Machine Learning til omklassificering af fedme
23. juni 2020 opdateret af: Shen Qu, Shanghai 10th People's Hospital
Datadrevet klyngedannelse til metabolisk klassificering af fedme ved hjælp af maskinlæring
Målet med denne undersøgelse er at anvende eller udvikle computermodelleringsteknikker til den præcise omklassificering af fedme i undergrupper.
Kliniske træk, risici for ikke-smitsomme sygdomme samt vægttabseffekter af fedmekirurgi vil også blive undersøgt og sammenlignet inden for undergrupperne.
Studieoversigt
Status
Afsluttet
Betingelser
Intervention / Behandling
Undersøgelsestype
Observationel
Tilmelding (Faktiske)
2495
Kontakter og lokationer
Dette afsnit indeholder kontaktoplysninger for dem, der udfører undersøgelsen, og oplysninger om, hvor denne undersøgelse udføres.
Studiesteder
-
-
Shanghai
-
Shanghai, Shanghai, Kina, 200072
- Shanghai Tenth People's Hospital
-
-
Deltagelseskriterier
Forskere leder efter personer, der passer til en bestemt beskrivelse, kaldet berettigelseskriterier. Nogle eksempler på disse kriterier er en persons generelle helbredstilstand eller tidligere behandlinger.
Berettigelseskriterier
Aldre berettiget til at studere
10 år til 70 år (Barn, Voksen, Ældre voksen)
Tager imod sunde frivillige
Ja
Køn, der er berettiget til at studere
Alle
Prøveudtagningsmetode
Sandsynlighedsprøve
Studiebefolkning
Patienter med overvægt/fedme.
Beskrivelse
Inklusionskriterier:
- Patienter med overvægt/fedme
- Patienter med normalvægt som kontroller
Ekskluderingskriterier:
- nogensinde er blevet udført med en fedmeoperation, før undersøgelsens første besøg er planlagt;
- havde taget eksogent insulin, medicin, der påvirker glukosemetabolismen, eller urinsyremedicin i øjeblikket;
- bliver diagnosticeret med type 1-diabetes, sekundær diabetes, arvelig sygdom eller alvorlig sygdom (f. ondartet tumor, hjertesvigt, leversvigt osv.);
- under drægtighed af amning;
- havde ikke de fuldstændige data for modellen;
- for normalvægtige kontroller blev patienter med diabetes eller hyperurikæmi udelukket.
Studieplan
Dette afsnit indeholder detaljer om studieplanen, herunder hvordan undersøgelsen er designet, og hvad undersøgelsen måler.
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
Kohorter og interventioner
Gruppe / kohorte |
Intervention / Behandling |
|---|---|
|
NW
normal vægtkontrol
|
|
|
MHO
metabolisk sund fedme
|
Beregningsmodelleringsteknikker vil blive brugt til den præcise omklassificering af fedme i fire undergrupper, flere variabler i henhold til den kliniske erfaring og modelleringsresultaterne vil blive udvalgt til klyngeanalysen.
|
|
LMO
hypometabolisk fedme
|
Beregningsmodelleringsteknikker vil blive brugt til den præcise omklassificering af fedme i fire undergrupper, flere variabler i henhold til den kliniske erfaring og modelleringsresultaterne vil blive udvalgt til klyngeanalysen.
|
|
HMO-U
hypermetabolisk fedme med hyperurikæmi
|
Beregningsmodelleringsteknikker vil blive brugt til den præcise omklassificering af fedme i fire undergrupper, flere variabler i henhold til den kliniske erfaring og modelleringsresultaterne vil blive udvalgt til klyngeanalysen.
|
|
HMO-I
hypermetabolisk fedme med hyperinsulinemi
|
Beregningsmodelleringsteknikker vil blive brugt til den præcise omklassificering af fedme i fire undergrupper, flere variabler i henhold til den kliniske erfaring og modelleringsresultaterne vil blive udvalgt til klyngeanalysen.
|
Hvad måler undersøgelsen?
Primære resultatmål
Resultatmål |
Tidsramme |
|---|---|
|
Metabolisk klassificering af patienter med fedme ved hjælp af maskinlæring
Tidsramme: baseline
|
baseline
|
Sekundære resultatmål
Resultatmål |
Tidsramme |
|---|---|
|
Metaboliske egenskaber hos patienter i forskellige undergrupper
Tidsramme: baseline
|
baseline
|
|
Risici for ikke-smitsom sygdom hos patienter i forskellige undergrupper
Tidsramme: baseline
|
baseline
|
|
Effekt af fedmekirurgi hos patienter i forskellige undergrupper
Tidsramme: 1 år efter fedmeoperation
|
1 år efter fedmeoperation
|
Samarbejdspartnere og efterforskere
Det er her, du vil finde personer og organisationer, der er involveret i denne undersøgelse.
Publikationer og nyttige links
Den person, der er ansvarlig for at indtaste oplysninger om undersøgelsen, leverer frivilligt disse publikationer. Disse kan handle om alt relateret til undersøgelsen.
Datoer for undersøgelser
Disse datoer sporer fremskridtene for indsendelser af undersøgelsesrekord og resumeresultater til ClinicalTrials.gov. Studieregistreringer og rapporterede resultater gennemgås af National Library of Medicine (NLM) for at sikre, at de opfylder specifikke kvalitetskontrolstandarder, før de offentliggøres på den offentlige hjemmeside.
Studer store datoer
Studiestart (Faktiske)
1. marts 2020
Primær færdiggørelse (Faktiske)
30. april 2020
Studieafslutning (Faktiske)
20. juni 2020
Datoer for studieregistrering
Først indsendt
21. februar 2020
Først indsendt, der opfyldte QC-kriterier
21. februar 2020
Først opslået (Faktiske)
25. februar 2020
Opdateringer af undersøgelsesjournaler
Sidste opdatering sendt (Faktiske)
25. juni 2020
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
23. juni 2020
Sidst verificeret
1. juni 2020
Mere information
Begreber relateret til denne undersøgelse
Yderligere relevante MeSH-vilkår
Andre undersøgelses-id-numre
- Obesity Reclassification
Plan for individuelle deltagerdata (IPD)
Planlægger du at dele individuelle deltagerdata (IPD)?
INGEN
Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter
Studerer et amerikansk FDA-reguleret lægemiddelprodukt
Ingen
Studerer et amerikansk FDA-reguleret enhedsprodukt
Ingen
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 .
Kliniske forsøg med AI klassificering af patienter med fedme
-
Marmara UniversityUkendt