此页面是自动翻译的,不保证翻译的准确性。请参阅 英文版 对于源文本。

Brugada 综合征和人工智能在诊断中的应用 (BrAID)

2020年11月17日 更新者:Istituto di Fisiologia Clinica CNR
该项目的目标是开发一个基于机器学习和组学技术的集成平台,能够支持医生尽可能准确地诊断 1 型 Brugada 综合征 (BrS)。

研究概览

详细说明

BrAID 项目的目的是将 Brugada 综合征 1 诊断评估的经典临床指南与创新的信息和通信技术以及组学方法相结合,在该疾病的心血管精准医学中产生新的诊断策略。

研究类型

介入性

注册 (预期的)

144

阶段

  • 不适用

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。

学习联系方式

学习地点

    • Tuscany
      • Arezzo、Tuscany、意大利、52100
        • Azienda USL Toscana Sud Est - U.O.C Cardiologia
        • 接触:
      • Firenze、Tuscany、意大利、50134
        • Azienda Ospedaliera Universitaria Careggi - SOD Aritmologia
        • 接触:
      • Pisa、Tuscany、意大利、56100
        • Azienda Ospedaliero Universitaria Pisana - Cardiologia 2
        • 接触:
      • Pisa、Tuscany、意大利、56124
        • Fondazione Toscana Gabriele Monasterio
        • 接触:
      • Pisa、Tuscany、意大利、56124
        • Istituto di Fisiologia Clinica IFC-CNR
        • 接触:
        • 接触:
      • Viareggio、Tuscany、意大利、55049

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

12年 至 63年 (孩子、成人、年长者)

接受健康志愿者

有资格学习的性别

全部

描述

纳入标准:

  • Brugada患者:患有Brugada综合征1的患者自发或由ajmaline试验诱发; Brugada 综合征 1 的非诊断性心电图模式或在高度临床怀疑的情况下为阴性的患者(Brugada 综合征家族史,心脏骤停幸存但无器质性心脏病的患者)
  • 对照患者:频发室性早搏、左右心室功能正常的患者;疑似 Brugada 综合征 1 的患者未通过 ajmaline 测试确诊

排除标准:

  • 器质性心脏病或干扰方案完成的疾病
  • 未签署知情同意书
  • 怀孕
  • 急性冠状动脉疾病,前 3 个月心力衰竭
  • 严重的肾或肝功能衰竭

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

  • 主要用途:诊断
  • 分配:非随机化
  • 介入模型:并行分配
  • 屏蔽:无(打开标签)

武器和干预

参与者组/臂
干预/治疗
实验性的:受 Brugada 综合征 1 影响的患者
患有自发性或药物诱发的 Brugada 综合征 1 的患者
通过机器学习算法进行心电图分析和血液采集,用于可能与疾病相关的标记物的转录组学研究
有源比较器:控件
没有与自发性或药物诱发的 Brugada 综合征 1 相关的病症的患者
通过机器学习算法进行心电图分析和血液采集,用于可能与疾病相关的标记物的转录组学研究

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
Brugada 综合症 1 的机器学习识别
大体时间:第 20 周
根据 12 导联心电图上与 Brugada 综合征 1 相关的诊断模式,在 44 名患者队列(前瞻性研究)中鉴定 Brugada 1 型综合征的 ST 分量(前瞻性研究)并在 100 名患者队列中验证(验证研究)已发表于目前的国际准则
第 20 周
Brugada 综合症 1 的机器学习识别
大体时间:第 20 周
根据 12 导联 ECG 上与 Brugada 综合征 1 相关的诊断模式,在 44 名患者队列(前瞻性研究)中鉴定 Brugada 1 型综合征 QRS 碎裂成分并在 100 名患者队列中验证(验证研究)已发表于目前的国际准则
第 20 周
Brugada 综合症 1 的机器学习识别
大体时间:第 20 周
根据 12 导联 ECG 上与 Brugada 综合征 1 相关的诊断模式,在 44 名患者队列(前瞻性研究)中鉴定和表征 Brugada 1 型综合征 T 段抑郁成分,并在 100 名患者队列中验证(验证研究)已经发布了当前的国际指南
第 20 周
Brugada 综合症 1 的机器学习识别
大体时间:第 20 周
根据 12 导联 ECG 上与 Brugada 综合征 1 相关的诊断模式,在 44 名患者队列(前瞻性研究)中鉴定具有 PQ 延长成分的 Brugada 1 型综合征宽 P 波,并在 100 名患者队列中进行验证(验证研究)正如已在现行国际指南中公布的那样
第 20 周

次要结果测量

结果测量
措施说明
大体时间
与 Brugada 综合征 1 相关的生物标志物
大体时间:第 48 周

通过患者的血液转录组学特征和外泌体分析鉴定与 Brugada 综合征 1 相关的生物标志物。 转录组学和外泌体可以为该病理学中信号传导的病理生理学提供新的见解,以及在 Brugada 综合征 1 诊断和治疗中的应用。

转录组学将提供与疾病相关的表型变化的全局图片,突出显示参与 Brugada 综合征 1 发展的潜在基因影响心肌细胞以及电刺激的释放。

该研究将在 44 名患者的队列中进行(前瞻性研究),结果将在 100 名患者的队列中进行验证(验证研究)

第 48 周
分层风险
大体时间:第 64 周

通过整合 ECG 机器学习算法和生物标志物开发 Brugada 1 型综合征的分层风险系统。 特别是,该模块将结合与 BrS(凹形 ST、QRS 碎裂、T 段压低、宽 P 波和 PQ 延长)(结果 1-4)和 omic(基因)和外显子标记(编码和非编码)相关的特殊 ECG 模式RNAs)(成果 5),旨在改善患者风险分层。

具体而言,Na+(例如 Nav1.5、Nav1.3、Nav2.1)的基因表达调节(表示为相对于对照群体的百分比), Ca2+(例如 Cav3.1、HCN3) 和 K+ 通道(例如 TWIK1、Kv4.3)将被评估。

该研究将在 44 名患者的队列中进行(前瞻性研究),结果将在 100 名患者的队列中进行验证(验证研究)。

第 64 周

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。

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

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 (预期的)

2021年1月15日

初级完成 (预期的)

2023年3月15日

研究完成 (预期的)

2023年9月15日

研究注册日期

首次提交

2020年10月22日

首先提交符合 QC 标准的

2020年11月17日

首次发布 (实际的)

2020年11月24日

研究记录更新

最后更新发布 (实际的)

2020年11月24日

上次提交的符合 QC 标准的更新

2020年11月17日

最后验证

2020年11月1日

更多信息

与本研究相关的术语

计划个人参与者数据 (IPD)

计划共享个人参与者数据 (IPD)?

药物和器械信息、研究文件

研究美国 FDA 监管的药品

研究美国 FDA 监管的设备产品

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.

Brugada 综合症 1的临床试验

3
订阅