免费获得国外相关药品，最快 1 个工作日回馈药物信息
出境医 / 临床实验 / 超声心动图对左束分支块（echolbbb）中结果预测
超声心动图对左束分支块（echolbbb）中结果预测
研究描述
简要摘要：
左束分支块的患者患心失事和死亡的风险增加。但是，不利结果的危险因素仍然很差。这项研究旨在通过机器学习来确定超声心动图参数和心电图特征，以开发个人风险评估
| 病情或疾病 |
|---|
| 左束支线块 |
详细说明：
该项目调查了左束分支区块（LBBB）的患者，该患者描述了电动传导系统中的一个特定块，在该系统中，电脉冲必须跟随绕道，结果是心肌的不同部分不同时收缩。 。这种情况称为左心室异位障碍。 LBBB可以在原本完全健康并且不需要任何实际后果的人中找到。在其他患有不同心脏病的患者（例如心肌梗塞或其他涉及心脏肌肉）的患者中，LBBB存在于LBBB中。植入起搏器的患者在传导系统中具有相似的失败。这两种情况都可以增加心脏失败和心血管死亡的风险。除常规医疗外，还可以通过特殊的起搏器（心脏重新同步疗法，CRT）治疗失调症。该疗法已建立得很好，已证明可以完全降低某些患者的发病率和死亡率，甚至可以逆转心脏病。但是，有需要的患者和对CRT治疗的反应仍未得到最佳定义。基于应变成像（例如区域心肌工作）的新的超声心动图参数能够量化异位障碍的程度，并通过LBBB和加载条件以及由于其他疾病引起的心肌的弱点，对激活延迟的相互作用进行新的见解。这些新的和复杂的措施可以通过机器学习（ML）作为一种有前途的工具将CRT的患者选择作为有希望的工具集成。该项目旨在查找基于ML基于ML的选择的超声检查标记，以区分与分支机构有关的患者与保持稳定的患者。这将有助于既优化患者进行CRT治疗的选择，也可以为患有稳定状况的患者进行随访时间表。
学习规划
| 研究类型 ： | 观察性[患者注册表] |
| 估计入学人数 ： | 2000名参与者 |
| 观察模型： | 队列 |
| 时间观点： | 预期 |
| 目标随访时间： | 15年 |
| 官方标题： | 通过超声心动图参数和机器学习的左束分支块的超声心动图参数和机器学习的预测 |
| 实际学习开始日期 ： | 2019年11月1日 |
| 估计的初级完成日期 ： | 2023年12月31日 |
| 估计 学习完成日期 ： | 2034年8月31日 |
武器和干预措施
结果措施
主要结果指标 ：
- 心血管死亡[时间范围：15年]死亡及其原因的时间点（日）
- 任何原因的死亡[时间范围：15年]死亡及其原因的时间点（日）
次要结果度量 ：
- 由于心脏失败而入院[时间范围：15年]住院时间和主诊断的时间点
资格标准
| 有资格学习的年龄： | 18年至100年（成人，老年人） |
| 有资格学习的男女： | 全部 |
| 接受健康的志愿者： | 不 |
| 采样方法： | 非概率样本 |
研究人群
将根据Tromsø的流行病学研究来招募患者，该研究已确定LBBB或心室起搏。由于心电图评估，将招募进一步的医院内患者和门诊诊所的患者
标准
联系人和位置
联系人
| 联系人：AssamiRösner，医学博士，博士 | 04795990071 | assami.rosner@unn.no |
位置
| 挪威 | |
| 挪威北大学医院 | 招募 |
| Tromsø，Troms，挪威，9038 | |
| 联系人：AssamiRösner，博士+4795990071 assami.rosner@unn.no | |
赞助商和合作者
北挪威大学医院
奥斯陆大学医院
卑尔根大学
挪威科技大学
特罗索大学
Ku Leuven
调查人员
| 首席研究员： | 医学博士AssamiRösner，博士 | 挪威北大学医院 |
| 追踪信息 | |||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 首先提交日期 | 2020年3月1日 | ||||||||||||||||
| 第一个发布日期 | 2020年3月3日 | ||||||||||||||||
| 上次更新发布日期 | 2020年3月23日 | ||||||||||||||||
| 实际学习开始日期 | 2019年11月1日 | ||||||||||||||||
| 估计的初级完成日期 | 2023年12月31日（主要结果指标的最终数据收集日期） | ||||||||||||||||
| 当前的主要结果指标 |
| ||||||||||||||||
| 原始主要结果指标 |
| ||||||||||||||||
| 改变历史 | |||||||||||||||||
| 当前的次要结果指标 | 由于心脏失败而入院[时间范围：15年] 住院时间和主诊断的时间点 | ||||||||||||||||
| 原始的次要结果指标 | 由于心脏失败而入院[时间范围：15年] | ||||||||||||||||
| 当前其他预先指定的结果指标 |
| ||||||||||||||||
| 原始其他预先指定的结果指标 | |||||||||||||||||
| 描述性信息 | |||||||||||||||||
| 简短标题 | 通过超声心动图在左束分支中对结果的预测 | ||||||||||||||||
| 官方头衔 | 通过超声心动图参数和机器学习的左束分支块的超声心动图参数和机器学习的预测 | ||||||||||||||||
| 简要摘要 | 左束分支块的患者患心失事和死亡的风险增加。但是，不利结果的危险因素仍然很差。这项研究旨在通过机器学习来确定超声心动图参数和心电图特征，以开发个人风险评估 | ||||||||||||||||
| 详细说明 | 该项目调查了左束分支区块（LBBB）的患者，该患者描述了电动传导系统中的一个特定块，在该系统中，电脉冲必须跟随绕道，结果是心肌的不同部分不同时收缩。 。这种情况称为左心室异位障碍。 LBBB可以在原本完全健康并且不需要任何实际后果的人中找到。在其他患有不同心脏病的患者（例如心肌梗塞或其他涉及心脏肌肉）的患者中，LBBB存在于LBBB中。植入起搏器的患者在传导系统中具有相似的失败。这两种情况都可以增加心脏失败和心血管死亡的风险。除常规医疗外，还可以通过特殊的起搏器（心脏重新同步疗法，CRT）治疗失调症。该疗法已建立得很好，已证明可以完全降低某些患者的发病率和死亡率，甚至可以逆转心脏病。但是，有需要的患者和对CRT治疗的反应仍未得到最佳定义。基于应变成像（例如区域心肌工作）的新的超声心动图参数能够量化异位障碍的程度，并通过LBBB和加载条件以及由于其他疾病引起的心肌的弱点，对激活延迟的相互作用进行新的见解。这些新的和复杂的措施可以通过机器学习（ML）作为一种有前途的工具将CRT的患者选择作为有希望的工具集成。该项目旨在查找基于ML基于ML的选择的超声检查标记，以区分与分支机构有关的患者与保持稳定的患者。这将有助于既优化患者进行CRT治疗的选择，也可以为患有稳定状况的患者进行随访时间表。 | ||||||||||||||||
| 研究类型 | 观察性[患者注册表] | ||||||||||||||||
| 学习规划 | 观察模型：队列 时间观点：潜在 | ||||||||||||||||
| 目标随访时间 | 15年 | ||||||||||||||||
| 生物测量 | 不提供 | ||||||||||||||||
| 采样方法 | 非概率样本 | ||||||||||||||||
| 研究人群 | 将根据Tromsø的流行病学研究来招募患者，该研究已确定LBBB或心室起搏。由于心电图评估，将招募进一步的医院内患者和门诊诊所的患者 | ||||||||||||||||
| 健康）状况 | 左束支线块 | ||||||||||||||||
| 干涉 | 不提供 | ||||||||||||||||
| 研究组/队列 | 不提供 | ||||||||||||||||
| 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 | 2000 | ||||||||||||||||
| 原始估计注册 | 与电流相同 | ||||||||||||||||
| 估计学习完成日期 | 2034年8月31日 | ||||||||||||||||
| 估计的初级完成日期 | 2023年12月31日（主要结果指标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 | 18年至100年（成人，老年人） | ||||||||||||||||
| 接受健康的志愿者 | 不 | ||||||||||||||||
| 联系人 |
| ||||||||||||||||
| 列出的位置国家 | 挪威 | ||||||||||||||||
| 删除了位置国家 | |||||||||||||||||
| 管理信息 | |||||||||||||||||
| NCT编号 | NCT04293471 | ||||||||||||||||
| 其他研究ID编号 | REK2019/134 | ||||||||||||||||
| 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 | 北挪威大学医院阿萨米·罗斯纳（Assami Rosner） | ||||||||||||||||
| 研究赞助商 | 北挪威大学医院 | ||||||||||||||||
| 合作者 |
| ||||||||||||||||
| 调查人员 |
| ||||||||||||||||
| PRS帐户 | 北挪威大学医院 | ||||||||||||||||
| 验证日期 | 2020年3月 | ||||||||||||||||
研究描述
简要摘要：
左束分支块的患者患心失事和死亡的风险增加。但是，不利结果的危险因素仍然很差。这项研究旨在通过机器学习来确定超声心动图参数和心电图特征，以开发个人风险评估
| 病情或疾病 |
|---|
| 左束支线块 |
详细说明：
该项目调查了左束分支区块（LBBB）的患者，该患者描述了电动传导系统中的一个特定块，在该系统中，电脉冲必须跟随绕道，结果是心肌的不同部分不同时收缩。 。这种情况称为左心室异位障碍。 LBBB可以在原本完全健康并且不需要任何实际后果的人中找到。在其他患有不同心脏病的患者（例如心肌梗塞或其他涉及心脏肌肉）的患者中，LBBB存在于LBBB中。植入起搏器的患者在传导系统中具有相似的失败。这两种情况都可以增加心脏失败和心血管死亡的风险。除常规医疗外，还可以通过特殊的起搏器（心脏重新同步疗法，CRT）治疗失调症。该疗法已建立得很好，已证明可以完全降低某些患者的发病率和死亡率，甚至可以逆转心脏病。但是，有需要的患者和对CRT治疗的反应仍未得到最佳定义。基于应变成像（例如区域心肌工作）的新的超声心动图参数能够量化异位障碍的程度，并通过LBBB和加载条件以及由于其他疾病引起的心肌的弱点，对激活延迟的相互作用进行新的见解。这些新的和复杂的措施可以通过机器学习（ML）作为一种有前途的工具将CRT的患者选择作为有希望的工具集成。该项目旨在查找基于ML基于ML的选择的超声检查标记，以区分与分支机构有关的患者与保持稳定的患者。这将有助于既优化患者进行CRT治疗的选择，也可以为患有稳定状况的患者进行随访时间表。
学习规划
| 研究类型 ： | 观察性[患者注册表] |
| 估计入学人数 ： | 2000名参与者 |
| 观察模型： | 队列 |
| 时间观点： | 预期 |
| 目标随访时间： | 15年 |
| 官方标题： | 通过超声心动图参数和机器学习的左束分支块的超声心动图参数和机器学习的预测 |
| 实际学习开始日期 ： | 2019年11月1日 |
| 估计的初级完成日期 ： | 2023年12月31日 |
| 估计 学习完成日期 ： | 2034年8月31日 |
武器和干预措施
结果措施
主要结果指标 ：
- 心血管死亡[时间范围：15年]死亡及其原因的时间点（日）
- 任何原因的死亡[时间范围：15年]死亡及其原因的时间点（日）
次要结果度量 ：
- 由于心脏失败而入院[时间范围：15年]住院时间和主诊断的时间点
资格标准
| 有资格学习的年龄： | 18年至100年（成人，老年人） |
| 有资格学习的男女： | 全部 |
| 接受健康的志愿者： | 不 |
| 采样方法： | 非概率样本 |
研究人群
将根据Tromsø的流行病学研究来招募患者，该研究已确定LBBB或心室起搏。由于心电图评估，将招募进一步的医院内患者和门诊诊所的患者
标准
联系人和位置
| 追踪信息 | |||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 首先提交日期 | 2020年3月1日 | ||||||||||||||||
| 第一个发布日期 | 2020年3月3日 | ||||||||||||||||
| 上次更新发布日期 | 2020年3月23日 | ||||||||||||||||
| 实际学习开始日期 | 2019年11月1日 | ||||||||||||||||
| 估计的初级完成日期 | 2023年12月31日（主要结果指标的最终数据收集日期） | ||||||||||||||||
| 当前的主要结果指标 |
| ||||||||||||||||
| 原始主要结果指标 |
| ||||||||||||||||
| 改变历史 | |||||||||||||||||
| 当前的次要结果指标 | 由于心脏失败而入院[时间范围：15年] 住院时间和主诊断的时间点 | ||||||||||||||||
| 原始的次要结果指标 | 由于心脏失败而入院[时间范围：15年] | ||||||||||||||||
| 当前其他预先指定的结果指标 |
| ||||||||||||||||
| 原始其他预先指定的结果指标 | |||||||||||||||||
| 描述性信息 | |||||||||||||||||
| 简短标题 | 通过超声心动图在左束分支中对结果的预测 | ||||||||||||||||
| 官方头衔 | 通过超声心动图参数和机器学习的左束分支块的超声心动图参数和机器学习的预测 | ||||||||||||||||
| 简要摘要 | 左束分支块的患者患心失事和死亡的风险增加。但是，不利结果的危险因素仍然很差。这项研究旨在通过机器学习来确定超声心动图参数和心电图特征，以开发个人风险评估 | ||||||||||||||||
| 详细说明 | 该项目调查了左束分支区块（LBBB）的患者，该患者描述了电动传导系统中的一个特定块，在该系统中，电脉冲必须跟随绕道，结果是心肌的不同部分不同时收缩。 。这种情况称为左心室异位障碍。 LBBB可以在原本完全健康并且不需要任何实际后果的人中找到。在其他患有不同心脏病的患者（例如心肌梗塞或其他涉及心脏肌肉）的患者中，LBBB存在于LBBB中。植入起搏器的患者在传导系统中具有相似的失败。这两种情况都可以增加心脏失败和心血管死亡的风险。除常规医疗外，还可以通过特殊的起搏器（心脏重新同步疗法，CRT）治疗失调症。该疗法已建立得很好，已证明可以完全降低某些患者的发病率和死亡率，甚至可以逆转心脏病。但是，有需要的患者和对CRT治疗的反应仍未得到最佳定义。基于应变成像（例如区域心肌工作）的新的超声心动图参数能够量化异位障碍的程度，并通过LBBB和加载条件以及由于其他疾病引起的心肌的弱点，对激活延迟的相互作用进行新的见解。这些新的和复杂的措施可以通过机器学习（ML）作为一种有前途的工具将CRT的患者选择作为有希望的工具集成。该项目旨在查找基于ML基于ML的选择的超声检查标记，以区分与分支机构有关的患者与保持稳定的患者。这将有助于既优化患者进行CRT治疗的选择，也可以为患有稳定状况的患者进行随访时间表。 | ||||||||||||||||
| 研究类型 | 观察性[患者注册表] | ||||||||||||||||
| 学习规划 | 观察模型：队列 时间观点：潜在 | ||||||||||||||||
| 目标随访时间 | 15年 | ||||||||||||||||
| 生物测量 | 不提供 | ||||||||||||||||
| 采样方法 | 非概率样本 | ||||||||||||||||
| 研究人群 | 将根据Tromsø的流行病学研究来招募患者，该研究已确定LBBB或心室起搏。由于心电图评估，将招募进一步的医院内患者和门诊诊所的患者 | ||||||||||||||||
| 健康）状况 | 左束支线块 | ||||||||||||||||
| 干涉 | 不提供 | ||||||||||||||||
| 研究组/队列 | 不提供 | ||||||||||||||||
| 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 | 2000 | ||||||||||||||||
| 原始估计注册 | 与电流相同 | ||||||||||||||||
| 估计学习完成日期 | 2034年8月31日 | ||||||||||||||||
| 估计的初级完成日期 | 2023年12月31日（主要结果指标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 | 18年至100年（成人，老年人） | ||||||||||||||||
| 接受健康的志愿者 | 不 | ||||||||||||||||
| 联系人 |
| ||||||||||||||||
| 列出的位置国家 | 挪威 | ||||||||||||||||
| 删除了位置国家 | |||||||||||||||||
| 管理信息 | |||||||||||||||||
| NCT编号 | NCT04293471 | ||||||||||||||||
| 其他研究ID编号 | REK2019/134 | ||||||||||||||||
| 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 | 北挪威大学医院阿萨米·罗斯纳（Assami Rosner） | ||||||||||||||||
| 研究赞助商 | 北挪威大学医院 | ||||||||||||||||
| 合作者 |
| ||||||||||||||||
| 调查人员 |
| ||||||||||||||||
| PRS帐户 | 北挪威大学医院 | ||||||||||||||||
| 验证日期 | 2020年3月 | ||||||||||||||||
