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

LensAge zur Ermittlung des biologischen Alters

19. Oktober 2022 aktualisiert von: Haotian Lin, Sun Yat-sen University

Ein auf Deep Learning basierender Indikator zur Aufdeckung des biologischen Alters anhand von Linsenfotos

Die Beurteilung des Alterns ist ein zentrales Anliegen des Gesundheitsmanagements. Im Vergleich zum chronologischen Alter kann das biologische Alter den Alterungsprozess und den Gesundheitszustand besser widerspiegeln; Ein effektiver Indikator für das biologische Alter in der klinischen Praxis fehlt jedoch. Die menschliche Linse akkumuliert biologische Veränderungen während des Alterns und ist einer schnellen und objektiven Bewertung zugänglich. Daher werden die Forscher LensAge als innovativen Indikator entwickeln, um das biologische Alter auf der Grundlage von Deep Learning unter Verwendung von Linsenfotos aufzudecken.

Studienübersicht

Status

Rekrutierung

Bedingungen

Studientyp

Beobachtungs

Einschreibung (Voraussichtlich)

6000

Kontakte und Standorte

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

Studienkontakt

  • Name: Haotian Lin, M.D., Ph.D.
  • Telefonnummer: +86-020-87330274
  • E-Mail: gddlht@aliyun.com

Studienorte

  • China
    • Guangdong
      • Guangzhou, Guangdong, China, 510060
        • Rekrutierung
        • Zhongshan Ophthalmic Center, Sun Yat-sen Univerisity
        • Kontakt:

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

16 Jahre bis 96 Jahre (Erwachsene, Älterer Erwachsener)

Akzeptiert gesunde Freiwillige

Nein

Studienberechtigte Geschlechter

Alle

Probenahmeverfahren

Nicht-Wahrscheinlichkeitsprobe

Studienpopulation

Teilnehmer im Alter von 20 bis 90 Jahren haben Fotos des vorderen Segments, Basisinformationen und Krankenakten.

Beschreibung

Einschlusskriterien:

  • Alter von 20 bis 100 Jahren
  • haben Fotos des vorderen Segments
  • über augenärztliche und körperliche Untersuchungsunterlagen verfügen

Ausschlusskriterien:

  • eine Vorgeschichte von früheren Augenoperationen, Augenverletzungen oder Augenerkrankungen haben, die komplizierte Katarakte verursachen können
  • Basisinformationen fehlen

Studienplan

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

Wie ist die Studie aufgebaut?

Designdetails

  • Beobachtungsmodelle: Kohorte
  • Zeitperspektiven: Retrospektive

Kohorten und Interventionen

Gruppe / Kohorte
Altersgruppe
Teilnehmer mit Basisinformationen, Krankengeschichte von Krankheiten und Linsenfotos

Was misst die Studie?

Primäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Der Unterschied zwischen LensAge und chronologischem Alter
Zeitfenster: Grundlinie
Die Altersschätzungsmodelle, die auf einem Convolutional Neural Network (CNN) basieren und Linsenfotografien verwenden, werden verwendet, um LensAge zu generieren. LensAge auf individueller Ebene wird berechnet, indem die Ergebnisse aller Bilder, die einer Person entsprechen, gemittelt werden. Der Unterschied zwischen LensAge auf individueller Ebene und dem chronologischen Alter wird verwendet, um den Alterungsprozess einer Person aufzudecken. Ein Unterschied über 0 weist auf eine Person hin, die schneller altert als ihre Altersgenossen im gleichen chronologischen Alter, während ein Unterschied unter 0 auf ein langsameres Alter hindeutet.
Grundlinie

Sekundäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Korrelation zwischen dem LensAge-Unterschied und altersbezogenen Gesundheitsparametern
Zeitfenster: Grundlinie
Alterskorrigierte LensAge-Differenzen werden verwendet, um die Odds Ratios (ORs) mit altersbezogenen Gesundheitsparametern zu untersuchen.
Grundlinie
Mittlerer absoluter Fehler (MAE) des DL-Altersschätzungsmodells.
Zeitfenster: Grundlinie
Der mittlere absolute Fehler (MAE) sowohl in Bezug auf die Bildebene als auch auf die individuelle Ebene wird verwendet, um die Leistung des DL-Altersschätzungsmodells zu bewerten.
Grundlinie
Mittlerer Fehler (ME) des DL-Altersschätzungsmodells.
Zeitfenster: Grundlinie
Der mittlere Fehler (ME) sowohl in Bezug auf die Bildebene als auch auf die individuelle Ebene wird verwendet, um die Leistung des DL-Altersschätzungsmodells zu bewerten.
Grundlinie
R-Quadrat (R2) des DL-Altersschätzungsmodells.
Zeitfenster: Grundlinie
R-Quadrat (R2) sowohl in Bezug auf die Bildebene als auch auf die individuelle Ebene wird verwendet, um die Leistung des DL-Altersschätzungsmodells zu bewerten.
Grundlinie

Mitarbeiter und Ermittler

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

Sponsor

Sun Yat-sen University

Ermittler

  • Hauptermittler: Haotian Lin, M.D., Ph.D., Zhongshan Ophthalmic Center, Sun Yat-sen Univerisity

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. Januar 2020

Primärer Abschluss (Voraussichtlich)

30. Dezember 2022

Studienabschluss (Voraussichtlich)

30. Dezember 2022

Studienanmeldedaten

Zuerst eingereicht

17. Oktober 2022

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

17. Oktober 2022

Zuerst gepostet (Tatsächlich)

20. Oktober 2022

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Tatsächlich)

21. Oktober 2022

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

19. Oktober 2022

Zuletzt verifiziert

1. Oktober 2022

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Zusätzliche relevante MeSH-Bedingungen

Andere Studien-ID-Nummern

  • LA-2022

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 .

Abonnieren