基于机器学习的 CT 血管造影派生的 FFR:多中心登记 (Machine)
2017年1月3日 更新者:Laurens Groenendijk、Erasmus Medical Center
基于机器学习的 CT 血管造影派生 FFR 多中心注册
在大型多中心人群中展示商业前现场、局部、CT 血管造影衍生的 FFR 算法与侵入性 FFR 算法的诊断性能。
研究概览
详细说明
回顾性评估 FFRCT 在已知或疑似 CAD 患者中的诊断准确性。研究人员建议对软件进行技术评估,并评估不同参数如何影响结果。
通过将 FFRCT 值与回顾性患者数据中的侵入性 FFR 值进行比较来验证 FFTCT 结果。
分析 FFRCT 在决策制定和预后方面的潜力。
研究类型
观察性的
注册 (实际的)
352
联系人和位置
本节提供了进行研究的人员的详细联系信息,以及有关进行该研究的地点的信息。
学习地点
-
-
Zuid Holland
-
Rotterdam、Zuid Holland、荷兰、3015CE
- ErasmusMC
-
-
参与标准
研究人员寻找符合特定描述的人,称为资格标准。这些标准的一些例子是一个人的一般健康状况或先前的治疗。
资格标准
适合学习的年龄
18年 及以上 (成人、OLDER_ADULT)
接受健康志愿者
不
有资格学习的性别
全部
取样方法
非概率样本
研究人群
一般来说,每个中心都使用自己特定的纳入和排除标准。
此处调查人员描述了一般标准,请参阅相关出版物以获取详细说明。 1-4
描述
纳入标准:
- 知道或怀疑冠状动脉疾病,随后在 6 个月内进行有创 FFR 测量。
排除标准:
- 冠状动脉 CT 血管造影和侵入性 FFR 程序之间的心脏事件、无法解释的冠状动脉 CT 血管造影图像质量或不完整的冠状动脉 CT 血管造影覆盖。
学习计划
本节提供研究计划的详细信息,包括研究的设计方式和研究的衡量标准。
研究是如何设计的?
设计细节
队列和干预
团体/队列 |
---|
主题
患有已知或疑似冠状动脉疾病的患者,他们接受了 CT 血管造影和有创冠状动脉造影,包括有创 FFR 测量。
|
研究衡量的是什么?
主要结果指标
结果测量 |
大体时间 |
---|---|
局部降阶 CFD 和基于机器学习的 CT 血管造影派生的 FFR 的诊断准确性,均针对侵入性 FFR 进行了验证。在血管和患者水平上测量。
大体时间:6个月
|
6个月
|
次要结果测量
结果测量 |
大体时间 |
---|---|
钙对 CT 血管造影衍生 FFR 诊断准确性的影响。
大体时间:6个月
|
6个月
|
CT 血管造影得出的 FFR 的置信区间
大体时间:6个月
|
6个月
|
CT 血管造影衍生的 FFR 和 QCT 狭窄测量之间基于血管的直接比较
大体时间:6个月
|
6个月
|
解剖学轻度狭窄(<50% 管腔直径减少)但功能显着(侵入性 FFR ≤ 0.80)的分析
大体时间:6个月
|
6个月
|
CT 血管造影衍生的 FFR 的长期临床结果
大体时间:12个月
|
12个月
|
合作者和调查者
在这里您可以找到参与这项研究的人员和组织。
合作者
调查人员
- 首席研究员:Koen Nieman, MD PHD、Erasmus Medical Center
出版物和有用的链接
负责输入研究信息的人员自愿提供这些出版物。这些可能与研究有关。
一般刊物
- De Geer J, Sandstedt M, Bjorkholm A, Alfredsson J, Janzon M, Engvall J, Persson A. Software-based on-site estimation of fractional flow reserve using standard coronary CT angiography data. Acta Radiol. 2016 Oct;57(10):1186-92. doi: 10.1177/0284185115622075. Epub 2015 Dec 20.
- Kruk M, Wardziak L, Demkow M, Pleban W, Pregowski J, Dzielinska Z, Witulski M, Witkowski A, Ruzyllo W, Kepka C. Workstation-Based Calculation of CTA-Based FFR for Intermediate Stenosis. JACC Cardiovasc Imaging. 2016 Jun;9(6):690-9. doi: 10.1016/j.jcmg.2015.09.019. Epub 2016 Feb 17.
- Baumann S, Wang R, Schoepf UJ, Steinberg DH, Spearman JV, Bayer RR 2nd, Hamm CW, Renker M. Coronary CT angiography-derived fractional flow reserve correlated with invasive fractional flow reserve measurements--initial experience with a novel physician-driven algorithm. Eur Radiol. 2015 Apr;25(4):1201-7. doi: 10.1007/s00330-014-3482-5. Epub 2014 Nov 18.
- Coenen A, Lubbers MM, Kurata A, Kono A, Dedic A, Chelu RG, Dijkshoorn ML, Gijsen FJ, Ouhlous M, van Geuns RJ, Nieman K. Fractional flow reserve computed from noninvasive CT angiography data: diagnostic performance of an on-site clinician-operated computational fluid dynamics algorithm. Radiology. 2015 Mar;274(3):674-83. doi: 10.1148/radiol.14140992. Epub 2014 Oct 13.
- Yang DH, Kim YH, Roh JH, Kang JW, Ahn JM, Kweon J, Lee JB, Choi SH, Shin ES, Park DW, Kang SJ, Lee SW, Lee CW, Park SW, Park SJ, Lim TH. Diagnostic performance of on-site CT-derived fractional flow reserve versus CT perfusion. Eur Heart J Cardiovasc Imaging. 2017 Apr 1;18(4):432-440. doi: 10.1093/ehjci/jew094.
- Tesche C, Otani K, De Cecco CN, Coenen A, De Geer J, Kruk M, Kim YH, Albrecht MH, Baumann S, Renker M, Bayer RR, Duguay TM, Litwin SE, Varga-Szemes A, Steinberg DH, Yang DH, Kepka C, Persson A, Nieman K, Schoepf UJ. Influence of Coronary Calcium on Diagnostic Performance of Machine Learning CT-FFR: Results From MACHINE Registry. JACC Cardiovasc Imaging. 2020 Mar;13(3):760-770. doi: 10.1016/j.jcmg.2019.06.027. Epub 2019 Aug 14.
研究记录日期
这些日期跟踪向 ClinicalTrials.gov 提交研究记录和摘要结果的进度。研究记录和报告的结果由国家医学图书馆 (NLM) 审查,以确保它们在发布到公共网站之前符合特定的质量控制标准。
研究主要日期
学习开始
2016年4月1日
初级完成 (实际的)
2017年1月1日
研究完成 (实际的)
2017年1月1日
研究注册日期
首次提交
2016年6月15日
首先提交符合 QC 标准的
2016年6月15日
首次发布 (估计)
2016年6月20日
研究记录更新
最后更新发布 (估计)
2017年1月4日
上次提交的符合 QC 标准的更新
2017年1月3日
最后验证
2017年1月1日
更多信息
此信息直接从 clinicaltrials.gov 网站检索,没有任何更改。如果您有任何更改、删除或更新研究详细信息的请求,请联系 register@clinicaltrials.gov. clinicaltrials.gov 上实施更改,我们的网站上也会自动更新.