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

Eine multizentrische Studie zur Frühdiagnose von NSTE-ACS-Patienten basierend auf einem Modell des maschinellen Lernens

29. Dezember 2020 aktualisiert von: Xiang Ma, First Affiliated Hospital of Xinjiang Medical University
Die Frühdiagnose von NSTEMI- und UA-Patienten erfolgt hauptsächlich durch die Erstellung eines Modells für maschinelles Lernen.

Studienübersicht

Status

Unbekannt

Bedingungen

Intervention / Behandlung

Detaillierte Beschreibung

Die Patienten mit NSTEMI und UA wurden eingeschlossen. Nach der manuellen Kennzeichnung wurden die Merkmale der Aufnahmeaufzeichnungen der Patienten ausgewählt. 75 % der Daten werden zur Erstellung des Modells verwendet und 25 % der Daten werden zur Überprüfung der Gültigkeit des Modells verwendet. Zur Identifizierung und Diagnose von NSTEMI- und UA-Patienten wurden fünf Klassifizierungsmodelle für eindimensionale Faltung (CNN), naive Bayesian (NB), Support Vector Machine (SVM), Random Forest (RF) und Ensemble-Lernen erstellt. Zur Messung der Vor- und Nachteile der Modelle werden eine mehrfache Kreuzvalidierung und eine ROC-AUC-Kurve verwendet.

Studientyp

Beobachtungs

Einschreibung (Tatsächlich)

2500

Kontakte und Standorte

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

Studienorte

  • China
    • Xinjiang
      • Ürümqi, Xinjiang, China, 830000
        • The First Affiliated Hospital of Xinjiang Medical University

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

18 Jahre bis 75 Jahre (Erwachsene, Älterer Erwachsener)

Akzeptiert gesunde Freiwillige

N/A

Studienberechtigte Geschlechter

Alle

Probenahmeverfahren

Wahrscheinlichkeitsstichprobe

Studienpopulation

Patienten mit NSTEMI und UA wurden von 2017 bis 2019 in das Brustschmerzzentrum des First Affiliated Hospital der Xinjiang Medical University und des First Affiliated Hospital des Medical College der Shihezi University aufgenommen.

Beschreibung

Einschlusskriterien:

  • Die Einbeziehung und der Ausschluss der Patienten erfolgte streng nach den diagnostischen Kriterien der chinesischen Leitlinien für die Diagnose und Behandlung des akuten Koronarsyndroms ohne ST-Strecken-Hebung (2016). Die Patienten wurden mit Brustschmerzen als Hauptbeschwerde ins Krankenhaus eingeliefert und in das erste angeschlossene Krankenhaus der Medizinischen Universität Xinjiang und das erste angeschlossene Krankenhaus der Medizinischen Hochschule der Shihezi-Universität eingeliefert. Bei den Patienten wurde mittels Koronarangiographie NSTEMI und UA diagnostiziert (Alter: 30 bis 75 Jahre).

Ausschlusskriterien:

- 1. Patienten mit STEMI, Aortenaneurysma, Pneumothorax und anderen nicht kardiogenen Brustschmerzen. 2. Schweres hepatorenales Versagen, Primärtumor ohne chirurgische Behandlung, nicht schwere Infektion mit Komplikationen durch Schock und schwangere Frauen. 3. Frühere schwere Herzklappenerkrankung, virale Myokarditis, Perikarderguss, Herzschrittmacherimplantation, kardiogener Schock mit schwerwiegenden Komplikationen, hypertensive Herzerkrankung, verschiedene Kardiomyopathien, angeborene Herzerkrankungen usw.

4. In der Vergangenheit wurden Patienten mit Herzerkrankungen, AECOPD, Lungentumor und Hyperthyreose diagnostiziert.

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
CNN-Modell
Von 2017 bis 2019 wurden elektronische Gesundheitsinformationen von NSTEMI- und UA-Patienten in zwei Brustschmerzzentren gesammelt. Nach manueller Kennzeichnung wurden die Merkmale der Patientenaufnahmedatensätze ausgewählt und ein eindimensionales Faltungsmodell (CNN) erstellt. Unter Verwendung der mehrfachen Kreuzvalidierung und der ROC-AUC-Kurve als Messindex werden 75 % der Daten modelliert und 25 % der Daten zur Überprüfung der Wirkung des Modells verwendet.
Diagnosetest: Das Modell des maschinellen Lernens
Frühdiagnose von NTEMI-Patienten durch maschinelles Lernmodell
XG-Boost
Durch die Konstruktion des XG-Boost-Modells werden unter Verwendung der mehrfachen Kreuzvalidierung und der ROC-AUC-Kurve als Messindex 75 % der Daten modelliert und 25 % der Daten zur Überprüfung der Wirkung des Modells verwendet.
Diagnosetest: Das Modell des maschinellen Lernens
Frühdiagnose von NTEMI-Patienten durch maschinelles Lernmodell

Was misst die Studie?

Primäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Genaue Diagnose von NSTEMI bei Patienten mit akuten Brustschmerzen
Zeitfenster: Innerhalb von 1 Jahr
NSTEMI-Patienten werden durch einen trainierten maschinellen Lernalgorithmus genau diagnostiziert wie Patienten mit akuten Brustschmerzen. Unser Modell verwendet eine mehrfache Kreuzvalidierung und eine ROC-AUC-Kurve als Messindex. 75 % der Daten werden modelliert und 25 % der Daten überprüfen die Wirkung des Modells. Aus diesem Grund berechnen wir das Verhältnis von Genauigkeit, Spezifität und Wahrscheinlichkeit, wenn der Sensitivitätsgrenzwert 0,9 beträgt.
Innerhalb von 1 Jahr

Mitarbeiter und Ermittler

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

Sponsor

First Affiliated Hospital of Xinjiang Medical University

Mitarbeiter

Shihezi University

Ermittler

  • Hauptermittler: Aikeliyaer Ainiwaer, M.D, First Affiliated Hospital of Xinjiang Medical University
  • Studienleiter: Quan Qi, Ph.D, College of Information and Technology, Shihezi University
  • Hauptermittler: Yi Ying Du, M.D, First Affiliated Hospital of Xinjiang Medical University

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)

20. Dezember 2020

Primärer Abschluss (Voraussichtlich)

20. Dezember 2021

Studienabschluss (Voraussichtlich)

1. Juni 2022

Studienanmeldedaten

Zuerst eingereicht

19. Dezember 2020

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

19. Dezember 2020

Zuerst gepostet (Tatsächlich)

24. Dezember 2020

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Tatsächlich)

31. Dezember 2020

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

29. Dezember 2020

Zuletzt verifiziert

1. Dezember 2020

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Schlüsselwörter

Zusätzliche relevante MeSH-Bedingungen

Andere Studien-ID-Nummern

  • XMa

Plan für individuelle Teilnehmerdaten (IPD)

Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?

UNENTSCHIEDEN

Beschreibung des IPD-Plans

Modell für maschinelles Lernen zur Identifizierung von Patienten mit UA und NSTMI

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 Instabile Angina

Klinische Studien zur Das Modell des maschinellen Lernens

Suchen Sie nach ähnlichen Studien

Sponsoren und Mitarbeiter

Krankheiten

Drogeninterventionen

CROs by country

CROs in Burundi

Bedingungen

Seltene Krankheiten

Drogeninterventionen

Nahrungsergänzungsmittel

Sponsor / Mitarbeiter

Standorte

3
Abonnieren