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

Real-time Feedback av Red-out Under Koloskopiintubation

Prospektiv, Multicenter, Kontrollerad Studie om Inverkan av Realtidsfeedback på Red-out

Denna studie kommer att använda en prospektiv, multicentrisk, kontrollerad design. Den kommer att genomföras på flera centra, med deltagande centra slumpmässigt tilldelade till en av fyra grupper: Grupp A, Grupp B, Grupp C och Grupp D.

Forskningen kommer främst att fokusera på AI-baserad analys av kolonoskopibilder för att beräkna följande mått: cekal intubationstid, red-out-procent och det AI-baserade red-out-undantagspoäng. Baserat på studiens implementeringsprotokoll kommer ett beslut att fattas om huruvida realtidsfeedback ska tillhandahållas. Dessutom kommer förekomsten av eventuella komplikationer att bedömas både under och efter kolonoskopiproceduren.

Studieöversikt

Status

Har inte rekryterat ännu

Intervention / Behandling

Studietyp

Interventionell

Inskrivning (Beräknad)

576

Fas

  • Inte tillämpbar

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

Nej

Beskrivning

Inklusionskriterier:

  1. Studiedeltagare (Patienter):

    Ålder 18 till 70 år, vilket kön som helst. Individer schemalagda för diagnostisk eller screeningskoloskopi på undersökningsplatsen.

  2. Koloskopister:

Koloskopister på expertnivå (som har utfört totalt >1000 koloskopiprocedurer).

Högerhänta.

Exklusionskriterier:

  1. Studiedeltagare (Patienter):

    Individer som genomgår följande procedurer:

    fall med tidigare kolorektal kirurgi; fall med tidigare kemoterapi, strålbehandling; fall med tidigare buk- och/eller bäckenkirurgi; fall med tidigare svåra koloskopier; fall med kolorektala tumörer och obstruktiva läson; fall med kolorektala divertiklar; fall med ulcerös kolit eller Crohns sjukdom; fall med ischemisk tarmsjukdom; fall med kolorektal polypos; fall med melanosis coli; fall som genomgår sigmoidoskopi; fall med dålig tarmrengöring (segment Boston bowel preparation scale (BBPS) på < 2 poäng, total BBPS på < 6 poäng); fall som genomgår terapiprocedurer som biopsi eller CSP under intubationsfasen; fall med transparent kapselassisterad koloskopi; fall med vattenassisterad koloskopi; fall med luftinsuffleringsnivå M eller L; fall där cekalintubation misslyckats inom 15 min; fall med koloskopstyvhetsnivå > 0; fall med fetma eller undervikt; och fall som vägrar deltagande.

    Individer som vägrar att ge informerat samtycke.

  2. Koloskopister:

De som har utfört färre än 300 fullständiga koloskopier under något kalenderår under de senaste tre åren.

De som vägrar att delta i studien.

Studieplan

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

Hur är studien utformad?

Designdetaljer

  • Primärt syfte: Förebyggande
  • Tilldelning: Randomiserad
  • Interventionsmodell: Parallellt uppdrag
  • Maskning: Ingen (Open Label)

Vapen och interventioner

Deltagargrupp / Arm
Intervention / Behandling
Sham Comparator: Grupp A
Under koloskopiintubation används AI-systemet för att beräkna och analysera "cækal intubationstid", "red-out-procent" och "AI-baserad red-out- undvikandepoäng" i realtid; dessa resultat tillhandahålls dock inte som feedback till den opererande koloskopisten.
AI-systemets prestandafeedback i grupp B, grupp C och grupp D.
Experimentell: Grupp B
Under koloskopiintubation används AI-systemet för att beräkna och analysera "caecumintubationstid", "red-out-procent" och "AI-baserad red-out-undvikandepoäng" i realtid, där endast caecumintubationstiden ges som återkoppling till operatören, medan red-out-procenten och den AI-baserade red-out-undvikandepoängen hålls tillbaka.
AI-systemets prestandafeedback i grupp B, grupp C och grupp D.
Experimentell: Grupp C
Under koloskopintubation används AI-systemet för att beräkna och analysera "caecal intubation time," "red-out percentage" och "AI-based red-out avoiding score" i realtid, där endast red-out percentage ges som feedback till operatören, medan caecal intubation time och AI-based red-out avoiding score hålls tillbaka.
AI-systemets prestandafeedback i grupp B, grupp C och grupp D.
Experimentell: Grupp D
Under koloskopiintubation används AI-systemet för att beräkna och analysera "cæcalintubationstid", "rödförsvinnande procent" och "AI-baserad rödförsvinnande undvikandepoäng" i realtid, med alla tre resultat som återkoppling till den opererande koloskopisten.
AI-systemets prestandafeedback i grupp B, grupp C och grupp D.

Vad mäter studien?

Primära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Red-out-procentandel
Tidsram: Fas 3 (planerad att börja om 3–6 månader)
Effekten av realtidsfeedback på röd-ut procentandel.
Fas 3 (planerad att börja om 3–6 månader)
Cækumintubationstid
Tidsram: Stage 3 (planeras börja inom 3-6 månader)
Effekten av realtidsfeedback på cekumintubationstid.
Stage 3 (planeras börja inom 3-6 månader)
AI-baserad poäng för att undvika rödförlust
Tidsram: Steg 3 (planeras att påbörjas om 3–6 månader)
Effekten av realtidsfeedback på AI-baserat poängsystem för att undvika rödmarkeringar.
Steg 3 (planeras att påbörjas om 3–6 månader)

Sekundära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Komplikationer
Tidsram: Steg 3 (planeras börja om 3-6 månader)
Under och efter koloskopin, utvärdera om det finns tecken på komplikationer
Steg 3 (planeras börja om 3-6 månader)

Samarbetspartners och utredare

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

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)

10 december 2025

Primärt slutförande (Beräknad)

31 augusti 2027

Avslutad studie (Beräknad)

20 april 2028

Studieregistreringsdatum

Först inskickad

27 november 2025

Först inskickad som uppfyllde QC-kriterierna

27 november 2025

Första postat (Faktisk)

10 december 2025

Uppdateringar av studier

Senaste uppdatering publicerad (Faktisk)

10 december 2025

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

27 november 2025

Senast verifierad

1 oktober 2025

Mer information

Termer relaterade till denna studie

Andra studie-ID-nummer

  • AHMU-Feedback of Red-out

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 .

Prenumerera