放射科医生诊断性能与人工智能 (AI) (RAVIA)
2022年4月13日 更新者:University Hospital, Montpellier
比较放射科医生诊断性能与人工智能 (AI) 对老年患者髋部骨折怀疑的回顾性研究
在法国,股骨颈骨折主要通过骨盆/髋部 X 射线成像的解释来检测(法国卫生当局建议)。
然而,高达 10% 的骨折未被发现或被误诊,尤其是在急诊科收治的患者中。
事实上,放射科医生可能会承受过多的工作,从而导致 X 光诊断不准确的风险。
人工智能 (AI) 开始研究在医学影像上检测骨折。
在这项回顾性研究中,测试了 GLEAMER 公司开发的这项技术,以评估急诊科收治的老年患者的髋部骨折,特别是股骨颈骨折的检出率,与放射科医生的诊断相比。
AI 可以优化放射科医师的诊断性能(提高置信度)并提高急诊科疑似骨折分类的效率。
研究概览
研究类型
观察性的
注册 (实际的)
1000
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
-
-
-
Montpellier、法国、34295
- Uhmontpellier
-
-
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
60年 及以上 (成人、年长者)
接受健康志愿者
不
有资格学习的性别
全部
取样方法
概率样本
研究人群
60 岁及以上的患者,因轻微外伤后髋关节疼痛/功能性阳萎而入急诊室。
患者至少接受髋关节 X 光检查
描述
纳入标准:
- 60岁及以上的患者
- 轻微外伤
- 因轻微外伤后髋关节疼痛/功能性阳痿入急诊室
- 至少进行髋关节 X 光检查
排除标准:
- 轻微外伤前疼痛
- 重要外伤
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
- 观测模型:仅案例
- 时间观点:追溯
队列和干预
团体/队列 |
干预/治疗 |
|---|---|
|
怀疑髋部骨折
|
髋关节标准放射摄影/CT扫描/MRI
|
研究衡量的是什么?
主要结果指标
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
股骨颈骨折检出率
大体时间:1天
|
股骨颈骨折检出率
|
1天
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
其他髋部骨折检出率
大体时间:1天
|
其他髋部骨折检出率
|
1天
|
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。
调查人员
- 首席研究员:Catherine CYTEVAL, MD.PhD、University Hospital, Montpellier
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 (实际的)
2020年3月1日
初级完成 (实际的)
2021年4月1日
研究完成 (实际的)
2021年10月30日
研究注册日期
首次提交
2020年3月9日
首先提交符合 QC 标准的
2020年3月9日
首次发布 (实际的)
2020年3月11日
研究记录更新
最后更新发布 (实际的)
2022年4月14日
上次提交的符合 QC 标准的更新
2022年4月13日
最后验证
2022年4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.