Denne side blev automatisk oversat, og nøjagtigheden af ​​oversættelsen er ikke garanteret. Der henvises til engelsk version for en kildetekst.

Livsstilsmønstrene og udviklingstendensen for kroniske sygdomme i raske og sub-sunde grupper blev analyseret ved hjælp af data-mining-teknikker

9. maj 2022 opdateret af: Far Eastern Memorial Hospital
Brugt flerårig sundhedsundersøgelses medlemsprofil ved hjælp af multialgoritme-teknologi til at finde omfattende nøglerisikofaktorer eller vigtige højrisikogruppekomponenter for metabolisk syndrom og kronisk nyresygdom eller mere almindelige kroniske sygdomme.

Studieoversigt

Detaljeret beskrivelse

Andelen af ​​befolkningen over 65 år i Taiwan nåede 7,10% i 1993. Efter at Taiwan blev et "aldrende land", begyndte den oprindeligt langsomme vækst i den ældre befolkning (9,9 % i 2006) at stige, og den nåede 14,05 % i 2018, hvilket var næsten 2 gange så stor som i 1993. Derudover blev Taiwan formelt et "ældret land" som defineret globalt. Ifølge de statistiske data fra Indenrigsministeriet og data fra Det Nationale Udviklingsråd vurderes det, at befolkningen over 65 år er i hastig vækst. Det forventes, at 6 år senere (i 2026) vil den ældre befolkning i Taiwan overstige 20 %. Taiwan vil formelt blive det "superaldrende land" som defineret globalt, med en befolkningsstruktur svarende til den i Japan, Sydkorea, Singapore og nogle europæiske lande (Department of Statistics, 2018; National Development Council, 2019). For effektivt at forebygge og behandle kroniske sygdomme i sub-sundhedspopulationer og udvikle forudsigelsessystemer for sundhedsstyring, der har ubegrænsede markedsmuligheder og potentialer, har forfatteren til hensigt at udvide resultaterne af individuelle projekter sponsoreret af Ministeriet for Videnskab og Teknologi i de seneste år. Ved flerårig komplet sundhedsundersøgelse medlemsprofil brugte dette projekt flere algoritmer, såsom logistisk regression (LR); Klassifikations- og regressionstræer (CART); Hierarkisk lineær modellering (HLM); Tilfældige skove (RF); Support-Vector Machines (SVM); eXtreme Gradient Boosting (xGBoost); Light Gradient Boosting Machine (LightGBM) og flere analyseværktøjer til at udforske de almindelige potentielle sundhedsfarevariabler for subsundhedsbefolkningen for at etablere et omfattende sundhedsledelsessystem for vurdering, der kan opdage kroniske sygdomme tidligt, forskningsresultaterne vil blive givet til reference i relaterede felter.

Undersøgelsestype

Observationel

Tilmelding (Forventet)

81108

Kontakter og lokationer

Dette afsnit indeholder kontaktoplysninger for dem, der udfører undersøgelsen, og oplysninger om, hvor denne undersøgelse udføres.

Studiesteder

    • Pan-Chiao Dist.
      • New Taipei City, Pan-Chiao Dist., Taiwan, 22061
        • Oriental Institute of Technology / Far Eastern Memorial 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

  • VOKSEN
  • OLDER_ADULT
  • BARN

Tager imod sunde frivillige

Ingen

Køn, der er berettiget til at studere

Alle

Prøveudtagningsmetode

Ikke-sandsynlighedsprøve

Studiebefolkning

I 2006-2017 af MJ Health Research Foundations medlem af den afkoblede og afidentificerede årlige sundhedstjekdatabase, omkring 71.108 personer; 2015-2020, Health2Sync leverer [Intelligent Anti-Glucose System], den biometriske og adfærdsmæssige genstand afkoblede og afidentificerede data, omkring 10.000 mennesker.

Beskrivelse

Inklusionskriterier:

  • Kontinuerlig sundhedsscreening to gange eller mere i MJ-sundhedsrapporter.
  • Kronisk nyresygdom
  • Metabolisk syndrom
  • Eller mere, almindelige kroniske sygdomme

Ekskluderingskriterier:

  • Deltagere, der har modtaget klinisk behandling
  • Emner for andre relaterede forskningssygdomme

Studieplan

Dette afsnit indeholder detaljer om studieplanen, herunder hvordan undersøgelsen er designet, og hvad undersøgelsen måler.

Hvordan er undersøgelsen tilrettelagt?

Design detaljer

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Antal deltagere med metabolisk syndrom i nyresygdomsrelaterede uønskede hændelser vurderet ved estimeret glomerulær filtrationshastighed
Tidsramme: 2 år
Fysiologisk information om deltagere med kroniske nyresygdomsrelaterede uønskede hændelser vurderet i metabolisk syndrom, ved naturlig longitudinel ændring fra baseline i estimeret glomerulær filtrationshastighed efter 2 år nylig i sundhedsscreening hos deltagere.
2 år

Samarbejdspartnere og efterforskere

Det er her, du vil finde personer og organisationer, der er involveret i denne undersøgelse.

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)

3. marts 2021

Primær færdiggørelse (FORVENTET)

3. juli 2024

Studieafslutning (FORVENTET)

31. juli 2024

Datoer for studieregistrering

Først indsendt

21. oktober 2021

Først indsendt, der opfyldte QC-kriterier

26. januar 2022

Først opslået (FAKTISKE)

4. februar 2022

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (FAKTISKE)

10. maj 2022

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

9. maj 2022

Sidst verificeret

1. marts 2022

Mere information

Begreber relateret til denne undersøgelse

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 .

Abonner