medfödd hjärtsjukdom (förutom bilobal aortaklaff)
- Hypertrofisk kardiomyopati (HCM)
- Gravida, ammande kvinnor
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 med hjärtklaffsjukdom
|
artificiell intelligens-baserat stetoskop
|
|
patienter utan hjärtklaffsjukdom
|
artificiell intelligens-baserat stetoskop
|
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
valvulär hjärtsjukdom
Tidsram: 10 månader
|
Rapporter klassificerade därför VHD som ingen, mild, måttlig, allvarlig eller kritisk, med ytterligare gränskategorier (t.ex. måttlig till svår) också tillåtna
|
10 månader
|
Samarbetspartners och utredare
Det är här du hittar personer och organisationer som är involverade i denna studie.
Sponsor
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 maj 2024
Primärt slutförande (Beräknad)
1 augusti 2024
Avslutad studie (Beräknad)
1 september 2024
Studieregistreringsdatum
Först inskickad
24 april 2024
Först inskickad som uppfyllde QC-kriterierna
24 april 2024
Första postat (Faktisk)
26 april 2024
Uppdateringar av studier
Senaste uppdatering publicerad (Faktisk)
26 april 2024
Senaste inskickade uppdateringen som uppfyllde QC-kriterierna
24 april 2024
Senast verifierad
1 april 2024
Mer information
Termer relaterade till denna studie
Ytterligare relevanta MeSH-villkor
Andra studie-ID-nummer
- Stethoscope study
Plan för individuella deltagardata (IPD)
Planerar du att dela individuella deltagardata (IPD)?
JA
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 .