Vorhersage der MMSE-Scores für kognitive Beeinträchtigung
22. November 2024 aktualisiert von: Blekinge Institute of Technology
Vorhersage von MMSE-Scores für kognitive Beeinträchtigung: Eine Analyse der Mundgesundheit und demografischer Daten durch maschinelles Lernen bei Personen über 60 Jahren
Diese Studie zielt darauf ab, das Potenzial der Verwendung von Algorithmen für maschinelles Lernen (ML) zur Vorhersage des kognitiven Status, insbesondere MMSE-Scores, auf der Grundlage von Mundgesundheits- und demografischen Daten zu untersuchen.
Ziel ist es, die Wirksamkeit verschiedener ML-Modelle zu bewerten und die relevantesten Mundgesundheitsindikatoren für die Vorhersage von MMSE-Werten von 30 (normale Kognition) oder ≤26 (kognitive Beeinträchtigung) bei Personen ab 60 Jahren zu identifizieren.
Studienübersicht
Status
Abgeschlossen
Bedingungen
Intervention / Behandlung
Detaillierte Beschreibung
Diese Querschnittsstudie nutzt Mundgesundheits- und demografische Daten aus zwei bestehenden Kohortenstudien: der europäischen Verbundstudie „Support Monitoring and Reminder Technology for Mild Dementia“ (SMART4MD) und der schwedischen nationalen Studie zu Altern und Pflege (SNAC-B). In die Analyse werden Teilnehmer ab 60 Jahren einbezogen. Die Daten werden verwendet, um Modelle für maschinelles Lernen zur Vorhersage des kognitiven Status zu entwickeln und zu bewerten.
Ziele:
- Hauptziel: Bewertung des Potenzials von Mundgesundheitsparametern für die binäre Klassifizierung von MMSE-Scores (30 vs. ≤26).
- Sekundäres Ziel: Ermittlung der einflussreichsten Mundgesundheitsparameter, die zur Vorhersage kognitiver Beeinträchtigungen beitragen.
- Tertiäres Ziel: Vergleich der Leistung der Klassifikatoren Random Forest (RF), Support Vector Machine (SVM) und CatBoost (CB) bei der Vorhersage von MMSE-Scores anhand von Mundgesundheitsdaten.
Studientyp
Beobachtungs
Einschreibung (Tatsächlich)
693
Kontakte und Standorte
Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.
Studienorte
-
-
-
Karlskrona, Schweden, 37179
- Blekinge Institute of Technology
-
-
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
- Älterer Erwachsener
Akzeptiert gesunde Freiwillige
Ja
Probenahmeverfahren
Nicht-Wahrscheinlichkeitsprobe
Studienpopulation
Es werden Daten analysiert, die im Rahmen der europäischen Verbundstudie „Support Monitoring and Reminder Technology for Mild Dementia“ (SMART4MD) und der schwedischen Nationalen Studie zu Altern und Pflege (SNAC-B) gesammelt wurden.
In die Analyse werden Teilnehmer ab 60 Jahren einbezogen.
Beschreibung
Einschlusskriterien:
- Personen ab 60 Jahren.
- Teilnehmer mit aufgezeichneten Mundgesundheitsparametern und MMSE-Werten von entweder 30 oder ≤26.
Ausschlusskriterien:
- Personen mit MMSE-Werten von 27, 28 oder 29, da diese Werte eine Übergangsphase zwischen normaler Kognition und kognitiver Beeinträchtigung darstellen, was zu Variabilität führen kann.
- Personen unter 60 Jahren.
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 |
|---|---|
|
MMSE ≤26
339 Teilnehmer
|
Ein Datensatz bestehend aus Teilnehmern mit MMSE-Werten von ≤26 und 30 wird verwendet, um die Klassifizierungsleistung verschiedener Techniken des maschinellen Lernens zu bewerten.
Andere Namen:
|
|
MMSE 30
354 Teilnehmer
|
Ein Datensatz bestehend aus Teilnehmern mit MMSE-Werten von ≤26 und 30 wird verwendet, um die Klassifizierungsleistung verschiedener Techniken des maschinellen Lernens zu bewerten.
Andere Namen:
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Erkennungsleistung
Zeitfenster: 5 Monate
|
Die Studie misst die Klassifizierungsleistung von Klassifikatoren für maschinelles Lernen.
Für die Bewertung werden Leistungsmetriken, Genauigkeit, Präzision, Rückruf, F1-Score und Verwirrungsmatrix verwendet.
Die Untersuchung der wichtigsten Merkmale stützte sich auf SHAP-Zusammenfassungsdiagramme, die Visualisierungen des Einflusses von Parametergruppen auf die Ausgabe, geordnet nach ihrer Wichtigkeit, lieferten.
Diese Bedeutung basiert auf SHAP-Werten und bietet Einblicke in die Auswirkungen von Funktionen auf den Entscheidungsprozess des ML-Modells
|
5 Monate
|
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)
10. Juni 2024
Primärer Abschluss (Tatsächlich)
10. Oktober 2024
Studienabschluss (Tatsächlich)
10. November 2024
Studienanmeldedaten
Zuerst eingereicht
17. September 2024
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
20. September 2024
Zuerst gepostet (Tatsächlich)
25. September 2024
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Geschätzt)
25. November 2024
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
22. November 2024
Zuletzt verifiziert
1. September 2024
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Schlüsselwörter
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
- BTH-6.1.1-0156-2024
Plan für individuelle Teilnehmerdaten (IPD)
Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?
NEIN
Beschreibung des IPD-Plans
Teilnehmerdaten können aufgrund der DSGVO nicht weitergegeben werden.
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 .