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

Klinisk validering av ett artificiell intelligensbaserat poängsystem för Modified Rankin Scale (mRS) hos patienter med stroke

15 april 2026 uppdaterad av: qingfeng ma, Xuanwu Hospital, Beijing

Klinisk validering av ett AI-baserat poängsystem för den modifierade Rankin-skalan (mRS) hos patienter med stroke

Denna studie syftar till att validera den kliniska prestandan hos ett artificiell intelligens (AI)-baserat automatisk poängsystem för Modified Rankin Scale (mRS). Kärnjämförelsen är överensstämmelsen och noggrannheten mellan de AI-genererade poängen och standardiserade manuella mRS-uppföljningsbedömningar utförda av utbildade professionella. Målet är att tillhandahålla ett bekvämt, effektivt och objektivt verktyg för stroke-prognosbedömning, minska den subjektiva variationen i manuell poängsättning och optimera arbetsflödet för stroke-uppföljning.

Studieöversikt

Status

Har inte rekryterat ännu

Betingelser

Detaljerad beskrivning

Detta är en prospektiv, multicenter, observationsstudie utformad för att validera den diagnostiska prestandan hos ett AI-baserat automatiskt poängsättningssystem för Modified Rankin Scale (mRS) hos patienter med stroke. Det primära målet är att utvärdera överensstämmelsen mellan AI-genererade mRS-poäng och standardiserade manuella bedömningar utförda av utbildade kliniker. Sekundära effektmått inkluderar systemets känslighet, specificitet och area under receiver operating characteristic-kurvan (AUC) för klassificering av funktionella utfall.

Studietyp

Observationell

Inskrivning (Beräknad)

490

Kontakter och platser

Det här avsnittet innehåller kontaktuppgifter för dem som genomför studien och information om var denna studie genomförs.

Studiekontakt

Studera Kontakt Backup

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

Testmetod

Icke-sannolikhetsprov

Studera befolkning

På varandra följande strokepatienter från flera centra som är ≥18 år gamla, med bekräftad stroke, och som kan genomföra uppföljningen efter 1 vecka kommer att inkluderas. Patienter med svåra icke-stroke neurologiska sjukdomar, oförmåga att kommunicera eller som förloras till uppföljning kommer att exkluderas.

Beskrivning

Inklusionskriterier:<\/p>

  1. Ålder ≥ 18 år, man eller kvinna.<\/li>
  2. Kliniskt diagnosticerad med stroke, och bekräftad genom kraniell CT\/MRI ha stroke.<\/li>
  3. Kliniskt stabil, med grundläggande kommunikationsförmåga vid utskrivning eller polikliniskt besök. Patienten eller en fast familjevårdare kan samarbeta med telefonuppföljning 1 vecka efter utskrivning eller polikliniskt besök.<\/li>
  4. Undertecknat informerat samtycke av patienten eller deras lagligen befullmäktigade ombud.<\/li><\/ol>

    Exklusionskriterier:<\/p>

    1. Neurologiska brister orsakade av icke-stroke etiologier (t.ex. hjärntumör, traumatisk hjärnskada, encefalit).<\/li>
    2. Närvaro av svår medvetandestörning, svår kognitiv nedsättning, psykiska störningar eller global afasi vid utskrivning\/polikliniskt besök, vilket hindrar effektiv kommunikation; varken patient eller familj kan samarbeta med uppföljning eller bedömning.<\/li>
    3. Kombinerad med svår multiorgansvikt (t.ex. hjärt-, lever-, njur-, respiratorisk), med förväntad överlevnad mindre än 1 månad, vilket omöjliggör slutförande av 1-veckors uppföljning.<\/li>
    4. Långvarigt sängliggande utan fast vårdgivare, med ingen bekräftad kontakt för uppföljning, eller vägran att delta i telefonuppföljning och mRS-bedömning.<\/li>
    5. Ofullständiga kliniska data, vilket förhindrar insamling av baslinjedata.<\/li><\/ol>

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
AI-första intervjugruppen
Deltagarna får först telefonbedömning av AI, följt av telefonbedömning av mänskliga bedömare.
Människo-först-grupp
Deltagarna först en telefonbedömning av mänskliga bedömare, följt av telefonbedömning av AI.

Vad mäter studien?

Primära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Överensstämmelse Mellan Artificiell Intelligens (AI)-Baserade och Manuella Modifierade Rankin-skalan (mRS) Bedömningar
Tidsram: 7 dagar efter utskrivning eller efter öppenvårdsbesök, ± 2 dagar
Den viktade kappakoefficienten kvantifierar överensstämmelsen mellan de artificiella intelligens (AI)-genererade Modified Rankin Scale (mRS)-poängen och de standardiserade manuella mRS-bedömningarna som utförs av utbildade kliniker
7 dagar efter utskrivning eller efter öppenvårdsbesök, ± 2 dagar

Sekundära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Överensstämmelse mellan AI-baserade och manuella bedömningar av dikotomiserad modifierad Rankin-skala (mRS)
Tidsram: 7 dagar efter utskrivning eller efter polikliniskt besök, ± 2 dagar
Den enkla kappa-koefficienten kvantifierar överensstämmelsenivån mellan den artificiella intelligens (AI)-genererade dikotomiserade modifierade Rankin-skalan (mRS)-poängen (0-2 vs. 3-6) och de standardiserade manuella mRS-bedömningarna utförda av utbildade kliniker
7 dagar efter utskrivning eller efter polikliniskt besök, ± 2 dagar
Bland-Altman Limits of Agreement mellan AI och manuell modifierad Rankin-skala (mRS) poäng
Tidsram: 7 dagar efter utskrivning eller efter polikliniskt besök, ± 2 dagar
Bland-Altman-analysen av överensstämmelsegränser utvärderar konsistensen mellan artificiell intelligens (AI)-genererade och manuellt bedömda poäng på Modified Rankin Scale (mRS). Skillnaden mellan manuella och AI-poäng kommer att plottas på y-axeln mot deras medelvärde på x-axeln, med överensstämmelsegränser (medelskillnad ± 1,96 × standardavvikelse) beräknade. Analysen syftar till att visuellt bedöma hur överensstämmelsen varierar över intervallet av mRS-poäng och identifiera eventuell proportionell bias, såsom större oenighet hos patienter med svår funktionsnedsättning.
7 dagar efter utskrivning eller efter polikliniskt besök, ± 2 dagar
Diagnostisk prestanda av AI-baserad vs. manuell modifierad Rankin-skala (mRS) dikotomisering
Tidsram: 7 dagar efter utskrivning eller efter öppenvårdsbesök, ± 2 dagar
Analys av diagnostisk prestanda utvärderar förmågan hos det artificiell intelligens (AI)-baserade Modified Rankin Scale (mRS)-poängsystemet att klassificera funktionella utfall, med manuell bedömning som referensstandard. En 2×2-kontingenstabell kommer att konstrueras för de dikotomiserade mRS-kategorierna (gott utfall: 0-2 vs. dåligt utfall: 3-6). Analysen kommer att beräkna sensitivitet, specificitet, positivt prediktivt värde, negativt prediktivt värde, noggrannhet och Youdens index. En mottagarkarakteristisk (ROC)-kurva kommer att plottas, och arean under kurvan (AUC) kommer att beräknas.
7 dagar efter utskrivning eller efter öppenvårdsbesök, ± 2 dagar

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 april 2026

Primärt slutförande (Beräknad)

31 december 2028

Avslutad studie (Beräknad)

31 december 2028

Studieregistreringsdatum

Först inskickad

8 april 2026

Först inskickad som uppfyllde QC-kriterierna

15 april 2026

Första postat (Faktisk)

22 april 2026

Uppdateringar av studier

Senaste uppdatering publicerad (Faktisk)

22 april 2026

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

15 april 2026

Senast verifierad

1 april 2026

Mer information

Termer relaterade till denna studie

Plan för individuella deltagardata (IPD)

Planerar du att dela individuella deltagardata (IPD)?

NEJ

IPD-planbeskrivning

På grund av skydd av deltagarnas integritet och krav från institutionella granskningsnämnder kommer individuella deltagardata (IPD) inte att delas offentligt.

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