需要更高的诊断准确性才能找出谁有心脏病发作的风险,因为这可以减少更具侵入性下游测试的要求,从而改善患者的体验并减少其风险的影响。应力超声心动图是一种常规的临床测试,涉及使用超声来对心脏进行成像,而在压力下,以评估心脏病发作的风险。
这项研究将着重于开发更准确的分析工具来解释这些应力超声心动图扫描的结果。使用对高频声波在胸部内的心脏弹跳时获得的信息的高级分析,将测试新方法以测量心肌的每个部分的功能。研究人员将在压力期间测量和报告确切的心脏功能,以便他们能够识别正常的心脏和患有任何疾病的心脏。将开发出新的计算机方法来显示任何异常,这将使医生更容易为处于危险的患者中选择最佳治疗方法。
该研究建议的目标和潜在好处是更新对常规使用的临床测试(应力超声心动图)的解释,以产生一种可靠的新方法,以诊断患病动脉对心肌功能的精确影响;开发新的计算机图形,以适应每个患者的个人风险;并实施可以不断更新的新计算机模型
病情或疾病 | 干预/治疗 |
---|---|
心血管疾病缺血性心脏病 | 其他:分析 |
胸痛的新发作是常见的抱怨,可以是严重心血管疾病和心肌梗塞和死亡的风险的标志。因此,获得准确的诊断对于指导患者管理至关重要。值得注意的是,患有动脉造影的患者中只有40-50%随后进行血运重建。这强调了动脉造影之前使用的初始测试的不精确。
从历史上看,运动过程中的心电图应力测试已用于检测可诱导的心肌缺血,但其诊断敏感性和特异性较低(约为65%)。通过合并超声心动图或单光子发射计算机断层扫描,可以提高诊断精度。当前的NICE指南建议,应将CT冠状动脉血管造影作为第一行的胸痛患者进行研究,如果揭示出明显的狭窄,则应进行功能成像测试。
压力超声心动图(MYDISE)研究中的心肌多普勒在输注多巴胺(一种短作用的合成儿童胺上,它在β-1肾上腺素能受体上作用于心脏率和心肌衰减的肾上腺素,评估了定量应力超声心动图的诊断价值。在峰值应力下测量LV长轴功能的收缩速度具有良好的可重复性(在静止时基底段的变化系数为9-14%,而在峰值应力下为11-18%),相似的敏感性和特异性(约70%)可公布专家观察者报告墙运动得分的研究。但是,当针对年龄,性别和心率的独立影响调整时,随着C统计数据(接收器操作员曲线下的面积),诊断准确性显着提高,高达90%。
应力超声心动图检测心肌缺血的视觉分析取决于对多个参数的定性评估。定量应力超声心动图学的主要研究仅限于识别单个最佳超声心动图变量,并且它们已使用直径狭窄作为参考标准。在患有心血管危险因素的受试者中,已经证明了区域(长轴)心肌功能的进行性亚临床减少,从而影响心肌变形(应变和应变率)以及速度。缺血会改变心脏周期期间事件的时机 - 例如延长注射前和注射后阶段。这些因素证实了在整个心脏周期中对区域心肌功能进行客观测量的临床需求。
现在可以创建不仅基于单个时间点的算法(例如,峰值速度),而是依靠对整个速度轨迹的分析。该概念也可以扩展到包括应变率曲线和应变率曲线。巴塞罗那庞贝·法布拉大学的调查人员开发了这种方法来创建心脏统计地图集以检测异议障碍。使用多个内核学习应用了类似的概念,这些呼吸困难的患者接受了运动胁迫测试,以识别那些有舒张性心力衰竭证据的人。这使得比较从整个心脏周期中获得的速度痕迹进行比较并进行了歧视。受试者(有或没有呼吸困难),以及被诊断为心力衰竭的患者(HFPEF);观察到的主要差异是早期的舒张功能。此应用以前尚未用于探索应力超声心动图中诱导的心肌缺血,但是可能会发现类似的发现,因为舒张期间的变化是心肌缺血的最早,最敏感的指标之一。卢文大学(Jan D'Hooge教授)的个人最近开发了监督的机器学习方法,这些方法可以根据其局部机械行为(即经过训练阶段)自动根据其局部机械行为(即速度/应变/应变率)对心肌段进行自动分类。 ;所提出的机器学习方法的表现优于专家壁运动读数以及对缺血段分类中的分段应变(速率)痕迹的专家解释。
研究类型 : | 观察 |
估计入学人数 : | 1250名参与者 |
观察模型: | 队列 |
时间观点: | 预期 |
官方标题: | 定量应力超声心动图中的机器学习 |
实际学习开始日期 : | 2019年11月22日 |
估计的初级完成日期 : | 2021年5月 |
估计 学习完成日期 : | 2023年6月 |
组/队列 | 干预/治疗 |
---|---|
胸痛 表现出胸痛的人需要应力超声心动图。 | 其他:分析 没有计划。超声心动图数据的新分析。 |
有资格学习的年龄: | 20年至89岁(成人,老年人) |
有资格学习的男女: | 全部 |
采样方法: | 概率样本 |
纳入标准:
排除标准:
联系人:Imran Sunderji,MBBS | 07540844481 | imran.sunderji@nhs.net |
英国 | |
城堡山医院 | 招募 |
英国科廷汉姆,HU165JQ | |
联系人:Imran Sunderji Imran.sunderji@nhs.net |
追踪信息 | |||||
---|---|---|---|---|---|
首先提交日期 | 2019年11月18日 | ||||
第一个发布日期 | 2019年12月10日 | ||||
上次更新发布日期 | 2020年2月5日 | ||||
实际学习开始日期 | 2019年11月22日 | ||||
估计的初级完成日期 | 2021年5月(主要结果度量的最终数据收集日期) | ||||
当前的主要结果指标 | 诱导性心肌缺血[时间范围:3年] 机器学习分类器的诊断性能,用于检测可诱导性心肌缺血,由冠状动脉流量减少确定 | ||||
原始主要结果指标 | 与电流相同 | ||||
改变历史 | |||||
当前的次要结果指标 |
| ||||
原始的次要结果指标 |
| ||||
当前其他预先指定的结果指标 | 不提供 | ||||
原始其他预先指定的结果指标 | 不提供 | ||||
描述性信息 | |||||
简短标题 | 定量应力超声心动图中的机器学习 | ||||
官方头衔 | 定量应力超声心动图中的机器学习 | ||||
简要摘要 | 需要更高的诊断准确性才能找出谁有心脏病发作的风险,因为这可以减少更具侵入性下游测试的要求,从而改善患者的体验并减少其风险的影响。应力超声心动图是一种常规的临床测试,涉及使用超声来对心脏进行成像,而在压力下,以评估心脏病发作的风险。 这项研究将着重于开发更准确的分析工具来解释这些应力超声心动图扫描的结果。使用对高频声波在胸部内的心脏弹跳时获得的信息的高级分析,将测试新方法以测量心肌的每个部分的功能。研究人员将在压力期间测量和报告确切的心脏功能,以便他们能够识别正常的心脏和患有任何疾病的心脏。将开发出新的计算机方法来显示任何异常,这将使医生更容易为处于危险的患者中选择最佳治疗方法。 该研究建议的目标和潜在好处是更新对常规使用的临床测试(应力超声心动图)的解释,以产生一种可靠的新方法,以诊断患病动脉对心肌功能的精确影响;开发新的计算机图形,以适应每个患者的个人风险;并实施可以不断更新的新计算机模型 | ||||
详细说明 | 胸痛的新发作是常见的抱怨,可以是严重心血管疾病和心肌梗塞和死亡的风险的标志。因此,获得准确的诊断对于指导患者管理至关重要。值得注意的是,患有动脉造影的患者中只有40-50%随后进行血运重建。这强调了动脉造影之前使用的初始测试的不精确。 从历史上看,运动过程中的心电图应力测试已用于检测可诱导的心肌缺血,但其诊断敏感性和特异性较低(约为65%)。通过合并超声心动图或单光子发射计算机断层扫描,可以提高诊断精度。当前的NICE指南建议,应将CT冠状动脉血管造影作为第一行的胸痛患者进行研究,如果揭示出明显的狭窄,则应进行功能成像测试。 压力超声心动图(MYDISE)研究中的心肌多普勒在输注多巴胺(一种短作用的合成儿童胺上,它在β-1肾上腺素能受体上作用于心脏率和心肌衰减的肾上腺素,评估了定量应力超声心动图的诊断价值。在峰值应力下测量LV长轴功能的收缩速度具有良好的可重复性(在静止时基底段的变化系数为9-14%,而在峰值应力下为11-18%),相似的敏感性和特异性(约70%)可公布专家观察者报告墙运动得分的研究。但是,当针对年龄,性别和心率的独立影响调整时,随着C统计数据(接收器操作员曲线下的面积),诊断准确性显着提高,高达90%。 应力超声心动图检测心肌缺血的视觉分析取决于对多个参数的定性评估。定量应力超声心动图学的主要研究仅限于识别单个最佳超声心动图变量,并且它们已使用直径狭窄作为参考标准。在患有心血管危险因素的受试者中,已经证明了区域(长轴)心肌功能的进行性亚临床减少,从而影响心肌变形(应变和应变率)以及速度。缺血会改变心脏周期期间事件的时机 - 例如延长注射前和注射后阶段。这些因素证实了在整个心脏周期中对区域心肌功能进行客观测量的临床需求。 现在可以创建不仅基于单个时间点的算法(例如,峰值速度),而是依靠对整个速度轨迹的分析。该概念也可以扩展到包括应变率曲线和应变率曲线。巴塞罗那庞贝·法布拉大学的调查人员开发了这种方法来创建心脏统计地图集以检测异议障碍。使用多个内核学习应用了类似的概念,这些呼吸困难的患者接受了运动胁迫测试,以识别那些有舒张性心力衰竭证据的人。这使得比较从整个心脏周期中获得的速度痕迹进行比较并进行了歧视。受试者(有或没有呼吸困难),以及被诊断为心力衰竭的患者(HFPEF);观察到的主要差异是早期的舒张功能。此应用以前尚未用于探索应力超声心动图中诱导的心肌缺血,但是可能会发现类似的发现,因为舒张期间的变化是心肌缺血的最早,最敏感的指标之一。卢文大学(Jan D'Hooge教授)的个人最近开发了监督的机器学习方法,这些方法可以根据其局部机械行为(即经过训练阶段)自动根据其局部机械行为(即速度/应变/应变率)对心肌段进行自动分类。 ;所提出的机器学习方法的表现优于专家壁运动读数以及对缺血段分类中的分段应变(速率)痕迹的专家解释。 | ||||
研究类型 | 观察 | ||||
学习规划 | 观察模型:队列 时间观点:潜在 | ||||
目标随访时间 | 不提供 | ||||
生物测量 | 不提供 | ||||
采样方法 | 概率样本 | ||||
研究人群 | 所有患者将被招募为一组,年龄范围为20-89岁,并且根据他们的冠状动脉疾病的测试概率而没有限制。只要它们患有胸痛或其他临床指示,他们就有资格纳入压力。 | ||||
健康)状况 |
| ||||
干涉 | 其他:分析 没有计划。超声心动图数据的新分析。 | ||||
研究组/队列 | 胸痛 表现出胸痛的人需要应力超声心动图。 干预:其他:分析 | ||||
出版物 * | 不提供 | ||||
*包括由数据提供商提供的出版物以及Medline中临床标识符(NCT编号)的出版物。 | |||||
招聘信息 | |||||
招聘状况 | 招募 | ||||
估计入学人数 | 1250 | ||||
原始估计注册 | 与电流相同 | ||||
估计学习完成日期 | 2023年6月 | ||||
估计的初级完成日期 | 2021年5月(主要结果度量的最终数据收集日期) | ||||
资格标准 | 纳入标准:
排除标准:
| ||||
性别/性别 |
| ||||
年龄 | 20年至89岁(成人,老年人) | ||||
接受健康的志愿者 | 不提供 | ||||
联系人 |
| ||||
列出的位置国家 | 英国 | ||||
删除了位置国家 | |||||
管理信息 | |||||
NCT编号 | NCT04193475 | ||||
其他研究ID编号 | R2458 | ||||
有数据监测委员会 | 不 | ||||
美国FDA调节的产品 |
| ||||
IPD共享声明 |
| ||||
责任方 | 赫尔大学教学医院NHS Trust | ||||
研究赞助商 | 赫尔大学教学医院NHS Trust | ||||
合作者 |
| ||||
调查人员 | 不提供 | ||||
PRS帐户 | 赫尔大学教学医院NHS Trust | ||||
验证日期 | 2019年11月 |