Меню
Набор скоро начнётся NCT06467006

AI PREDICTION FOR PROXIMAL HUMERAL FRACTURES

— Наблюдательное Proximal Humeral Fracture

Ориентир для пациента и семьи

Простыми словами

Автоматическая сводка по структурированным данным реестра. Она помогает сориентироваться, но не заменяет официальный протокол или оценку врача.

Что изучают
В протоколе указаны: Use of IA for proximal humeral fracture prognosis.
Кому может быть актуально
Состояния в реестре: Proximal Humeral Fracture. Базовые параметры: 18 лет — 90 лет · Все.
Что важно проверить
Возраст, диагноз и пол — только базовые ориентиры. Предыдущее лечение, анализы и другие обязательные условия указаны ниже в критериях участия.
Где проводится
Список центров уточняется — проверьте первичный протокол.
Следующий шаг
Сохраните исследование, покажите его лечащему врачу и уточните актуальный статус у исследовательского центра. Расходы, документы и поездка →

Не всё понятно в терминах? Прочитайте наш гид для пациентов →

Официальное название

ARTIFICIAL INTELLIGENCE-BASED PREDICTION OF CLINICAL OUTCOMES IN PATIENTS SUSTAINING PROXIMAL HUMERAL FRACTURES

Обзор

Our smartphones can recognize the pictures of our family, loved ones and friends. Face recognition software leverages artificial intelligence (AI), image recognition and other advanced technology to map, analyze and confirm the identity of a face. We humans do a poor job when classifying the injury related to a patient sustaining a proximal humeral fracture. In consequence, there is great heterogeneity in the treatment of proximal humerus fractures. Moreover, offering relevant information to patients regarding the risk of complications or fracture sequelae is challenging, given that the current series are based on obsolete classifications, and the published series bring together just over hundreds of patients analyzed. With these limitations, patients have few opportunities to participate in decision-making about their injury. The present project aim is to integrate new technologies for the prediction of relevant clinical results for the patients presenting a proximal humeral fracture. In brief, AI can help identify similar fracture patterns without human inference, while humans can feed the algorithm with variables of interest such as the functional outcomes and complications related to this particular type of fracture.

Вмешательства

  • Другое Use of IA for proximal humeral fracture prognosis
    None (prognosis study)

Первичные конечные точки

  • Constant-Murley Score [Срок оценки: 1 year]

Критерии участия

Критерии включения

Patients sustaining a proximal humerus fracture treated nonoperatively under the criteria of the treating surgeon and patients' preference.

Subjects evaluated within the first 3 weeks after the injury. Patients between 18 and 90 years of age. Patients who have been studied with simple shoulder radiographs in anteroposterior and scapular outlet projections.

Participants who accept 1-year time follow-up.

Критерии исключения

Patients with dementia or difficulty completing the evaluation after one year of follow-up.

Patients who have previously received surgical treatment on the affected limb. Patients who have suffered a previous fracture in the affected limb. Surgically treated patients.

Критерии приведены из реестра в оригинале (на английском). Окончательную оценку соответствия проводит исследовательский центр.

Дизайн исследования

Модель наблюдения
Когортное

Центры проведения

Список центров уточняется — проверьте первичный протокол.

Идентификаторы

NCT: NCT06467006 · 2024/5001

Первоисточники (государственные реестры)

Открыть это исследование на ClinicalTrials.gov ↗