Меню
Набор скоро начнётся NCT07243093

Validating and AI Software for Assessment of Children With Ear Concerns

— Наблюдательное Otalgia Otitis Media Otitis Media Effusion

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
Это наблюдательное исследование: исследуемое лечение участникам по протоколу не назначают.
Кому может быть актуально
Состояния в реестре: Otalgia, Otitis Media, Otitis Media Effusion. Базовые параметры: 6 мес. — 6 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

Validating a Deep Learning Algorithm in Children With Ear Concerns

Обзор

The goal of this observational study is to determine if the Glimpse machine learning algorithm can accurately assess ear diseases in children. Participants will: * Have a video of their ear taken by their parent or their guardian * Have a video of their ear taken by a Primary Care Physician (PCP) * Have an assessment of their eardrums and a video of their ears taken by an Ear, Nose, and Throat specialist (ENT). The videos will be used to determine if the Glimpse algorithm matches the diagnosis of the physicians.

Подробное описание

Ear complaints, including earache (otalgia), are the most common reasons children seek healthcare and routinely bring children into the office of a pediatrician or urgent care setting. This study will assess children who present with signs and symptoms of otitis media to the primary care office or urgent care. Participants will receive their standard of care from their treating physician, with study assessments including videos of their ears taken by their parent or guardian and the treating physician. Once this is complete, participants will see an ENT for an assessment of their eardrum. The ENT assessment will occur within 24 hours of the PCP visit and will not be used to inform patient treatment.

Первичные конечные точки

  • Percent agreement of Glimpse machine learning algorithm's classification of a child's ear image with an ENT panel diagnosis [Срок оценки: Within 24 hrs of presenting to PCP or urgent care office]

Критерии участия

Критерии включения

  • Males and females aged 6 months to 6 years
  • Presenting to a pediatrician's office or urgent care with signs and symptoms of otitis media, including tugging at ears, ear pain, crying at night, refusing to lie flat, sleeping poorly, having a fever, having decreased appetite, and/or concern for hearing loss, regardless of previous diagnosis of AOM or OME.

Критерии исключения

  • History of craniofacial abnormality
  • PE tubes currently in place
  • Current otorrhea
  • Caretaker not having use of both hands and arms

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

Здоровые добровольцы: Нет

Дизайн исследования

Модель наблюдения
Когортное

Центры проведения

Список центров уточняется — проверьте первичный протокол.

Публикации

  • Bryton C, Surapaneni S, Rangarajan N, Hong A, Marston AP, Vecchiotti MA, Hill C, Scott AR. Deep learning algorithm classification of tympanostomy tube images from a heterogenous pediatric population. Int J Pediatr Otorhinolaryngol. 2025 May;192:112311. doi: 10.1016/j.ijporl.2025.112311. Epub 2025 Mar 13. PMID 40096786

Идентификаторы

NCT: NCT07243093 · Glimpse-01 · 1R44EB036883-01A1

Первоисточники (государственные реестры)

Открыть это исследование на ClinicalTrials.gov ↗