- ICH GCP
- US-Register für klinische Studien
- Klinische Studie NCT05225454
Die Lebensstilmuster und der Entwicklungstrend chronischer Erkrankungen in gesunden und subgesunden Gruppen wurden mit Hilfe von Data-Mining-Techniken analysiert
9. Mai 2022 aktualisiert von: Far Eastern Memorial Hospital
Verwendung des mehrjährigen Mitgliedsprofils der Gesundheitsuntersuchung durch Multi-Algorithmus-Technologie, um umfassende Hauptgefahrenfaktoren oder wichtige Hochrisikogruppenkomponenten für das metabolische Syndrom und chronische Nierenerkrankungen oder häufigere chronische Erkrankungen zu finden.
Studienübersicht
Status
Aktiv, nicht rekrutierend
Bedingungen
Intervention / Behandlung
Detaillierte Beschreibung
Der Anteil der Bevölkerung über 65 Jahre in Taiwan erreichte 1993 7,10 %.
Nachdem Taiwan zu einem 「alternden Land」 wurde, begann das ursprünglich langsame Wachstum der älteren Bevölkerung (9,9 % im Jahr 2006) zuzunehmen und erreichte 2018 14,05 %, was fast dem Doppelten von 1993 entsprach.
Darüber hinaus wurde Taiwan formell zu einem 「gealterten Land」 im Sinne der globalen Definition.
Nach den statistischen Daten des Innenministeriums und den Daten des Nationalen Entwicklungsrates wird geschätzt, dass die Bevölkerung über 65 Jahre schnell wächst.
Es wird erwartet, dass 6 Jahre später (bis 2026) die ältere Bevölkerung in Taiwan 20 % überschreiten wird.
Taiwan wird offiziell das 「Super-Alter-Land」, wie es global definiert ist, mit einer Bevölkerungsstruktur ähnlich der in Japan, Südkorea, Singapur und einigen europäischen Ländern (Department of Statistics, 2018; National Development Council, 2019).
Um chronischen Krankheiten von Bevölkerungsgruppen mit eingeschränkter Gesundheit wirksam vorzubeugen und zu behandeln und Gesundheitsmanagement-Vorhersagesysteme zu entwickeln, die unbegrenzte Marktchancen und -potenziale haben, beabsichtigt der Autor, die Errungenschaften einzelner Projekte, die in den letzten Jahren vom Ministerium für Wissenschaft und Technologie gefördert wurden, auszubauen.
Durch das mehrjährige vollständige Gesundheitsuntersuchungsmitgliedsprofil verwendete dieses Projekt mehrere Algorithmen, wie z. B. die logistische Regression (LR); Klassifizierungs- und Regressionsbäume (CART); Hierarchische lineare Modellierung (HLM); Zufällige Wälder (RF); Support-Vektor-Maschinen (SVM); eXtreme Gradient Boosting (xGBoost); Light Gradient Boosting Machine (LightGBM) und mehrere Analysetools zur Untersuchung der gemeinsamen potenziellen Gesundheitsrisikovariablen der Bevölkerung mit eingeschränkter Gesundheit, um ein umfassendes Bewertungs-Gesundheitsmanagementsystem einzurichten, mit dem chronische Krankheiten frühzeitig erkannt werden können. Die Forschungsergebnisse werden in Bezug auf Referenz bereitgestellt Felder.
Studientyp
Beobachtungs
Einschreibung (Voraussichtlich)
81108
Kontakte und Standorte
Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.
Studienorte
-
-
Pan-Chiao Dist.
-
New Taipei City, Pan-Chiao Dist., Taiwan, 22061
- Oriental Institute of Technology / Far Eastern Memorial Hospital
-
-
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
- ERWACHSENE
- OLDER_ADULT
- KIND
Akzeptiert gesunde Freiwillige
Nein
Studienberechtigte Geschlechter
Alle
Probenahmeverfahren
Nicht-Wahrscheinlichkeitsprobe
Studienpopulation
In den Jahren 2006-2017 des Mitglieds der MJ Health Research Foundation, der entkoppelten und anonymisierten jährlichen Gesundheitscheck-Datenbank, etwa 71.108 Personen; 2015-2020 liefert Health2Sync [Intelligent Anti-Glucose System], die biometrischen und verhaltensbezogenen Daten entkoppelt und anonymisiert, etwa 10.000 Menschen.
Beschreibung
Einschlusskriterien:
- Kontinuierliches Gesundheitsscreening zweimal oder öfter in MJ-Gesundheitsberichten.
- Chronisches Nierenleiden
- Metabolisches Syndrom
- Oder mehr, häufige chronische Krankheiten
Ausschlusskriterien:
- Teilnehmer, die eine klinische Behandlung erhalten haben
- Themen anderer verwandter Forschungskrankheiten
Studienplan
Dieser Abschnitt enthält Einzelheiten zum Studienplan, einschließlich des Studiendesigns und der Messung der Studieninhalte.
Wie ist die Studie aufgebaut?
Designdetails
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Anzahl der Teilnehmer mit metabolischem Syndrom bei nierenerkrankungsbedingten unerwünschten Ereignissen, ermittelt anhand der geschätzten glomerulären Filtrationsrate
Zeitfenster: 2 Jahre
|
Physiologische Informationen von Teilnehmern mit unerwünschten Ereignissen im Zusammenhang mit einer chronischen Nierenerkrankung, bewertet beim metabolischen Syndrom, durch natürliche Längsveränderung gegenüber dem Ausgangswert der geschätzten glomerulären Filtrationsrate vor 2 Jahren bei Gesundheitsscreenings bei Teilnehmern.
|
2 Jahre
|
Mitarbeiter und Ermittler
Hier finden Sie Personen und Organisationen, die an dieser Studie beteiligt sind.
Sponsor
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)
3. März 2021
Primärer Abschluss (ERWARTET)
3. Juli 2024
Studienabschluss (ERWARTET)
31. Juli 2024
Studienanmeldedaten
Zuerst eingereicht
21. Oktober 2021
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
26. Januar 2022
Zuerst gepostet (TATSÄCHLICH)
4. Februar 2022
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (TATSÄCHLICH)
10. Mai 2022
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
9. Mai 2022
Zuletzt verifiziert
1. März 2022
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
- 110027-E
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 .