Ein neuartiger Algorithmus für maschinelles Lernen zur Vorhersage der Lewy-Körper-Demenz (MLDLB)
Ein neuartiger Algorithmus für maschinelles Lernen zur Vorhersage der Lewy-Körper-Demenz mithilfe klinischer und neuropsychologischer Ergebnisse
Studienübersicht
Status
Status
Bedingungen
Bedingungen
Intervention / Behandlung
Intervention / Behandlung
Detaillierte Beschreibung
Studientyp
Studientyp
Einschreibung (Voraussichtlich)
Einschreibung
Kontakte und Standorte
Studienkontakt
Studienkontakt
- Name: ANASTASIA BOUGEA, DR
- Telefonnummer: +306930481046
- E-Mail: annita139@yahoo.gr
Studieren Sie die Kontaktsicherung
- Name: ANASTASIA BOUGEA
- Telefonnummer: +306930481046
- E-Mail: annita139@yahoo.gr
Studienorte
-
-
Attiki
-
Athens, Attiki, Griechenland, 16674
- Rekrutierung
- Anastasia Bougea
-
Kontakt:
- EFTHYMIA EFTHYMIIOPOULOU, dr
- Telefonnummer: 00306943061632
- E-Mail: faih.efthymiopoulou@gmail.com
-
Unterermittler:
- Christos Goumas, dr
-
-
Teilnahmekriterien
Zulassungskriterien
Zulassungskriterien
Studienberechtigtes Alter
Akzeptiert gesunde Freiwillige
Studienberechtigte Geschlechter
Probenahmeverfahren
Studienpopulation
Beschreibung
Einschlusskriterien:
Die PDD-Gruppe bestand aus Patienten, die die Kriterien für eine wahrscheinliche PDD der Movement Disorders Society erfüllten. (b) Die DLB-Gruppe bestand aus Patienten gemäß den kürzlich überarbeiteten Kriterien für eine wahrscheinliche DLB.
Ausschlusskriterien:
- schwere psychiatrische Störungen, Depression
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
Anzahl der Gruppen / Kohorten
Kohorten und Interventionen
Gruppe / KohorteGruppe / Kohorte |
Intervention / BehandlungIntervention / Behandlung |
|---|---|
|
Parkinson-Demenz
Die PDD-Gruppe bestand aus 58 Patienten, die die Kriterien für eine wahrscheinliche PDD der Movement Disorders Society erfüllten
|
Zwei Klassifizierungsalgorithmen, logistische Regression und K-Nearest Neighbors (K-NNs), wurden auf ihre Fähigkeit untersucht, erfolgreich vorherzusagen, ob Patienten an PDD oder DLB leiden.
|
|
Demenz mit Lewy-Körperchen
Die DLB-Gruppe umfasste gemäß den kürzlich überarbeiteten Kriterien für wahrscheinliches DLB 40 Patienten
|
Zwei Klassifizierungsalgorithmen, logistische Regression und K-Nearest Neighbors (K-NNs), wurden auf ihre Fähigkeit untersucht, erfolgreich vorherzusagen, ob Patienten an PDD oder DLB leiden.
|
Was misst die Studie?
Primäre Ergebnismessungen
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
MMSE-Vorhersage für dlb oder PDD
Zeitfenster: 1 Jahr
|
Zwei Klassifizierungsalgorithmen, logistische Regression und K-Nearest Neighbors (K-NNs), werden diese Tests kombinieren, um ihre Fähigkeit zu untersuchen, erfolgreich vorherzusagen, ob Patienten an PDD oder DLB leiden.
|
1 Jahr
|
|
Parkinson-Krankheit – Cognitive Rating Scale (PD-CRS) zur Vorhersage von DLB oder PDD
Zeitfenster: 1 Jahr
|
Zwei Klassifizierungsalgorithmen, logistische Regression und K-Nearest Neighbors (K-NNs), werden diese Tests kombinieren, um ihre Fähigkeit zu untersuchen, erfolgreich vorherzusagen, ob Patienten an PDD oder DLB leiden.
|
1 Jahr
|
|
Kurzer visuell-räumlicher Gedächtnistest (BVMT-TR) zur Vorhersage von DLB oder PDD
Zeitfenster: 1 Jahr
|
Zwei Klassifizierungsalgorithmen, logistische Regression und K-Nearest Neighbors (K-NNs), werden diese Tests kombinieren, um ihre Fähigkeit zu untersuchen, erfolgreich vorherzusagen, ob Patienten an PDD oder DLB leiden.
|
1 Jahr
|
|
Prädiktive Symbolziffer für DLB oder PDD
Zeitfenster: 1 Jahr
|
Zwei Klassifizierungsalgorithmen, logistische Regression und K-Nearest Neighbors (K-NNs), werden diese Tests kombinieren, um ihre Fähigkeit zu untersuchen, erfolgreich vorherzusagen, ob Patienten an PDD oder DLB leiden.
|
1 Jahr
|
|
Wechsler-Intelligenzskala für Erwachsene, prädiktiv für DLB oder PDD
Zeitfenster: 1 Jahr
|
Zwei Klassifizierungsalgorithmen, logistische Regression und K-Nearest Neighbors (K-NNs), werden diese Tests kombinieren, um ihre Fähigkeit zu untersuchen, erfolgreich vorherzusagen, ob Patienten an PDD oder DLB leiden.
|
1 Jahr
|
|
Trail macht A und B prädiktiv für DLB oder PDD
Zeitfenster: 1 Jahr
|
Zwei Klassifizierungsalgorithmen, logistische Regression und K-Nearest Neighbors (K-NNs), werden diese Tests kombinieren, um ihre Fähigkeit zu untersuchen, erfolgreich vorherzusagen, ob Patienten an PDD oder DLB leiden.
|
1 Jahr
|
Mitarbeiter und Ermittler
Sponsor
Sponsor
Ermittler
Ermittler
- Hauptermittler: ANASTASIA BOUGEA, National and Kapodistrian University of Athens
Publikationen und hilfreiche Links
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Tatsächlich)
Studienbeginn
Primärer Abschluss (Voraussichtlich)
Primärer Abschluss
Studienabschluss (Voraussichtlich)
Studienabschluss
Studienanmeldedaten
Zuerst eingereicht
Zuerst eingereicht
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst gepostet (Tatsächlich)
Zuerst gepostet
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
Letztes Update gepostet
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Zuletzt verifiziert
Zuletzt verifiziert
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
Andere Studien-ID-Nummern
- 251ATHENS HOSPITAL
Plan für individuelle Teilnehmerdaten (IPD)
Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?
Arzneimittel- und Geräteinformationen, Studienunterlagen
Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt
Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt
Diese Informationen wurden ohne Änderungen direkt von der Website clinicaltrials.gov abgerufen. Wenn Sie Ihre Studiendaten ändern, entfernen oder aktualisieren möchten, wenden Sie sich bitte an register@clinicaltrials.gov. Sobald eine Änderung auf clinicaltrials.gov implementiert wird, wird diese automatisch auch auf unserer Website aktualisiert .