Tato stránka byla automaticky přeložena a přesnost překladu není zaručena. Podívejte se prosím na anglická verze pro zdrojový text.

Nový algoritmus strojového učení k předpovídání demence s Lewyho tělísky (MLDLB)

8. září 2020 aktualizováno: Anastasia Bougea, National and Kapodistrian University of Athens

Nový algoritmus strojového učení k předpovídání demence s Lewyho tělísky pomocí klinických a neuropsychologických skóre

Demence Parkinsonovy choroby (PDD) a demence s Lewyho tělísky (DLB) jsou syndromy demence, které se v mnoha klinických příznacích překrývají, což ztěžuje jejich diagnostiku v klinické praxi, zejména v pokročilých stádiích. Navrhujeme algoritmus strojového učení, založený pouze na neinvazivních a snadno na klinikách sběratelných prediktorech, abychom identifikovali tyto poruchy s vysokou prognostickou výkonností.

Přehled studie

Postavení

Neznámý

Podmínky

Intervence / Léčba

Detailní popis

Algoritmus bude vyvíjen s využitím datového souboru ze dvou specializovaných paměťových center, za použití vzorku PDD a DLB subjektů, jejichž diagnostické sledování je dostupné po dobu minimálně 3 let po základním hodnocení. Jako prediktor byl použit omezený soubor informací týkajících se klinicko-demografických charakteristik, 6 neuropsychologických testů (mini mentální, PD kognitivní hodnotící škála, krátký test zrakové a prostorové paměti, psané číslice symbolů, Wechslerova škála inteligence dospělých, tvorba stop A a B). Dva klasifikační algoritmy, logistická regrese a K-Nearest Neighbors (K-NNs), budou zkoumány pro jejich schopnost úspěšně predikovat, zda pacienti trpěli PDD nebo DLB.

Typ studie

Pozorovací

Zápis (Očekávaný)

200

Kontakty a umístění

Tato část poskytuje kontaktní údaje pro ty, kteří studii provádějí, a informace o tom, kde se tato studie provádí.

Studijní kontakt

  • Jméno: ANASTASIA BOUGEA, DR
  • Telefonní číslo: +306930481046
  • E-mail: annita139@yahoo.gr

Studijní záloha kontaktů

Studijní místa

  • Řecko
    • Attiki
      • Athens, Attiki, Řecko, 16674
        • Nábor
        • Anastasia Bougea
        • Kontakt:
        • Dílčí vyšetřovatel:
          • Christos Goumas, dr

Kritéria účasti

Výzkumníci hledají lidi, kteří odpovídají určitému popisu, kterému se říká kritéria způsobilosti. Některé příklady těchto kritérií jsou celkový zdravotní stav osoby nebo předchozí léčba.

Kritéria způsobilosti

Věk způsobilý ke studiu

50 let až 90 let (Dospělý, Starší dospělý)

Přijímá zdravé dobrovolníky

Ne

Pohlaví způsobilá ke studiu

Všechno

Metoda odběru vzorků

Vzorek nepravděpodobnosti

Studijní populace

skupina PDD složená z pacientů splňujících Kritéria pro pravděpodobnou PDD a skupina DLB. Pacienti budou zařazováni z databáze dvou klinik založené na registru. Byly shromážděny následující údaje: pohlaví, věk, vzdělání, dominance ruky, trvání onemocnění (roky) a ekvivalentní denní dávka levodopy (LEDD). Zátěž nemocí bude posouzena pomocí škály pro hodnocení pohybových poruch Society-United Parkinson's Disease Rating Scale (MDS-UPDRS), část III ve stavu bez medikace a následujících šest kognitivních/behaviorálních testů: Mini-Mental State Examination (MMSE), PD- Cognitive Rating Scale (PD-CRS), Brief Visuospatial Memory Test (BVMT-TR), Symbol digit writeed (SDMT), Trail making test (TMT A,B), Wechsler adultinteligence scale (WAIS-V). Všichni pacienti podstoupí MRI mozku a krevní test k vyloučení sekundárních příčin demence.

Popis

Kritéria pro zařazení:

skupina PDD složená z pacientů splňujících kritéria pro pravděpodobnou PDD společnosti Movement Disorders Society (b) skupina DLB složená z pacientů podle nedávno revidovaných kritérií pro pravděpodobnou DLB.

Kritéria vyloučení:

  • velké psychiatrické poruchy, deprese

Studijní plán

Tato část poskytuje podrobnosti o studijním plánu, včetně toho, jak je studie navržena a co studie měří.

Jak je studie koncipována?

Detaily designu

Kohorty a intervence

Skupina / kohorta
Intervence / Léčba
Parkinsonova nemoc Demence
skupina PDD se skládala z 58 pacientů splňujících kritéria pro pravděpodobnou PDD společnosti Movement Disorders Society
Diagnostický test: model strojového učení
Dva klasifikační algoritmy, logistická regrese a K-Nearest Neighbors (K-NNs), byly zkoumány pro jejich schopnost úspěšně předpovědět, zda pacienti trpěli PDD nebo DLB.
Demence s Lewyho tělísky
skupina DLB se skládala ze 40 pacientů podle nedávno revidovaných kritérií pro pravděpodobnou DLB
Diagnostický test: model strojového učení
Dva klasifikační algoritmy, logistická regrese a K-Nearest Neighbors (K-NNs), byly zkoumány pro jejich schopnost úspěšně předpovědět, zda pacienti trpěli PDD nebo DLB.

Co je měření studie?

Primární výstupní opatření

Měření výsledku
Popis opatření
Časové okno
Prediktivní MMSE pro dlb nebo PDD
Časové okno: 1 rok
Dva klasifikační algoritmy, logistická regrese a K-Nearest Neighbors (K-NNs), budou kombinovat tyto testy, aby prozkoumaly jejich schopnost úspěšně předpovídat, zda pacienti trpěli PDD nebo DLB.
1 rok
Parkinsonova nemoc – prediktivní stupnice kognitivního hodnocení (PD-CRS) pro DLB nebo PDD
Časové okno: 1 rok
Dva klasifikační algoritmy, logistická regrese a K-Nearest Neighbors (K-NNs), budou kombinovat tyto testy, aby prozkoumaly jejich schopnost úspěšně předpovídat, zda pacienti trpěli PDD nebo DLB.
1 rok
Stručný prediktivní test vizuospatiální paměti (BVMT-TR) pro DLB nebo PDD
Časové okno: 1 rok
Dva klasifikační algoritmy, logistická regrese a K-Nearest Neighbors (K-NNs), budou kombinovat tyto testy, aby prozkoumaly jejich schopnost úspěšně předpovídat, zda pacienti trpěli PDD nebo DLB.
1 rok
Symbolová číslice psaná prediktivně pro DLB nebo PDD
Časové okno: 1 rok
Dva klasifikační algoritmy, logistická regrese a K-Nearest Neighbors (K-NNs), budou kombinovat tyto testy, aby prozkoumaly jejich schopnost úspěšně předpovídat, zda pacienti trpěli PDD nebo DLB.
1 rok
Wechslerova škála inteligence dospělých, prediktivní pro DLB nebo PDD
Časové okno: 1 rok
Dva klasifikační algoritmy, logistická regrese a K-Nearest Neighbors (K-NNs), budou kombinovat tyto testy, aby prozkoumaly jejich schopnost úspěšně předpovídat, zda pacienti trpěli PDD nebo DLB.
1 rok
prediktivní vytváření stezek A a B pro DLB nebo PDD
Časové okno: 1 rok
Dva klasifikační algoritmy, logistická regrese a K-Nearest Neighbors (K-NNs), budou kombinovat tyto testy, aby prozkoumaly jejich schopnost úspěšně předpovídat, zda pacienti trpěli PDD nebo DLB.
1 rok

Spolupracovníci a vyšetřovatelé

Zde najdete lidi a organizace zapojené do této studie.

Sponzor

National and Kapodistrian University of Athens

Vyšetřovatelé

  • Vrchní vyšetřovatel: ANASTASIA BOUGEA, National and Kapodistrian University of Athens

Publikace a užitečné odkazy

Osoba odpovědná za zadávání informací o studiu tyto publikace poskytuje dobrovolně. Mohou se týkat čehokoli, co souvisí se studiem.

Obecné publikace

Termíny studijních záznamů

Tato data sledují průběh záznamů studie a předkládání souhrnných výsledků na ClinicalTrials.gov. Záznamy ze studií a hlášené výsledky jsou před zveřejněním na veřejné webové stránce přezkoumány Národní lékařskou knihovnou (NLM), aby se ujistily, že splňují specifické standardy kontroly kvality.

Hlavní termíny studia

Začátek studia (Aktuální)

1. září 2019

Primární dokončení (Očekávaný)

1. října 2020

Dokončení studie (Očekávaný)

1. března 2021

Termíny zápisu do studia

První předloženo

21. června 2020

První předloženo, které splnilo kritéria kontroly kvality

24. června 2020

První zveřejněno (Aktuální)

25. června 2020

Aktualizace studijních záznamů

Poslední zveřejněná aktualizace (Aktuální)

10. září 2020

Odeslaná poslední aktualizace, která splnila kritéria kontroly kvality

8. září 2020

Naposledy ověřeno

1. září 2020

Více informací

Termíny související s touto studií

Další relevantní podmínky MeSH

Další identifikační čísla studie

  • 251ATHENS HOSPITAL

Plán pro data jednotlivých účastníků (IPD)

Plánujete sdílet data jednotlivých účastníků (IPD)?

NE

Informace o lécích a zařízeních, studijní dokumenty

Studuje lékový produkt regulovaný americkým FDA

Ne

Studuje produkt zařízení regulovaný americkým úřadem FDA

Ne

Tyto informace byly beze změn načteny přímo z webu clinicaltrials.gov. Máte-li jakékoli požadavky na změnu, odstranění nebo aktualizaci podrobností studie, kontaktujte prosím register@clinicaltrials.gov. Jakmile bude změna implementována na clinicaltrials.gov, bude automaticky aktualizována i na našem webu .

Klinické studie na model strojového učení

Prohledejte podobné pokusy

Sponzoři a spolupracovníci

Zdravotní podmínky

Drogové intervence

CROs by country

CROs in Djibouti

Podmínky

Vzácné nemoci

Drogové intervence

Doplňky stravy

Sponzor / Spolupracovníci

Místa

3
Předplatit