Diese Seite wurde automatisch übersetzt und die Genauigkeit der Übersetzung wird nicht garantiert. Bitte wende dich an die englische Version für einen Quelltext.

Ein neuartiger Algorithmus für maschinelles Lernen zur Vorhersage der Lewy-Körper-Demenz (MLDLB)

8. September 2020 aktualisiert von: Anastasia Bougea, National and Kapodistrian University of Athens

Ein neuartiger Algorithmus für maschinelles Lernen zur Vorhersage der Lewy-Körper-Demenz mithilfe klinischer und neuropsychologischer Ergebnisse

Parkinson-Demenz (PDD) und Lewy-Körperchen-Demenz (DLB) sind Demenzsyndrome, die sich in vielen klinischen Merkmalen überschneiden, was ihre Diagnose in der klinischen Praxis, insbesondere in fortgeschrittenen Stadien, schwierig macht. Wir schlagen einen Algorithmus für maschinelles Lernen vor, der nur auf nicht-invasiven und leicht in der Klinik erfassbaren Prädiktoren basiert, um diese Störungen mit einer hohen prognostischen Leistung zu identifizieren.

Studienübersicht

Status

Unbekannt

Bedingungen

Intervention / Behandlung

Detaillierte Beschreibung

Der Algorithmus wird unter Verwendung von Datensätzen aus zwei spezialisierten Gedächtniszentren entwickelt, wobei eine Stichprobe von PDD- und DLB-Probanden eingesetzt wird, deren diagnostische Nachbeobachtung für mindestens drei Jahre nach der Basisbewertung verfügbar ist. Als Prädiktoren wurden ein begrenzter Satz an Informationen zu klinisch-demografischen Merkmalen und sechs neuropsychologische Tests (Minimentaltests, kognitive PD-Bewertungsskala, kurzer visuell-räumlicher Gedächtnistest, geschriebene Symbolziffern, Wechsler-Intelligenzskala für Erwachsene, Spurensuche A und B) verwendet. Zwei Klassifizierungsalgorithmen, logistische Regression und K-Nearest Neighbors (K-NNs), werden auf ihre Fähigkeit untersucht, erfolgreich vorherzusagen, ob Patienten an PDD oder DLB leiden.

Studientyp

Beobachtungs

Einschreibung (Voraussichtlich)

200

Kontakte und Standorte

Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.

Studienorte

  • Griechenland
    • Attiki
      • Athens, Attiki, Griechenland, 16674
        • Rekrutierung
        • Anastasia Bougea
        • Kontakt:
        • Unterermittler:
          • Christos Goumas, dr

Teilnahmekriterien

Forscher suchen nach Personen, die einer bestimmten Beschreibung entsprechen, die als Auswahlkriterien bezeichnet werden. Einige Beispiele für diese Kriterien sind der allgemeine Gesundheitszustand einer Person oder frühere Behandlungen.

Zulassungskriterien

Studienberechtigtes Alter

50 Jahre bis 90 Jahre (Erwachsene, Älterer Erwachsener)

Akzeptiert gesunde Freiwillige

Nein

Studienberechtigte Geschlechter

Alle

Probenahmeverfahren

Nicht-Wahrscheinlichkeitsprobe

Studienpopulation

Die PDD-Gruppe besteht aus Patienten, die die Kriterien für eine wahrscheinliche PDD erfüllen, und die DLB-Gruppe. Die Patienten werden aus der registerbasierten Datenbank von zwei Kliniken aufgenommen. Folgende Daten wurden erhoben: Geschlecht, Alter, Bildung, Handdominanz, Krankheitsdauer (Jahre) und Levodopa-Äquivalent-Tagesdosis (LEDD). Die Krankheitslast wird anhand der Movement Disorders Society-United Parkinson's Disease Rating Scale (MDS-UPDRS), Teil III, im Zustand ohne Medikation und anhand der folgenden sechs kognitiven/Verhaltenstests beurteilt: Mini-Mental State Examination (MMSE), PD- Kognitive Bewertungsskala (PD-CRS), kurzer visuell-räumlicher Gedächtnistest (BVMT-TR), geschriebene Symbolziffer (SDMT), Trail-Making-Test (TMT A, B), Wechsler-Intelligenzskala für Erwachsene (WAIS-V). Alle Patienten werden einer MRT des Gehirns und einer Blutuntersuchung unterzogen, um sekundäre Demenzursachen auszuschließen.

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

Dieser Abschnitt enthält Einzelheiten zum Studienplan, einschließlich des Studiendesigns und der Messung der Studieninhalte.

Wie ist die Studie aufgebaut?

Designdetails

Kohorten und Interventionen

Gruppe / Kohorte
Intervention / Behandlung
Parkinson-Demenz
Die PDD-Gruppe bestand aus 58 Patienten, die die Kriterien für eine wahrscheinliche PDD der Movement Disorders Society erfüllten
Diagnosetest: Modell für maschinelles Lernen
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
Diagnosetest: Modell für maschinelles Lernen
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

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

Hier finden Sie Personen und Organisationen, die an dieser Studie beteiligt sind.

Sponsor

National and Kapodistrian University of Athens

Ermittler

  • Hauptermittler: ANASTASIA BOUGEA, National and Kapodistrian University of Athens

Publikationen und hilfreiche Links

Die Bereitstellung dieser Publikationen erfolgt freiwillig durch die für die Eingabe von Informationen über die Studie verantwortliche Person. Diese können sich auf alles beziehen, was mit dem Studium zu tun hat.

Allgemeine Veröffentlichungen

Studienaufzeichnungsdaten

Diese Daten verfolgen den Fortschritt der Übermittlung von Studienaufzeichnungen und zusammenfassenden Ergebnissen an ClinicalTrials.gov. Studienaufzeichnungen und gemeldete Ergebnisse werden von der National Library of Medicine (NLM) überprüft, um sicherzustellen, dass sie bestimmten Qualitätskontrollstandards entsprechen, bevor sie auf der öffentlichen Website veröffentlicht werden.

Haupttermine studieren

Studienbeginn (Tatsächlich)

1. September 2019

Primärer Abschluss (Voraussichtlich)

1. Oktober 2020

Studienabschluss (Voraussichtlich)

1. März 2021

Studienanmeldedaten

Zuerst eingereicht

21. Juni 2020

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

24. Juni 2020

Zuerst gepostet (Tatsächlich)

25. Juni 2020

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Tatsächlich)

10. September 2020

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

8. September 2020

Zuletzt verifiziert

1. September 2020

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Zusätzliche relevante MeSH-Bedingungen

Andere Studien-ID-Nummern

  • 251ATHENS HOSPITAL

Plan für individuelle Teilnehmerdaten (IPD)

Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?

NEIN

Arzneimittel- und Geräteinformationen, Studienunterlagen

Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt

Nein

Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt

Nein

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 .

Klinische Studien zur Demenz

Klinische Studien zur Modell für maschinelles Lernen

Suchen Sie nach ähnlichen Studien

Sponsoren und Mitarbeiter

Krankheiten

Drogeninterventionen

CROs by country

CROs in Benin

Bedingungen

Seltene Krankheiten

Drogeninterventionen

Nahrungsergänzungsmittel

Sponsor / Mitarbeiter

Standorte

Abonnieren