| 病情或疾病 |
|---|
| 心血管疾病 |
| 研究类型 : | 观察 |
| 估计入学人数 : | 2400名参与者 |
| 观察模型: | 队列 |
| 时间观点: | 预期 |
| 官方标题: | 通过深度学习从视网膜照片中的视网膜照片预测动脉粥样硬化心血管疾病 |
| 实际学习开始日期 : | 2020年10月11日 |
| 估计初级完成日期 : | 2029年10月10日 |
| 估计 学习完成日期 : | 2029年10月10日 |
| 符合研究资格的年龄: | 20年至79岁(成人,老年人) |
| 有资格学习的男女: | 全部 |
| 接受健康的志愿者: | 是的 |
| 采样方法: | 非概率样本 |
纳入标准:
排除标准:
| 联系人:Sungha公园 | +82-2228-8460 | shpark0530@yuhs.ac |
| 韩国,共和国 | |
| 朗斯大学医学院 | 招募 |
| 首尔,韩国,共和国,03722 | |
| 联系人:Sungha Park +82-2228-8460 shpark0530@yuhs.ac | |
| 首席研究员: | Sungha公园 | 遣散医院 |
| 追踪信息 | |||||
|---|---|---|---|---|---|
| 首先提交日期 | 2021年2月8日 | ||||
| 第一个发布日期 | 2021年2月11日 | ||||
| 最后更新发布日期 | 2021年2月11日 | ||||
| 实际学习开始日期 | 2020年10月11日 | ||||
| 估计初级完成日期 | 2029年10月10日(主要结果度量的最终数据收集日期) | ||||
| 当前的主要结果指标 | 主要不良心血管疾病[时间范围:4年] 心肌梗塞,中风,冠状动脉血运重建的复合物,包括经皮冠状动脉介入和冠状动脉搭桥术以及心力衰竭住院治疗 | ||||
| 原始主要结果指标 | 与电流相同 | ||||
| 改变历史 | 没有发布更改 | ||||
| 当前的次要结果指标 | 不提供 | ||||
| 原始的次要结果指标 | 不提供 | ||||
| 当前其他预先指定的结果指标 | 不提供 | ||||
| 其他其他预先指定的结果指标 | 不提供 | ||||
| 描述性信息 | |||||
| 简短标题 | 深入学习视网膜照片和动脉粥样硬化心血管疾病 | ||||
| 官方头衔 | 通过深度学习从视网膜照片中的视网膜照片预测动脉粥样硬化心血管疾病 | ||||
| 简要摘要 | 研究小组开发了一种深度学习算法,该算法可预测眼底照片和预测心血管疾病风险的算法。为各种心血管疾病(心肌梗死,心力衰竭,具有目标器官损害的高血压,高危血危异常血症,糖尿病患者和低风险高血压患者)和低风险的高血压患者以及预测已开发的人体测量因素的深度学习算法,将被验证。第一年也将两次拍摄眼底照片,两年后将拍摄其他眼底照片。主要的心血管事件将进行5年的跟踪,以验证深度学习算法预测心血管疾病的风险。 | ||||
| 详细说明 | 不提供 | ||||
| 研究类型 | 观察 | ||||
| 学习规划 | 观察模型:队列 时间观点:前瞻性 | ||||
| 目标随访时间 | 不提供 | ||||
| 生物测量 | 不提供 | ||||
| 采样方法 | 非概率样本 | ||||
| 研究人群 | 探访三级医院的门诊诊所 | ||||
| 健康)状况 | 心血管疾病 | ||||
| 干涉 | 不提供 | ||||
| 研究组/队列 | 不提供 | ||||
| 出版物 * | 不提供 | ||||
*包括数据提供商提供的出版物以及MEDLINE中临床标识符(NCT编号)确定的出版物。 | |||||
| 招聘信息 | |||||
| 招聘状况 | 招募 | ||||
| 估计入学人数 | 2400 | ||||
| 原始估计注册 | 与电流相同 | ||||
| 估计学习完成日期 | 2029年10月10日 | ||||
| 估计初级完成日期 | 2029年10月10日(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79岁(成人,老年人) | ||||
| 接受健康的志愿者 | 是的 | ||||
| 联系人 |
| ||||
| 列出的位置国家 | 韩国,共和国 | ||||
| 删除了位置国家 | |||||
| 管理信息 | |||||
| NCT编号 | NCT04749927 | ||||
| 其他研究ID编号 | 4-2020-0951 | ||||
| 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 | Yonsei University | ||||
| 研究赞助商 | Yonsei University | ||||
| 合作者 | 不提供 | ||||
| 调查人员 |
| ||||
| PRS帐户 | Yonsei University | ||||
| 验证日期 | 2021年2月 | ||||
| 病情或疾病 |
|---|
| 心血管疾病 |
| 研究类型 : | 观察 |
| 估计入学人数 : | 2400名参与者 |
| 观察模型: | 队列 |
| 时间观点: | 预期 |
| 官方标题: | 通过深度学习从视网膜照片中的视网膜照片预测动脉粥样硬化心血管疾病 |
| 实际学习开始日期 : | 2020年10月11日 |
| 估计初级完成日期 : | 2029年10月10日 |
| 估计 学习完成日期 : | 2029年10月10日 |
| 符合研究资格的年龄: | 20年至79岁(成人,老年人) |
| 有资格学习的男女: | 全部 |
| 接受健康的志愿者: | 是的 |
| 采样方法: | 非概率样本 |
纳入标准:
排除标准:
| 联系人:Sungha公园 | +82-2228-8460 | shpark0530@yuhs.ac |
| 韩国,共和国 | |
| 朗斯大学医学院 | 招募 |
| 首尔,韩国,共和国,03722 | |
| 联系人:Sungha Park +82-2228-8460 shpark0530@yuhs.ac | |
| 首席研究员: | Sungha公园 | 遣散医院 |
| 追踪信息 | |||||
|---|---|---|---|---|---|
| 首先提交日期 | 2021年2月8日 | ||||
| 第一个发布日期 | 2021年2月11日 | ||||
| 最后更新发布日期 | 2021年2月11日 | ||||
| 实际学习开始日期 | 2020年10月11日 | ||||
| 估计初级完成日期 | 2029年10月10日(主要结果度量的最终数据收集日期) | ||||
| 当前的主要结果指标 | 主要不良心血管疾病[时间范围:4年] 心肌梗塞,中风,冠状动脉血运重建的复合物,包括经皮冠状动脉介入和冠状动脉搭桥术以及心力衰竭住院治疗 | ||||
| 原始主要结果指标 | 与电流相同 | ||||
| 改变历史 | 没有发布更改 | ||||
| 当前的次要结果指标 | 不提供 | ||||
| 原始的次要结果指标 | 不提供 | ||||
| 当前其他预先指定的结果指标 | 不提供 | ||||
| 其他其他预先指定的结果指标 | 不提供 | ||||
| 描述性信息 | |||||
| 简短标题 | 深入学习视网膜照片和动脉粥样硬化心血管疾病 | ||||
| 官方头衔 | 通过深度学习从视网膜照片中的视网膜照片预测动脉粥样硬化心血管疾病 | ||||
| 简要摘要 | 研究小组开发了一种深度学习算法,该算法可预测眼底照片和预测心血管疾病风险的算法。为各种心血管疾病(心肌梗死,心力衰竭,具有目标器官损害的高血压,高危血危异常血症,糖尿病患者和低风险高血压患者)和低风险的高血压患者以及预测已开发的人体测量因素的深度学习算法,将被验证。第一年也将两次拍摄眼底照片,两年后将拍摄其他眼底照片。主要的心血管事件将进行5年的跟踪,以验证深度学习算法预测心血管疾病的风险。 | ||||
| 详细说明 | 不提供 | ||||
| 研究类型 | 观察 | ||||
| 学习规划 | 观察模型:队列 时间观点:前瞻性 | ||||
| 目标随访时间 | 不提供 | ||||
| 生物测量 | 不提供 | ||||
| 采样方法 | 非概率样本 | ||||
| 研究人群 | 探访三级医院的门诊诊所 | ||||
| 健康)状况 | 心血管疾病 | ||||
| 干涉 | 不提供 | ||||
| 研究组/队列 | 不提供 | ||||
| 出版物 * | 不提供 | ||||
*包括数据提供商提供的出版物以及MEDLINE中临床标识符(NCT编号)确定的出版物。 | |||||
| 招聘信息 | |||||
| 招聘状况 | 招募 | ||||
| 估计入学人数 | 2400 | ||||
| 原始估计注册 | 与电流相同 | ||||
| 估计学习完成日期 | 2029年10月10日 | ||||
| 估计初级完成日期 | 2029年10月10日(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79岁(成人,老年人) | ||||
| 接受健康的志愿者 | 是的 | ||||
| 联系人 |
| ||||
| 列出的位置国家 | 韩国,共和国 | ||||
| 删除了位置国家 | |||||
| 管理信息 | |||||
| NCT编号 | NCT04749927 | ||||
| 其他研究ID编号 | 4-2020-0951 | ||||
| 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 | Yonsei University | ||||
| 研究赞助商 | Yonsei University | ||||
| 合作者 | 不提供 | ||||
| 调查人员 |
| ||||
| PRS帐户 | Yonsei University | ||||
| 验证日期 | 2021年2月 | ||||