Effectiveness of Computer-Aided Detection Chest X-Ray Screening for Improving Tuberculosis Diagnostic Yield in Chinese Primary Health Care Settings: Study Protocol for a Prospective Cluster Randomized Controlled Trial

MI-összefoglaló

A vizsgálat saját részvételi feltételeiből. Gép olvasta ki az oldalon álló regiszterszövegből, ezért tévedhet. Hogy ki vehet részt, azt a lenti regiszterszöveg és a vizsgálat csapata dönti el.

A vizsgálat olyan 15 évnél idősebb embereket keres, akik Yichang városában (Kína) alapellátó kórházba járnak, mellkasröntgenre mennek, és tüdőgyulladásra vagy tuberkulózisra (TBC) utaló légzőszervi tüneteik vannak.

Életkor

15 évesnél idősebb.

Nem

Nemtől függetlenül részt vehet bárki.

A betegség stádiuma

Olyan emberek, akiknek a TBC-re utaló légzőszervi tüneteik vagy jeleik vannak, és korábban nem diagnosztizáltak náluk aktív tüdő-TBC-t.

A részvétel fő kizáró okai

• Az aktuális vizit során tüdőn kívüli TBC-t vagy látens (rejtett) TBC-fertőzést állapítottak meg
• A mellkasröntgen-felvétel minősége nem érte el az előírt szintet
• A személyazonosító adatai nem ismerhetők fel
• Nem tudja elvégezni a kórokozó-vizsgálatokat és a későbbi kapcsolódó vizsgálatokat

A regiszter feltételei, szó szerint

Mit akar kideríteni a vizsgálat

The global incidence rate and mortality of tuberculosis (TB) pose a challenge to achieving the goals set out in the tuberculosis eradication strategy and the SDGs by 2030. At present, timely and accessible early detection methods for tuberculosis are still a major obstacle. In this context, the emergence of artificial intelligence (AI), especially the AI-assisted chest X-ray (CXR) in the field of diagnostic imaging, has proved the potential to significantly improve the speed and accuracy of tuberculosis diagnosis. However, the extent to which these technologies can affect the broader tuberculosis care cascade, especially by reducing the diagnostic time in the population level, has not yet been explored. The proposed project plans to use the certified AI-assisted CXR system (JF CXR-1) for tuberculosis screening, which aims not only to integrate AI into the diagnosis process, but also to critically assess its impact on the overall tuberculosis care cascade. The selected location for this project is Yichang City in western Hubei Province, China, which is facing a high TB burden. The city has established a strong city-wide health big data platform ten years ago, providing the basis for this project. The project will first optimize the AI-assisted CXR system through retrospective imaging to validate the accuracy of case screening (Stage Ⅰ). Secondly, the project will shift its focus to the real world, where cluster randomized controlled trials will be conducted in primary-care settings (Stage Ⅱ). In this stage, the effectiveness of the AI-assisted CXR system in reducing the diagnostic time of TB cases will be evaluated by comparing with those settings without using the tool. In stage Ⅲ, the qualitative and quantitative methods will be used to evaluate the generalization, practicality, and feasibility of extending the screening strategy in various community environments. If the AI-assisted screening strategy is proven accurate, effective, and sustainable, it may pave the way for its widespread adoption in primary healthcare institutions and other grassroots areas in China. This can not only improve the timeliness of tuberculosis diagnosis, but also help to allocate medical resources more effectively and significantly reduce tuberculosis-related incidence and mortality, bringing positive changes to global public health. In addition, the results of the project can also provide information for policy decisions and guide the formulation of strategies to prioritize the integration of AI into health care, which can not only fight against tuberculosis but also a series of other diseases.

A vizsgálat 2 csoportja

• computer-assisted detectionMár használt kezelés, összehasonlításként

  Kezelés: Artificial intelligence-assisted chest X-ray in TB screening

• Do not use computer-assisted detectionPlacebo, összehasonlításként

  Kezelés: Routine doctors analyze the process of chest X-rays