Risikoforudsigelsesmodel for forværring af fænotype hos patienter med kronisk obstruktiv lungesygdom
En risikoprædiktiv model for hyppig akut eksacerbationsfænotype hos patienter med svær kronisk obstruktiv lungesygdom
Studieoversigt
Status
Status
Betingelser
Betingelser
Undersøgelsestype
Undersøgelsestype
Tilmelding (Anslået)
Tilmelding
Kontakter og lokationer
Studiekontakt
Studiekontakt
- Navn: Li An
- Telefonnummer: CHN+13681133265
- E-mail: bjzy818@sina.com
Studiesteder
-
-
Beijing
-
Beijing, Beijing, Kina, 100000
- Rekruttering
- Beijing Chaoyang Hospital Affiliated to Capital Medical University
-
Kontakt:
- Li An, doctorate
- Telefonnummer: CHN+13681133265
- E-mail: bjzy818@sina.com
-
-
Deltagelseskriterier
Berettigelseskriterier
Berettigelseskriterier
Aldre berettiget til at studere
- Voksen
- Ældre voksen
Tager imod sunde frivillige
Prøveudtagningsmetode
Studiebefolkning
Beskrivelse
Inklusionskriterier:
- Patienter, der opfylder de diagnostiske kriterier for KOL i det globale initiativ for kroniske obstruktive lungesygdomme (GOLD 2022) og GOLD-gradering Ⅲ - Ⅳ (FEV1/FVC <70%, FEV1% forudsagt værdi ≤ 50% efter bronkiektasi)
- Alder >40 år
- KOL stabil i mere end 4 uger
- Korttidsvirkende bronkiektasi blev ikke brugt inden for 24 timer før dette eksperiment, langtidsvirkende bronkiektasi blev ikke brugt inden for 48 timer, og glukokortikoider blev ikke brugt i hele kroppen i den seneste måned
- Patient informeret og underskrevet samtykkeerklæring
Ekskluderingskriterier:
- Astma, aktiv lungetuberkulose, interstitiel lungebetændelse og svær bronkiektasi
- Kompliceret med alvorlige sygdomme (akut infektion, diabetes, slagtilfælde, hjertesygdomme, lever- og nyresvigt, kræft eller autoimmun sygdom)
- Anamnese med kronisk diarré eller forstoppelse
- Historien om gastrointestinal kirurgi
- Brug af probiotika eller antibiotika inden for de seneste 4 uger
- Ingen historie med brug af orale hormoner eller traditionel kinesisk medicin i de sidste tre måneder
- Graviditet eller amning
Studieplan
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
Antal grupper/kohorter
Kohorter og interventioner
Gruppe / kohorteGruppe / kohorte |
|---|
|
Hyppig eksacerbation af KOL
|
|
Ikke-hyppig eksacerbation af KOL
|
Hvad måler undersøgelsen?
Primære resultatmål
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Evaluer den prædiktive præstation af forudsigelsesmodellen for hyppige anfaldsrisiko for KOL baseret på området under ROC-kurven.
Tidsramme: Et år
|
Ifølge Area Under Curve (AUC) af ROC har den største den bedste prædiktive ydeevne.
Når AUC>0,5, jo tættere den er på 1, jo bedre er modellens prædiktive ydeevne.
Når AUC=0,5, indikerer det dårlig modeltilpasning og ingen potentiel forudsigelig værdi.
|
Et år
|
Samarbejdspartnere og efterforskere
Sponsor
Sponsor
Datoer for undersøgelser
Studer store datoer
Studiestart (Faktiske)
Studiestart
Primær færdiggørelse (Anslået)
Primær færdiggørelse
Studieafslutning (Anslået)
Studieafslutning
Datoer for studieregistrering
Først indsendt
Først indsendt
Først indsendt, der opfyldte QC-kriterier
Først indsendt, der opfyldte QC-kriterier
Først opslået (Faktiske)
Først opslået
Opdateringer af undersøgelsesjournaler
Sidste opdatering sendt (Faktiske)
Sidste opdatering sendt
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
Sidst verificeret
Sidst verificeret
Mere information
Begreber relateret til denne undersøgelse
Yderligere relevante MeSH-vilkår
Andre undersøgelses-id-numre
Andre undersøgelses-id-numre
- al123456
Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter
Studerer et amerikansk FDA-reguleret lægemiddelprodukt
Studerer et amerikansk FDA-reguleret enhedsprodukt
Disse oplysninger blev hentet direkte fra webstedet clinicaltrials.gov uden ændringer. Hvis du har nogen anmodninger om at ændre, fjerne eller opdatere dine undersøgelsesoplysninger, bedes du kontakte register@clinicaltrials.gov. Så snart en ændring er implementeret på clinicaltrials.gov, vil denne også blive opdateret automatisk på vores hjemmeside .