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

KI-gesteuerte Vorhersage des biologischen Alters mit EHR

1. April 2025 aktualisiert von: Kang Zhang, The Eye Hospital of Wenzhou Medical University

Vorhersage des biologischen Alters mithilfe elektronischer Patientenakten: ein KI-basierter Ansatz

Hierbei handelt es sich um eine multizentrische, retrospektive klinische Studie zur Bewertung der Anwendung und Wirksamkeit eines KI-gestützten Vorhersagemodells zur Vorhersage des biologischen Alters mithilfe elektronischer Gesundheitsakten (EHR). Die Studie wird verschiedene Gesundheitsdatenpunkte analysieren, darunter Krankengeschichte, Laborergebnisse und klinische Beobachtungen, um das biologische Alter der Patienten abzuschätzen. Ziel der Studie ist es, durch den Vergleich des biologischen Alters mit dem chronologischen Alter die Genauigkeit des Modells und sein Potenzial bei der Identifizierung altersbedingter Gesundheitsrisiken und der Verbesserung der Patientenversorgung zu bewerten.

Studienübersicht

Status

Rekrutierung

Bedingungen

Intervention / Behandlung

Detaillierte Beschreibung

Die Vorhersage des biologischen Alters ist entscheidend für die Bewertung der allgemeinen Gesundheit, die Bestimmung des Risikos von altersbedingten Krankheiten und zur Bereitstellung einer personalisierten Gesundheitsversorgung. Während das chronologische Alter ein Schlüsselfaktor ist, spiegelt es nicht immer den wahren biologischen Alterungsprozess eines Individuums wider. Eine frühzeitige Identifizierung beschleunigter biologischer Alterung und damit verbundene Gesundheitsrisiken kann sich erheblich auf die frühen Interventionen und die langfristigen Gesundheitsergebnisse auswirken. In der klinischen Praxis integrieren Gesundheitsdienstleister eine breite Palette von Patientendaten, einschließlich Krankengeschichte, Laboretestergebnisse und klinischen Beobachtungen, um den Gesundheitszustand einer Person zu verstehen und potenzielle zukünftige Risiken vorherzusagen. Da die Präzisionsmedizin wichtiger wird, ist die Fähigkeit, das biologische Alter vorherzusagen und Pflegepläne zu personalisieren. Die jüngsten Fortschritte bei der Techniken für künstliche Intelligenz und Datenanalyse haben sich versprochen, um die Genauigkeit der Vorhersagen des biologischen Alters zu verbessern. Diese Studie zielt darauf ab, ein AI-unterstütztes Entscheidungssystem zu entwickeln, indem multimodale Daten aus elektronischen Gesundheitsakten, Laborergebnissen, klinischen Beobachtungen und Demografie bei Patienten integriert werden. Ziel ist es, die diagnostische Genauigkeit zu verbessern, die klinischen Arbeitsabläufe zu optimieren und die Patienten eine personalisierte Gesundheitsversorgung durch Vorhersage des biologischen Alters, die Identifizierung gefährdeter Personen und die Verbesserung der Gesundheitsergebnisse zu bieten.

Studientyp

Beobachtungs

Einschreibung (Geschätzt)

1000000

Kontakte und Standorte

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

Studienkontakt

Studienorte

  • China
    • Guangdong
      • Guangzhou, Guangdong, China
    • Zhejiang
      • Wenzhou, Zhejiang, China
        • Rekrutierung
        • First Affiliated Hospital of Wenzhou Medical University
        • Kontakt:
      • Wenzhou, Zhejiang, China
        • Rekrutierung
        • The Eye Hospital of Wenzhou Medical University
        • Kontakt:
      • Wenzhou, Zhejiang, China
        • Rekrutierung
        • Second Affiliated Hospital of Wenzhou Medical University
        • 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

  • Kind
  • Erwachsene
  • Älterer Erwachsener

Akzeptiert gesunde Freiwillige

Ja

Probenahmeverfahren

Nicht-Wahrscheinlichkeitsprobe

Studienpopulation

Die Studienpopulation besteht aus Personen, die in teilnehmenden Krankenhäusern oder Gesundheitszentren mit zugänglichen elektronischen Gesundheitsakten (EHR) versorgt wurden. Zu den Teilnehmern gehören Personen mit vollständigen EHR-Daten, einschließlich Krankengeschichte, Labortestergebnissen, Bilddaten und Lebensstilfaktoren wie Ernährung, körperliche Aktivität und Rauchgewohnheiten. Die Kohorte umfasst sowohl gesunde Personen als auch solche mit chronischen Erkrankungen oder Komorbiditäten, um die Vorhersage des biologischen Alters über verschiedene Gesundheitszustände hinweg zu analysieren. Die Studie wird in mehreren Gesundheitseinrichtungen durchgeführt, um sicherzustellen, dass eine vielfältige Patientenpopulation ein breites Spektrum an Altersgruppen, Gesundheitszuständen und demografischen Merkmalen abdeckt.

Beschreibung

Einschlusskriterien:

  1. Patienten mit umfassenden und zugänglichen EHR -Daten, einschließlich Krankengeschichte, Laborergebnissen, Behandlungsdaten, Bildgebungsdaten (falls verfügbar) und Lebensstilfaktoren (z. B. Rauchen, körperliche Aktivität, Ernährung).
  2. Patienten ohne signifikante kognitive Beeinträchtigungen, die sie daran hindern würden, ihre Einwilligung nach Aufklärung zu erteilen oder an der Studie teilzunehmen.
  3. Alle Teilnehmer müssen eine Einverständniserklärung für die Verwendung ihrer medizinischen Daten für Forschungszwecke einreichen.

Ausschlusskriterien:

  1. Patienten mit unvollständigen oder fehlenden kritischen EHR -Daten wie Krankengeschichte, Laborergebnissen oder Behandlungsdaten, die für die Vorhersage des biologischen Alters erforderlich sind.
  2. Patienten mit schweren kognitiven Störungen (z. B. Demenz, erhebliche geistige Behinderungen), die nicht in der Lage sind, eine informierte Einwilligung zu geben oder sinnvoll an der Studie teilzunehmen.
  3. Patienten mit unheilbaren Krankheiten oder Patienten mit begrenzter Lebenserwartung, bei denen Vorhersagen zum biologischen Alter für die Zwecke der Studie möglicherweise nicht relevant sind.

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
Biologisch jüngere Gruppe
Teilnehmer, deren biologisches Alter voraussichtlich jünger ist als ihr chronologisches Alter.
Sonstiges: AI-unterstütztes Vorhersagemodell
Diese Studie verwendet ein AI-unterstütztes prädiktives Modell, das multimodale Daten aus elektronischen Gesundheitsakten, einschließlich Krankengeschichte, Laborergebnissen, Bildgebungsdaten und Lebensstilfaktoren, analysiert, um das biologische Alter abzuschätzen. Das Modell verwendet tiefe Lernalgorithmen, um das biologische Alter vorherzusagen, es mit dem chronologischen Alter zu vergleichen und frühe Anzeichen von altersbedingten Gesundheitsrisiken zu identifizieren. Die Intervention ist keine direkte Behandlung oder Verfahren, sondern zielt darauf ab, ein Instrument zur Vorhersage des biologischen Alters zu entwickeln, um die Versorgung zu personalisieren und langfristige gesundheitliche Ergebnisse zu verbessern.
Biologisch ältere Gruppe
Teilnehmer, deren biologisches Alter voraussichtlich älter ist als ihr chronologisches Alter.
Sonstiges: AI-unterstütztes Vorhersagemodell
Diese Studie verwendet ein AI-unterstütztes prädiktives Modell, das multimodale Daten aus elektronischen Gesundheitsakten, einschließlich Krankengeschichte, Laborergebnissen, Bildgebungsdaten und Lebensstilfaktoren, analysiert, um das biologische Alter abzuschätzen. Das Modell verwendet tiefe Lernalgorithmen, um das biologische Alter vorherzusagen, es mit dem chronologischen Alter zu vergleichen und frühe Anzeichen von altersbedingten Gesundheitsrisiken zu identifizieren. Die Intervention ist keine direkte Behandlung oder Verfahren, sondern zielt darauf ab, ein Instrument zur Vorhersage des biologischen Alters zu entwickeln, um die Versorgung zu personalisieren und langfristige gesundheitliche Ergebnisse zu verbessern.

Was misst die Studie?

Primäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Vorhersagegenauigkeit des biologischen Alters
Zeitfenster: 1 Jahr
Die Genauigkeit des KI -Modells bei der Vorhersage des biologischen Alters im Vergleich zum chronologischen Alter. Dies wird unter Verwendung des Pearson -Korrelationskoeffizienten (PCC) bewertet, um die Stärke der Korrelation zwischen dem vorhergesagten biologischen Alter und dem chronologischen Alter zu bewerten. Zusätzlich wird R-Squared (R²) verwendet, um den durch das Modell erklärten Varianzanteil im biologischen Alter zu bewerten.
1 Jahr

Sekundäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Gesundheitsrisikokorrelation
Zeitfenster: 1 Jahr
Die Korrelation zwischen vorhergesagtem biologischem Alter und verschiedenen Gesundheitsrisiken, wie der Entwicklung chronischer Krankheiten (z. B. Herz -Kreislauf -Erkrankungen, Diabetes), unter Verwendung von PCC zur Bewertung der Beziehung zwischen Vorhersagen des biologischen Alters und gesundheitlichen Ergebnissen.
1 Jahr

Mitarbeiter und Ermittler

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

Sponsor

The Eye Hospital of Wenzhou Medical University

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. März 2023

Primärer Abschluss (Geschätzt)

2. April 2025

Studienabschluss (Geschätzt)

2. April 2025

Studienanmeldedaten

Zuerst eingereicht

19. Januar 2025

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

19. Januar 2025

Zuerst gepostet (Tatsächlich)

25. März 2025

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Tatsächlich)

2. April 2025

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

1. April 2025

Zuletzt verifiziert

1. April 2025

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Schlüsselwörter

Andere Studien-ID-Nummern

  • Biological Age

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

Produkt, das in den USA hergestellt und aus den USA exportiert wird

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