- ICH GCP
- Amerikanska kliniska prövningsregistret
- Klinisk prövning NCT07305324
Förbättra diagnos av leverskleros i primärvården med FibroX AI
Validering av ett AI-verktyg för att förbättra MASLD-avancerad leversjukdomsdiagnostik i primärvården: En providerskorsningsrandomiserad kontrollerad pilotstudie
Syftet med denna kliniska studie är att ta reda på om ett artificiellt intelligens-verktyg (AI) som kallas FibroX kan hjälpa primärvårdsleverantörer att bättre diagnostisera signifikant leverskleros (≥F2) och kliniskt signifikant portal hypertension hos vuxna med metabol dysfunktion-associerad steatotisk leversjukdom (MASLD).
De huvudsakliga frågorna den syftar att besvara är:
- Kan FibroX förbättra noggrannheten i diagnostisering av signifikant leverskleros (≥F2) och kliniskt signifikant portal hypertension jämfört med vanlig vård?
- Är FibroX lätt att använda och acceptabelt för primärvårdsleverantörer i simulerade kliniska miljöer?
- Litar leverantörerna på FibroX som ett beslutsstödsverktyg?
Forskarna kommer att jämföra FibroX-assisterad vård med vanlig vård för att se om FibroX förbättrar diagnostisk noggrannhet, leverantörernas förtroende och stödjer bättre beslutsfattande.
Deltagarna kommer att:
- Vara primärvårdsleverantörer (läkare, osteopater, sjuksköterskor med specialistsjuksköterskeexamen, läkarassistenter) från olika kliniker
- Granska simulerade patientfall med MASLD-riskfaktorer
- Använda antingen vanliga vårdverktyg (standardlaboratorieprov och valfri FIB-4-kalkylator) eller FibroX (AI-genererat riskpoäng, triageband och förklaringspanel)
- Fatta diagnostiska och remissbeslut för varje fall
- Fylla i enkäter om användbarhet, förtroende för AI, självförtroende och kognitiv arbetsbelastning
Denna studie kommer att hjälpa till att avgöra om FibroX kan integreras i verkliga primärvårdsarbetsflöden för att stödja tidigare och mer exakt upptäckt av leverskleros och portal hypertension, vilket potentiellt kan minska missade diagnoser, onödiga remisser och förbättra patientutfall.
Studieöversikt
Status
Betingelser
Intervention / Behandling
Detaljerad beskrivning
Denna studie är en 12-månaders pilotstudie utformad för att utvärdera genomförbarheten, användbarheten, förtroendet bland vårdgivare och den preliminära effektiviteten av FibroX, ett förklarbart AI-verktyg utvecklat för att förbättra diagnostiken av betydande leverfibros (≥F2) och kliniskt signifikant portalt hypertension hos vuxna med metabol dysfunktion-associerad steatotisk leversjukdom (MASLD). MASLD är en vanlig och progressiv leversjukdom som kan leda till cirros, leversvikt och ökad kardiovaskulär risk. Tidig upptäckt av dessa tillstånd är avgörande eftersom nuvarande riktlinjer rekommenderar att inleda behandling (t.ex. resmetirom eller semaglutid för ≥F2-fibros och betablockerare för portalt hypertension). Befintliga verktyg som FIB-4 saknar dock ofta noggrannhet och användbarhet i rutinmässig primärvård.
FibroX adresserar dessa begränsningar genom att använda rutinmässigt tillgängliga kliniska data – såsom ålder, leverenzymer, trombocytantal, BMI och njurfunktion – för att uppskatta sannolikheten för betydande fibros och portalt hypertension. Det ger ett triageband (uteslut, obestämd, inkludera) och en enradsförklaring av vilka kliniska faktorer som mest påverkade förutsägelsen. Denna transparens uppnås genom att använda Shapley Additive Explanations (SHAP), vilket hjälper kliniker att förstå hur AI:n nådde sitt slutsats.
I retrospektiva studier uppvisade FibroX överlägsen diagnostisk prestanda jämfört med FIB-4 (AUROC 0,97 vs. 0,62) och var associerad med långsiktig mortalitetsrisk, vilket tyder på prognostiskt värde utöver diagnostisk nytta.
Denna pilotstudie kommer att simulera verklighetsbaserade primärvårdsarbetsflöden för att testa om FibroX effektivt kan användas av kliniker. Studien kommer att rekrytera 30–40 primärvårdskliniker (läkare, osteopater, sjuksköterskor med specialistkompetens, läkarassistenter) från 4–6 olika kliniker. Varje vårdgivare kommer att delta i två simuleringsperioder, var och en involverande 16 syntetiska eller avidentifierade patientfall som reflekterar vuxna med MASLD-riskfaktorer. Grundsanningen för fibrosstadium och portalt hypertension kommer att fastställas genom biopsi eller expertenighet med Vibration-Controlled Transient Elastography (VCTE) och riktlinjebaserade kriterier.
Vårdgivare kommer att slumpmässigt tilldelas för att granska fall i en av två sekvenser:
- FibroX-aktiverad vård: Vårdgivare kommer att få FibroX:s riskprobabilitet, triageband och förklaringspanel.
- Sedvanlig vård: Vårdgivare kommer att använda standardlaboratorier och vitalparametrar, med valfri tillgång till FIB-4-kalkylatorn.
Efter en veckas utvaskningsperiod kommer vårdgivare att byta till det andra tillståndet. För varje fall kommer vårdgivare att fatta ett hanteringsbeslut (t.ex. ingen åtgärd, beställ VCTE, remittera till hepatologi), registrera sin konfidensnivå och fylla i enkäter om användbarhet, förtroende för AI och kognitiv arbetsbelastning.
Primära utfall
- Genomförbarhet: Rekryteringsgrad ≥70 %, genomförandegrad ≥85 %, medianbeslutstid ≥3,5 minuter.
- Användbarhet och acceptans: System Usability Scale (SUS)-poäng ≥70.
- Förtroende bland vårdgivare: AI-Trust Scale-poäng ≥6.
- Effektivitet: Diagnostisk noggrannhet inom vårdgivare för betydande fibros (≥F2) och kliniskt signifikant portalt hypertension.
Sekundära utfall
- Lämpliga remissfrekvenser
- Nettoomklassificeringsförbättring (NRI)
- Kalibreringsmått (intercept, lutning)
- Vårdgivarkonfidens och kognitiv belastning (NASA-TLX)
- Avsedd efterföljande testbelastning
- Användning och trohet mot triagerekommendationer
- Åsidosättningsfrekvenser och orsaker
- Rättviseanalys över undergrupper (ålder, kön, BMI, ras/etnicitet)
Alla vårdgivaråtgärder och besluttider kommer automatiskt att loggas. Efterperiodsenkäter och kvalitativa utvärderingssamtal kommer att utforska hinder och underlättare för att använda FibroX.
Studiens betydelse Denna pilotstudie kommer att generera kritiska data för att stödja en framtida multicenterstudie och potentiell integration av FibroX i elektroniska journaler. Om framgångsrik skulle FibroX kunna möjliggöra skalbar, riktlinjeöverensstämmande screening för betydande leverfibros och portalt hypertension i primärvården, vilket minskar missade diagnoser och onödiga remisser. Detta överensstämmer med nationella prioriteringar för precisionsmedicin och ansvarsfull AI-implementering i hälso- och sjukvården.
Studietyp
Inskrivning (Beräknad)
Fas
- Inte tillämpbar
Kontakter och platser
Studiekontakt
- Namn: Basile Njei, MD, MPH, PhD, FRCP
- Telefonnummer: 475-227-5537
- E-post: basile.njei@yale.edu
Studera Kontakt Backup
- Namn: Ulrick S Kanmounye, MD, MPH, MSc
- Telefonnummer: 5705404973
- E-post: ulricksidney@gmail.com
Deltagandekriterier
Urvalskriterier
Åldrar som är berättigade till studier
- Vuxen
- Äldre vuxen
Tar emot friska volontärer
Beskrivning
Inklusionskriterier:
- Legitimerade primärvårdssjukvårdspersonal (MD, DO, NP eller PA)
- Aktuellt verksam inom vuxenprimärvård (≥0,5 heltidsekvivalent)
- Ansluten till en av de deltagande klinikerna (akademisk, kommunal eller Federalt kvalificerad hälsocentral)
- Villig och kapabel att delta i simulerade elektroniska journalbaserade (EHR) fallgranskningar
- Kapabel att ge informerat samtycke
Exklusionskriterier:
- Sjukvårdspersonal som inte aktivt arbetar inom vuxenprimärvård
- Sjukvårdspersonal med mindre än 0,5 heltidsekvivalent i klinisk verksamhet
- Tidigare deltagande i utveckling eller validering av FibroX-verktyget
- Oförmåga att slutföra båda simuleringsperioderna på grund av schemaläggning eller andra begränsningar
Studieplan
Hur är studien utformad?
Designdetaljer
- Primärt syfte: Diagnostisk
- Tilldelning: Randomiserad
- Interventionsmodell: Crossover tilldelning
- Maskning: Ingen (Open Label)
Vapen och interventioner
Deltagargrupp / Arm |
Intervention / Behandling |
|---|---|
|
Experimentell: FibroX-Aktiverad Vård
I denna arm använder primärvårdspersonal FibroX, ett AI-drivet kliniskt beslutsstöd, för att utvärdera simulerade patientfall för signifikant leverskleros (≥F2) och kliniskt signifikant portal hypertoni.
FibroX visar en riskprobabilitets-poäng, en triageband (rule-out, obestämd, rule-in) och en enradig förklaringspanel som visar vilka kliniska faktorer som mest påverkade prediktionen.
Personal använder denna information för att fatta diagnostiska och remissbeslut (t.ex. beställa VCTE, remittera till hepatologi, inleda riktlinjebaserad terapi).
Varje personalmedlem granskar 16 fall under denna interventionsperiod.
Målet är att utvärdera FibroX:s inverkan på diagnostisk noggrannhet, personalens tillit, användbarhet och arbetsflödeseffektivitet jämfört med vanlig vård.
|
FibroX är ett förklarbart artificiellt intelligensverktyg (AI) utformat för att hjälpa primärvårdspersonal att diagnostisera signifikant leverfibros (≥F2) och kliniskt signifikant portal hypertension hos patienter med metabol dysfunktion-associerad steatos lever (MASLD).
Verktyget använder rutinmässigt tillgängliga kliniska data (t.ex. ålder, AST, ALT, trombocyter, BMI, HbA1c, kreatinin) för att generera ett riskprobabilitetspoäng, en triageband (uteslutning, obestämd, inkludering) och en enradig förklaringspanel med Shapley Additive Explanations (SHAP).
Vårdpersonal använder FibroX under simulerade patientmöten för att vägleda diagnostiska och remissbeslut (t.ex. beställ VCTE, remittera till hepatologi, inleda riktlinjebaserad terapi).
Verktyget syftar till att förbättra diagnostisk noggrannhet, öka vårdpersonalens förtroende, minska missade diagnoser och stödja riktlinjeförenlig triage i primärvården.
|
|
Aktiv komparator: Sedvanlig vård
I denna arm utvärderar primärvårdspersonal simulerade patientfall med standardkliniska verktyg som finns tillgängliga i rutinmässig praktik.
Dessa inkluderar laboratorieresultat, vitalparametrar, problemlistor, läkemedel och tidigare bilddiagnostik.
Personal kan eventuellt använda FIB-4-kalkylatorn för att uppskatta risken för leverfibros.
Varje personalmedlem granskar 16 fall under denna period.
Inget AI-beslutsstöd tillhandahålls.
Denna arm fungerar som jämförelse för att utvärdera om FibroX förbättrar diagnostisk noggrannhet för signifikant leverfibros (≥F2) och kliniskt signifikant portalt hypertension, samt personalens tillit, användbarhet och arbetsflödeseffektivitet jämfört med vanlig vård.
|
I det vanliga vårdtillståndet utvärderar primärvårdspersonal simulerade patientfall med hjälp av standardkliniska verktyg som finns tillgängliga i rutinpraxis.
Dessa inkluderar laboratorieresultat, vitala tecken, problemlistor, läkemedel och tidigare bildtagning.
Personal kan valfritt använda FIB-4-kalkylatorn för att uppskatta risken för leverskleros.
Inget AI-beslutsstöd tillhandahålls.
Denna intervention fungerar som jämförelse för att utvärdera om FibroX förbättrar diagnostisk noggrannhet för signifikant leverskleros (≥F2) och kliniskt signifikant portalt hypertension, samt personalens förtroende, beslutsfattandets kvalitet och arbetsflödeseffektivitet jämfört med vanlig vård.
|
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Diagnostisk noggrannhet för signifikant leverskleros (≥F2) och kliniskt signifikant portalhypertension med FibroX jämfört med vanlig vård
Tidsram: Omedelbart efter varje simuleringsperiod, upp till 24 veckor
|
Diagnostisk noggrannhet inom vårdgivare för att upptäcka signifikant leverskleros (≥F2) och kliniskt signifikant portaltryckshöjning i simulerade primärvårdsmöten. Noggrannheten kommer att bedömas med hjälp av sensitivitet, specificitet och AUROC vid kliniskt relevanta tröskelvärden. Sanningen för fibrosstadium och portaltryckshöjning kommer att härledas från biopsi, expertkonsensus baserad på vibrationstyrd övergående elastografi (VCTE) och riktlinjedefinierade kriterier. Måttenhet: Andel (sensitivitet och specificitet i %, AUROC som dimensionslöst värde) |
Omedelbart efter varje simuleringsperiod, upp till 24 veckor
|
|
System Usability Scale (SUS) Poäng för FibroX Integration
Tidsram: Omedelbart efter varje simuleringsperiod, upp till 24 veckor
|
Användbarheten för FibroX utvärderades med hjälp av System Usability Scale (SUS), ett validerat frågeformulär med 10 punkter som poängsätts från 0 till 100, där högre poäng indikerar bättre användbarhet. Måttenhet: Poäng (intervall: 0-100; högre poäng = bättre användbarhet) |
Omedelbart efter varje simuleringsperiod, upp till 24 veckor
|
|
Tillitsnivå för leverantörer till AI-verktyget (FibroX)
Tidsram: Omedelbart efter den FibroX-aktiverade simuleringsperioden, upp till 24 veckor
|
Tillit från leverantör till FibroX bedömdes med den validerade AI-Trust-skalan, som innehåller 12 punkter poängsatta på en Likert-skala. Högre poäng indikerar större tillit till AI-verktyget. Måttenhet: Poäng (omfång: 12–60; högre poäng = större tillit) |
Omedelbart efter den FibroX-aktiverade simuleringsperioden, upp till 24 veckor
|
|
Median besluts tid per fall
Tidsram: Omedelbart efter varje simuleringsperiod, upp till 24 veckor
|
Median tid (i minuter) som det tog för vårdgivare att fatta behandlingsbeslut för simulerade MASLD-fall med FibroX jämfört med vanlig vård. Måttenhet: Minuter |
Omedelbart efter varje simuleringsperiod, upp till 24 veckor
|
Sekundära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Lämplig remitteringsgrad
Tidsram: Omedelbart efter varje simuleringsperiod, upp till 24 veckor
|
Andel av simulerade fall där vårdgivarens remissbeslut (t.ex. hepatologirem, VCTE-beställning) överensstämmer med riktlinjekonformt triageringsregler för MASLD-riskstratifiering. Måttenhet: Andel (%) |
Omedelbart efter varje simuleringsperiod, upp till 24 veckor
|
|
Nettoomklassificeringsförbättring (NRI)
Tidsram: Omedelbart efter varje simuleringsperiod, upp till 24 veckor
|
Förändring i klassificeringsnoggrannhet för MASLD-riskkategorier (uteslutning, obestämd, inkludering) vid användning av FibroX jämfört med vanlig vård. Måttenhet: NRI-poäng (enhetslös) |
Omedelbart efter varje simuleringsperiod, upp till 24 veckor
|
|
Kalibrering av riskförutsägelser
Tidsram: Omedelbart efter varje simuleringsperiod, upp till 24 veckor
|
Kalibrering av FibroX-prognoser jämfört med observerade utfall, bedömd med hjälp av kalibreringsintercept, lutning och kalibreringsdiagram. Mätenhet: Intercept och lutning (enhetslösa) |
Omedelbart efter varje simuleringsperiod, upp till 24 veckor
|
|
Tillförsikt hos vårdgivare i beslutsfattande
Tidsram: Omedelbart efter varje simuleringsperiod, upp till 24 veckor
|
Leverantörsrapporterat förtroende för beslut om MASLD-hantering under simulerade fall, mätt på en 5-gradig Likert-skala (1 = mycket lågt förtroende; 5 = mycket högt förtroende). Måttenhet: Poäng (omfång: 1-5; högre poäng = större förtroende) |
Omedelbart efter varje simuleringsperiod, upp till 24 veckor
|
|
Kognitiv Belastning Under Fallgranskning
Tidsram: Direkt efter varje simuleringsperiod, upp till 24 veckor
|
Den kognitiva arbetsbelastningen för vårdgivare bedömdes med hjälp av NASA Task Load Index (NASA-TLX), som ger en total arbetsbelastningspoäng från 0 till 100 över sex dimensioner. Måttenhet: Poäng (intervall: 0-100; högre poäng = större arbetsbelastning) |
Direkt efter varje simuleringsperiod, upp till 24 veckor
|
|
Beräknad nedströms testbörda
Tidsram: Omedelbart efter varje simuleringsperiod, upp till 24 veckor
|
Antal och typ av ytterligare tester eller remisser (t.ex. VCTE, hepatologkonsult) som vårdgivare avser att beställa efter varje simulerat fall. Måttenhet: Antal (antal tester/remisser per fall) |
Omedelbart efter varje simuleringsperiod, upp till 24 veckor
|
|
Införande och följsamhet till triageringsrekommendationer
Tidsram: Omedelbart efter varje simuleringsperiod, upp till 24 veckor
|
Andel fall där vårdgivare följer FibroX-triage-rekommendationer (t.ex. uteslutning, obestämd, bekräfta) utan att åsidosätta. Måttenhet: Andel (%) |
Omedelbart efter varje simuleringsperiod, upp till 24 veckor
|
|
Överstyrningsfrekvens och Orsaker
Tidsram: Omedelbart efter varje simuleringsperiod, upp till 24 veckor
|
Andel fall där vårdgivare åsidosätter FibroX-rekommendationer och de dokumenterade orsakerna till åsidosättandet. Måttenhet: Andel (%) |
Omedelbart efter varje simuleringsperiod, upp till 24 veckor
|
|
Rättviseanalys över undergrupper
Tidsram: Omedelbart efter varje simuleringsperiod, upp till 24 veckor
|
Prestanda för FibroX (känslighet, specificitet, kalibrering) över demografiska undergrupper (ålder, kön, BMI, ras/etnicitet). Måttenhet: Andel (%) och AUROC (enhetslös) |
Omedelbart efter varje simuleringsperiod, upp till 24 veckor
|
Samarbetspartners och utredare
Sponsor
Publikationer och användbara länkar
Allmänna publikationer
- Wong VW, Vergniol J, Wong GL, Foucher J, Chan HL, Le Bail B, Choi PC, Kowo M, Chan AW, Merrouche W, Sung JJ, de Ledinghen V. Diagnosis of fibrosis and cirrhosis using liver stiffness measurement in nonalcoholic fatty liver disease. Hepatology. 2010 Feb;51(2):454-62. doi: 10.1002/hep.23312.
- Njei, B., et al., FIBROX: an explainable AI model for accurate prediction of advanced liver fibrosis and cardiovascular mortality in MASLD. Gastroenterology, 2024. 169(1): p. S-131-S-132.
- Njei B, Osta E, Njei N, Al-Ajlouni YA, Lim JK. An explainable machine learning model for prediction of high-risk nonalcoholic steatohepatitis. Sci Rep. 2024 Apr 13;14(1):8589. doi: 10.1038/s41598-024-59183-4.
- Ratziu V, Charlotte F, Heurtier A, Gombert S, Giral P, Bruckert E, Grimaldi A, Capron F, Poynard T; LIDO Study Group. Sampling variability of liver biopsy in nonalcoholic fatty liver disease. Gastroenterology. 2005 Jun;128(7):1898-906. doi: 10.1053/j.gastro.2005.03.084.
- Decharatanachart P, Chaiteerakij R, Tiyarattanachai T, Treeprasertsuk S. Application of artificial intelligence in non-alcoholic fatty liver disease and liver fibrosis: a systematic review and meta-analysis. Therap Adv Gastroenterol. 2021 Dec 21;14:17562848211062807. doi: 10.1177/17562848211062807. eCollection 2021.
- Meng F, Zheng Y, Zhang Q, Mu X, Xu X, Zhang H, Ding L. Noninvasive evaluation of liver fibrosis using real-time tissue elastography and transient elastography (FibroScan). J Ultrasound Med. 2015 Mar;34(3):403-10. doi: 10.7863/ultra.34.3.403.
- Boursier J, de Ledinghen V, Zarski JP, Fouchard-Hubert I, Gallois Y, Oberti F, Cales P; multicentric groups from SNIFF 32, VINDIAG 7, and ANRS/HC/EP23 FIBROSTAR studies. Comparison of eight diagnostic algorithms for liver fibrosis in hepatitis C: new algorithms are more precise and entirely noninvasive. Hepatology. 2012 Jan;55(1):58-67. doi: 10.1002/hep.24654.
- Yoon JH, Lee JM, Joo I, Lee ES, Sohn JY, Jang SK, Lee KB, Han JK, Choi BI. Hepatic fibrosis: prospective comparison of MR elastography and US shear-wave elastography for evaluation. Radiology. 2014 Dec;273(3):772-82. doi: 10.1148/radiol.14132000. Epub 2014 Jul 7.
- Mondal A, Debnath A, Dhandapani G, Sharma A, Lukhmana S, Yadav G. Prevalence of High and Moderate Risk of Liver Fibrosis Among Patients With Diabetes at a Noncommunicable Diseases (NCD) Clinic in a Primary Healthcare Center in Northern India. Cureus. 2023 Nov 23;15(11):e49286. doi: 10.7759/cureus.49286. eCollection 2023 Nov.
- Estes C, Anstee QM, Arias-Loste MT, Bantel H, Bellentani S, Caballeria J, Colombo M, Craxi A, Crespo J, Day CP, Eguchi Y, Geier A, Kondili LA, Kroy DC, Lazarus JV, Loomba R, Manns MP, Marchesini G, Nakajima A, Negro F, Petta S, Ratziu V, Romero-Gomez M, Sanyal A, Schattenberg JM, Tacke F, Tanaka J, Trautwein C, Wei L, Zeuzem S, Razavi H. Modeling NAFLD disease burden in China, France, Germany, Italy, Japan, Spain, United Kingdom, and United States for the period 2016-2030. J Hepatol. 2018 Oct;69(4):896-904. doi: 10.1016/j.jhep.2018.05.036. Epub 2018 Jun 8.
- Targher G, Byrne CD, Tilg H. MASLD: a systemic metabolic disorder with cardiovascular and malignant complications. Gut. 2024 Mar 7;73(4):691-702. doi: 10.1136/gutjnl-2023-330595.
- Maher S, Rajapakse J, El-Omar E, Zekry A. Role of the Gut Microbiome in Metabolic Dysfunction-Associated Steatotic Liver Disease. Semin Liver Dis. 2024 Nov;44(4):457-473. doi: 10.1055/a-2438-4383. Epub 2024 Oct 10.
- Younossi ZM, Mangla KK, Berentzen TL, Grau K, Kjaer MS, Ladelund S, Nitze LM, Coolbaugh C, Hsu CY, Hagstrom H. Liver histology is associated with long-term clinical outcomes in patients with metabolic dysfunction-associated steatohepatitis. Hepatol Commun. 2024 May 10;8(6):e0423. doi: 10.1097/HC9.0000000000000423. eCollection 2024 Jun 1.
Användbara länkar
Studieavstämningsdatum
Studera stora datum
Studiestart (Beräknad)
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
Nyckelord
Ytterligare relevanta MeSH-villkor
Andra studie-ID-nummer
- 2000027433
Plan för individuella deltagardata (IPD)
Planerar du att dela individuella deltagardata (IPD)?
IPD-planbeskrivning
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 .