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。

用人工智能识别导管插入部位的局部体征 (DeepCath)

2022年10月24日 更新者:Outcome Rea

通过住院患者和门诊患者的血管内导管图像开发图像识别人工智能模型,以识别与感染相关的局部体征的存在

Deepcath 是将人工智能引入导管护理的第一步。 不仅医护人员应该更好地使用导管出口部位的可视化,患者及其家人也应该使用。

能够检测导管出口部位视觉异常的深度学习系统将成为开发血管内导管连续随访的有用工具。

研究概览

地位

招聘中

条件

研究类型

观察性的

注册 (预期的)

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。

学习联系方式

学习地点

    • Ile De France
      • Paris、Ile De France、法国、75018
    • Isère
      • Grenoble、Isère、法国、38000
        • 招聘中
        • CHU Grenoble Alpes
        • 接触:
        • 首席研究员:
          • Carole SCHWEBEL
    • Puy-de-Dôme

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

概率样本

研究人群

根据每项服务(医院和家庭)的具体组织,将在参与研究的每个中心独立招募患者。 将根据研究纳入/非纳入标准选择患者。 纳入的患者将收到有关该研究的口头信息。 在进行任何调查之前将获得知情同意。

描述

纳入标准:

18 岁以上的患者植入一根或多根中央静脉、中线、piCCline、动脉或外周导管的患者。

口头表示不反对研究的患者和/或可信赖的人和/或家人 患者隶属于社会保障计划或受益人

排除标准:

在拍摄照片时,不能掩盖在导管插入点附近呈现外围识别标志的患者。 因此,珠宝、衣服、纹身、疤痕和胎记都是识别特征。

导管插入点不可见的患者。

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
干预/治疗
病人

根据每项服务(医院和家庭)的具体组织,将在参与研究的每个中心独立招募患者。 将根据研究纳入/非纳入标准选择患者。 纳入的患者将收到有关该研究的口头信息。 在进行任何调查之前将获得知情同意。

每张照片都将聚焦在血管内导管上。 研究者将尊重主要的非纳入标准:在拍摄照片时,不得在导管插入点附近显示任何无法掩盖的外围识别标志。 在这种情况下,珠宝、衣服、纹身、疤痕和胎记代表识别特征。 将向调查人员提供具有随机生成的安全密码的个人访问帐户。

这些照片将是匿名的,并且无法确定有关人员的身份。

已选定三位医学专家审查收集到的照片。 每位专家医疗人员都会通过专用软件直接对照片进行注释,从而评估照片上是否存在局部感染迹象。 他们将标注局部体征:发红、灌注外渗、坏死、血肿、水肿、非脓性分泌物和脓性分泌物。

卷积神经网络模型将确定局部标志存在的概率。 每张图片都将被注释以确定导管的主要特征。 将执行带有照片裁剪的数据集准备以进行建模。

其他名称:
  • 医学专家审查阶段的照片
  • 人工智能算法开发/验证

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
红色正确预测数除以预测总数
大体时间:通过学习完成,平均1年
与三位独立医学专家对导管插入部位是否存在大于或等于 5 毫米的发红情况进行评估相比,学习模型的总体分类准确度。
通过学习完成,平均1年

次要结果测量

结果测量
措施说明
大体时间
预测的真阳性和总阳性的比率:
大体时间:通过学习完成,平均1年
精度指标侧重于 I 类错误 (FP)。 当我们拒绝一个真实的零假设时,就会发生 I 型错误。
通过学习完成,平均1年
硬化静脉索的正确预测数除以预测总数
大体时间:通过学习完成,平均1年
根据外周导管插入部位的图像,评估学习模型在评估硬化静脉索存在方面的可靠性。
通过学习完成,平均1年
局部体征的存在与感染之间的联系
大体时间:通过学习完成,平均1年
测量导管穿刺部位的外观与存在与局部和全身感染一致的体征之间的相关性。
通过学习完成,平均1年

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 (实际的)

2022年9月1日

初级完成 (预期的)

2023年12月31日

研究完成 (预期的)

2023年12月31日

研究注册日期

首次提交

2022年6月21日

首先提交符合 QC 标准的

2022年6月27日

首次发布 (实际的)

2022年6月30日

研究记录更新

最后更新发布 (实际的)

2022年10月25日

上次提交的符合 QC 标准的更新

2022年10月24日

最后验证

2022年10月1日

更多信息

与本研究相关的术语

其他相关的 MeSH 术语

其他研究编号

  • DeepCath

计划个人参与者数据 (IPD)

计划共享个人参与者数据 (IPD)?

不

药物和器械信息、研究文件

研究美国 FDA 监管的药品

不

研究美国 FDA 监管的设备产品

是的

在美国制造并从美国出口的产品

不

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.

订阅