Qatar Cardiometabolic Retrospective Cohort-Analysis Using Artificial Intelligence
A legfontosabb adatok
- Hol
- Doha (Katar)A helyszín megnézése
AI-kivonat: kiket keres a vizsgálat
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 katari és arab felnőttek kórházi adatait elemzi, akiket akut koszorúér-szindrómával vagy akut szívelégtelenséggel vettek fel, és cukorbetegségük vagy prediabéteszük is van.
- Életkor
- 18 év vagy idősebb
- Nem
- Nemtől függetlenül bárki részt vehet.
- A betegség stádiuma
- Akut koszorúér-szindróma (ACS) vagy akut szívelégtelenség (AHF) miatt kórházba került, cukorbetegséggel vagy prediabétesszel.
- Korábbi kezelés
- Cukorbetegeknél a HbA1C legalább 6,5% (48 mmol/mol) lehet, vagy bármilyen HbA1C, ha cukorbetegség elleni gyógyszert szednek.
- Biomarker vagy leletérték
- Cukorbetegség: HbA1C ≥ 6.5% (48 mmol/mol). Prediabétesz: HbA1c 5.7% (39 mmol/mol) és 6.4% (46 mmol/mol) között.
A részvétel fő kizáró okai
- Nem katari vagy nem arab résztvevők
- Cukorbetegség nélküli emberek (HbA1C < 5.7% (39 mmol/mol))
Gépi kiolvasás: 2026. november 12.
Helyszínek itt: Katar
- Hamad Medical CorporationDoha, KatarContact: Nidal Asaad MDNo longer taking part
Kérdések a vizsgálat csapatának
- Milyen gyakran kell bejárnom, és egy-egy alkalom mennyi ideig tart?
- Megtérítik az utazási költséget?
- Megtarthatom a saját orvosomat?
- Mi történik, ha ki akarok lépni?
Contact the study team: see the registry record → Contacts and Locations
Oldal nyomtatása az orvosomnakA vizsgálat adatai
- Ki végzi
- Weill Cornell Medical College in Qatar
- Azonosító
- NCT07515807
- A regiszteradat frissítve
- 2026. április 21.
- Eredeti leírás
Cardiovascular disease is the leading cause of death worldwide, and individuals with diabetes or other cardiometabolic conditions are at increased risk of adverse cardiovascular outcomes. Although advances in prevention and treatment have reduced cardiovascular events globally, cardiometabolic disease continues to represent a significant health burden, particularly in regions with high diabetes prevalence. In Qatar and other Gulf Cooperation Council countries, the prevalence of diabetes and obesity is increasing, contributing to a high proportion of participants presenting with acute coronary syndrome who have type 2 diabetes or prediabetes. This observational study will use electronic medical record data from patients hospitalized at the Heart Hospital with acute coronary syndrome and a concomitant diagnosis of diabetes or prediabetes. The study will assess trends in cardiovascular risk factors and cardiovascular events, including readmission and mortality. An artificial intelligence component will be used to develop and validate machine learning based risk prediction models to forecast adverse cardiovascular outcomes in participants with cardiometabolic disease. These models will integrate clinical, biochemical, imaging, and other non-invasive data routinely collected during participants care to identify predictors of cardiovascular events.A teljes eredeti leírásKevesebb
Cardiovascular disease is the leading cause of death worldwide, and individuals with diabetes or other cardiometabolic conditions are at increased risk of adverse cardiovascular outcomes. Although advances in prevention and treatment have reduced cardiovascular events globally, cardiometabolic disease continues to represent a significant health burden, particularly in regions with high diabetes prevalence. In Qatar and other Gulf Cooperation Council countries, the prevalence of diabetes and obesity is increasing, contributing to a high proportion of participants presenting with acute coronary syndrome who have type 2 diabetes or prediabetes. This observational study will use electronic medical record data from patients hospitalized at the Heart Hospital with acute coronary syndrome and a concomitant diagnosis of diabetes or prediabetes. The study will assess trends in cardiovascular risk factors and cardiovascular events, including readmission and mortality. An artificial intelligence component will be used to develop and validate machine learning based risk prediction models to forecast adverse cardiovascular outcomes in participants with cardiometabolic disease. These models will integrate clinical, biochemical, imaging, and other non-invasive data routinely collected during participants care to identify predictors of cardiovascular events.
Bevonási feltételek: Age ≥ 18; Qatari and Arab participants; Participants admitted for Acute Coronary Syndrome (ACS) or Acute Heart Failure (AHF); Metabolic disease: Diabetes (HbA1C ≥ 6.5% or any HbA1C if a patient is on an antidiabetic agent) or pre-diabetes: 5.7% ≤ HbA1c ≤ 6.4%.
Kizáró feltételek: Non-diabetic: HbA1C < 5.7%; Non-Qatari or non-Arab participants; This chart review involves no direct interaction with individuals. Prisoners are not a focus of this study, and incarceration status is not identifiable in the records reviewed.