使用机器学习识别骨质疏松症治疗 (OPTIMAL)
OPTIMAL - 使用机器学习识别骨质疏松症治疗
OPTIMAL 是一项针对基于机器学习 (ML) 的骨质疏松症增强筛查软件的试点可行性研究。
该工具是基于 NHS Greater Glasgow and Clyde 的数据,使用机器学习创建的。 该研究将联系被研究视为高风险的个人(将重新识别 750 名患者,并且将从最高风险开始联系这些人,直到招募 250 名患者)并执行 DXA 扫描、临床审查和血液测试与骨质疏松有关。 然后将此数据与 OPTIMAL 增强筛选工具所做的预测进行比较,以测试其有效性。
研究概览
详细说明
OPTIMAL 试验是使用机器学习开发的工具进行增强筛选方法的可行性试点研究。 该工具由 Lenus Health Ltd 使用截至 2010 年 1 月 1 日 50 至 80 岁患者的 NHS GG&C 匿名健康数据创建。
验证队列将包括截至 2022 年 1 月 1 日年龄在 50 至 80 岁之间的所有 GG&C 患者,这些患者未知是否患有骨质疏松症。
Nanox(以色列 AI 公司)将使用他们现有的平台来分析被确定为该人群中风险最高的 5000 名患者的去识别化 CT 扫描,以评估椎骨骨折,这将用作骨质疏松症风险评估的参数。 由于技术限制,只有一部分患者可以通过 Nanox 平台评估他们的成像。 将重新识别 5000 名风险最高的患者,以便提取他们的图像并取消识别以供分析。 我们预计这些患者中约有 30% 将有可用的影像学检查。 可识别的数据将保留在 GG&C 云中。
该试验将使用该软件在未诊断为骨质疏松症的 50-80 岁患者队列中筛查高危患者。 DXA 扫描将用作地面实况。 作为试验的一部分,患者将接受 DXA 扫描。
将进行临床审查,以剔除被认为不适合试验的患者,例如临近生命尽头或无法表示同意的患者。 排除的原因将被记录下来,以便审计和评估选择中的偏见。
从风险最高的患者开始,骨折联络服务处将联系患者,直到招募到 250 名患者。 这个数字是根据功率计算得出的,以确保该试验可以有效地将 OPTIMAL 工具与 FRAX 进行比较。 这种联系将采用骨折联络小组的信件形式,并附有患者信息表和同意书。 这些表格是根据患者体验小组的意见创建的。
如果参与者同意参加,他们将被邀请到伊丽莎白女王大学医院进行一次门诊访问。
在这次访问中,医生将检查患者,并询问有关他们健康的问题。 他们将接受与骨质疏松症以及一般健康状况相关的血液检查。 他们还将进行 DXA 扫描,以确认他们是否患有骨质疏松症。 将生成一个 FRAX 分数用于比较。
数据清理完成后,在试验结束时,所有数据都将传输到斯特拉斯克莱德大学的安全服务器,供 Conor McKeag 博士分析,David Young 博士监督评估 OPTIMAL 工具的有效性和准确性。 这将与目前骨质疏松症风险预测标准 FRAX 进行比较。
研究类型
注册 (预期的)
联系人和位置
学习联系方式
- 姓名:Ruairidh Davison
- 电话号码:01414516869
- 邮箱:Ruairidh.Davison@ggc.scot.nhs.uk
学习地点
-
-
-
Glasgow、英国、G51 4TF
- West of Scotland Innovation Hub
-
接触:
- Ruairidh Davison
- 电话号码:01415416869
- 邮箱:Ruairidh.Davison@ggc.scot.nhs.uk
-
-
参与标准
资格标准
适合学习的年龄
接受健康志愿者
有资格学习的性别
取样方法
研究人群
描述
纳入标准:
- 年龄 >=50 岁
- 年龄 <=80 岁
- 被初始模型识别为高风险
排除标准:
- 年龄 <50 岁
- 年龄 >80 岁
- 体重指数 <=18 & >=30
- 骨质疏松症的记录诊断
- 骨保护剂的预先处方,例如:
双膦酸盐(阿仑膦酸、利塞膦酸盐、伊班膦酸盐、唑来膦酸)/狄诺塞麦/雷洛昔芬/雷奈酸锶/特立帕肽/ romosozumab
- 先前 DXA 成像的历史(BMD 的先前量化)
- 代谢性骨病史
- 原发性甲状旁腺功能亢进史
学习计划
研究是如何设计的?
设计细节
- 观测模型:队列
- 时间观点:预期
队列和干预
团体/队列 |
干预/治疗 |
---|---|
高危人群
被机器学习模型识别为患骨质疏松症的高风险人群。
|
DXA 诊断骨质疏松症
其他名称:
|
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 |
---|---|---|
骨质疏松症诊断
大体时间:首次就诊时,在患者身份识别后的 6 个月内。
|
基于临床访视时骨矿物质密度的 DXA 评估诊断骨质疏松症。
这将作为试验的一部分在单次临床访问中完成,不会重复。
|
首次就诊时,在患者身份识别后的 6 个月内。
|
合作者和调查者
研究记录日期
研究主要日期
学习开始 (预期的)
初级完成 (预期的)
研究完成 (预期的)
研究注册日期
首次提交
首先提交符合 QC 标准的
首次发布 (估计)
研究记录更新
最后更新发布 (估计)
上次提交的符合 QC 标准的更新
最后验证
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.