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。

使用 MATCH AI 预测模型识别结核病活跃病例发现热点的影响评估 (SPOT-TB)

2024年7月24日 更新者:Centre for Global Public Health Pakistan

使用 MATCH AI 预测模型识别巴基斯坦结核病活动病例发现热点的影响评估:一项实用的阶梯式楔形聚类随机试验

这项务实的、阶梯式楔形整群随机试验的目的是使用基于 MATCH-AI 人工智能软件生成的预测的选址方法来衡量相对产量(在活跃病例发现营期间诊断出的结核病病例数) (干预组)与利用现场工作人员知识和经验选择营地的传统方法(对照组)。 该试验将有助于了解使用人工智能进行结核病筛查的有针对性的方法是否可以提高通过基于社区的主动病例发现发现的结核病病例的产量。

研究概览

详细说明

尽管过去几十年取得了重大进展,但预计 2021 年仍有 1060 万人患上结核病 (TB),该疾病导致全球 160 万人死亡。 巴基斯坦被列为世界第五大结核病负担国家,结核病每年导致该国 42,000 人死亡。 巴基斯坦应对结核病的一个关键挑战是确保所有结核病患者得到诊断和治疗。 2020 年,在 573,000 起案件中,总共通报了 276,736 起(48%)。 缩小病例发现差距是国家结核病规划 (NTP) 的一个重要目标。 主动病例发现(ACF)是通过系统筛查社区结核病来增加病例发现的潜在策略。 最近的证据表明,ACF 还可以通过早期检测降低人群结核病的发病率和患病率。 虽然 ACF 干预措施已在社区试验中显示出有效性,并且目前正在巴基斯坦大规模开展,但人们对其在规划环境中的收益和成本效益仍然存在担忧。

本研究的主要目的是调查使用 MATCH-AI(一种模拟分区结核病患病率的人工智能软件)进行基于社区的筛查的有针对性的方法是否可以提高巴基斯坦 ACF 干预措施的效果。 在干预组中,现场团队将主要在 MATCH-AI 预测结核病患病率较高的地点开展基于社区的 ACF 活动(称为胸部营地)。 在控制部门,现场小组将继续利用现有的营地选址方法。 该试验将与国家结核病防治计划的实施伙伴合作在巴基斯坦 65 个地区进行。

研究类型

介入性

注册 (估计的)

180000

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

研究联系人备份

学习地点

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

  • 孩子
  • 成人
  • 年长者

接受健康志愿者

是的

描述

纳入标准:所有来到营地的个人都有资格参加筛查,包括那些有结核病史的人。

排除标准:<15岁的儿童和孕妇将被排除。

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:卫生服务研究
  • 分配:随机化
  • 介入模型:交叉作业
  • 屏蔽:单身的

武器和干预

参与者组/臂
干预/治疗
实验性的:干涉
使用 MATCH-AI 进行营地选址以主动发现结核病病例
这项研究的主要干预措施是推出 MATCH-AI,这是一种模拟分区结核病患病率的人工智能软件,以指导 ACF 营地的选址。 MATCH-AI 工具使用贝叶斯建模方法来预测结核病患病率,分辨率为 10,000 人,并映射为多边形。 该模型整合了一系列来源的数据,包括历史结核病设施通知数据、之前的 ACF 数据以及人口统计、收入、人口密度等背景因素、疫苗接种覆盖率等健康指标和气候相关变量,以预测局部结核病患病率。 在干预组中,营地将主要在 MATCH-AI 指导的地点进行。
无干预:控制
使用现有方法积极寻找结核病病例的营地选址。

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
营地阳性率
大体时间:12个月
每个营地诊断出的细菌学确诊结核病(B+)病例数
12个月

次要结果测量

结果测量
措施说明
大体时间
营地阳性率
大体时间:12个月
每个筛查人群中细菌学确诊的结核病 (B+) 病例
12个月
营地所有形式产量
大体时间:12个月
每个营地诊断出的各种类型结核病 (AF-TB) 病例数
12个月
营地各种结核病发病率
大体时间:12个月
每个筛查人群的所有形式结核病 (AF-TB) 病例数
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。

调查人员

  • 首席研究员:Faran Emmanuel、Centre for Global Public Health Pakistan

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)

2023年9月1日

初级完成 (估计的)

2024年10月31日

研究完成 (估计的)

2025年6月30日

研究注册日期

首次提交

2023年8月21日

首先提交符合 QC 标准的

2023年8月28日

首次发布 (实际的)

2023年8月30日

研究记录更新

最后更新发布 (实际的)

2024年7月25日

上次提交的符合 QC 标准的更新

2024年7月24日

最后验证

2024年7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)?

不

IPD 计划说明

试验结束时,用于最终分析的汇总数据将存储在公共存储库中进行存档。

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

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