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

Data Mining der Bevölkerungsgesundheit - Subgesundheit - Krankheit basierend auf der dynamischen Systemtheorie

24. Januar 2026 aktualisiert von: Lv, Han, Beijing Friendship Hospital

Data Mining der Bevölkerungsgesundheit von Subgesundheit bis Krankheit basierend auf der dynamischen Systemtheorie

Diese Studie zielt darauf ab, die dynamischen Evolutionsmuster von Bevölkerungsgesundheit, Subgesundheit und Krankheitszuständen durch dynamische Systemtheorie und Big-Data-Mining-Methoden zu erforschen, um wissenschaftliche Belege für personalisierte Prävention und Gesundheitsmanagement zu liefern.

Studienübersicht

Status

Aktiv, nicht rekrutierend

Bedingungen

Intervention / Behandlung

Detaillierte Beschreibung

Zu den spezifischen Zielen gehören: (1) Die Identifizierung individueller Gesundheits-, Sub-Gesundheits- und Krankheitszustände mithilfe unüberwachter Systemmodellierungstechniken, während gleichzeitig ihre gegenseitigen Transformationspfade untersucht werden. (2) Die Identifizierung von Schlüsselindikatoren, die Zustandsübergänge bestimmen, um ihre Mechanismen und Wechselwirkungen zu klären. (3) Die Entwicklung dynamischer Systemmodelle, um Zustandsübergangstrajektorien unter multivariaten Einflüssen zu simulieren und individuelle Wahrscheinlichkeiten des Fortschreitens von Gesundheit zu Sub-Gesundheit oder Krankheit vorherzusagen. (4) Die Erstellung interpretierbarer Gesundheitsvorhersagewerkzeuge basierend auf Modellierungsergebnissen, um Präzisionsinterventionen zu unterstützen. Das ultimative Ziel ist die Etablierung eines wissenschaftlich validierten, aber umsetzbaren Gesundheitszustandsmodellierungssystems, das quantifizierbare Werkzeuge für frühzeitige Interventionen und personalisiertes Gesundheitsmanagement bietet, um die Inzidenz chronischer Krankheiten und die Belastung des Gesundheitssystems zu verringern.

Studientyp

Beobachtungs

Einschreibung (Geschätzt)

380000

Kontakte und Standorte

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

Studienorte

  • China
    • Beijing Municipality
      • Beijing, Beijing Municipality, China, 100050
        • Beijing Friendship Hospital, Capital 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

  • Kind
  • Erwachsene
  • Älterer Erwachsener

Akzeptiert gesunde Freiwillige

Ja

Probenahmeverfahren

Wahrscheinlichkeitsstichprobe

Studienpopulation

Gesundheitsdatenwissenschaftsdatenbank des Beijing Friendship Hospitals

Beschreibung

Einschlusskriterien:

  • Teilnehmer müssen zwischen Juni 2007 und August 2025 mindestens zwei aufeinanderfolgende körperliche Untersuchungen im Physical Examination Center des Beijing Friendship Hospital der Capital Medical University absolviert haben, wobei zwischen aufeinanderfolgenden Aufzeichnungen ein Mindestabstand von 6 Monaten eingehalten werden muss.
  • Die Datensätze sollten relativ vollständig sein, wobei die Fehlrate für wichtige Forschungsvariablen (z. B. zentrale biochemische Indikatoren, demografische Informationen und wesentliche Fragebogenpunkte) ≤30 % betragen muss.
  • Teilnehmer dürfen vor ihrer ersten Studieneinschließung keine Vorgeschichte schwerer organischer Erkrankungen haben (wie in Krankenakten dokumentiert, hauptsächlich einschließlich: bösartiger Tumore (nicht heilbar/Endstadium), schwere Herzinsuffizienz (NYHA Klasse III-IV), Nierenerkrankung im Endstadium (CKD Stadium 5), dekompensierte Leberzirrhose oder erhebliche Funktionsbeeinträchtigung durch Folgen schwerer zerebrovaskulärer Erkrankungen).

Ausschlusskriterien:

- Personen mit schwerwiegendem Mangel an Basisdaten (wie eindeutige Identifikation, wichtige demografische Informationen und Kernindikatoren der Untersuchung) oder die nicht effektiv anonymisiert werden können.

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
Gesundheitsdatenwissenschaftsdatenbank des Peking Friendship Hospitals
  1. Die Teilnehmer müssen zwischen Juni 2007 und August 2025 mindestens zwei aufeinanderfolgende ärztliche Untersuchungen im Untersuchungszentrum des Peking Friendship Hospital der Capital Medical University absolviert haben, wobei zwischen aufeinanderfolgenden Aufzeichnungen ein Mindestabstand von 6 Monaten liegen muss.
  2. Die Datensätze sollten relativ vollständig sein, wobei die Fehlraten für wichtige Forschungsvariablen (z.B. zentrale biochemische Indikatoren, demografische Informationen und wesentliche Fragebogenpunkte) ≤30 % betragen müssen.
  3. Die Teilnehmer dürfen vor ihrer ersten Studienteilnahme keine Vorgeschichte schwerer organischer Erkrankungen haben (wie in den Patientenakten dokumentiert, hauptsächlich einschließlich: bösartiger Tumoren (unheilbar/Endstadium), schwerer Herzinsuffizienz (NYHA-Klasse III-IV), terminaler Nierenerkrankung (CKD-Stadium 5), dekompensierter Leberzirrhose oder signifikanter Funktionsbeeinträchtigung durch Folgen schwerer zerebrovaskulärer Erkrankungen).
Sonstiges: Es wird keine Intervention angewendet.
Dies ist eine Beobachtungsstudie.

Was misst die Studie?

Primäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Diskriminative Genauigkeit für die nächste Diagnose
Zeitfenster: Bewerten Sie anhand eines internen Validierungsdatensatzes. Dieser Datensatz enthält individuelle historische Daten bis zum 1. Januar 2018, auf deren Grundlage das Modell das nächste diagnostische Ereignis vorhersagt, das unmittelbar eintreten wird. Berechnen Sie die AUC für Krankheiten mit über 1000 ICD-10
Alters- und Geschlechts-stratifizierte Fläche unter der Receiver-Operating-Characteristic-Kurve, AUC
Bewerten Sie anhand eines internen Validierungsdatensatzes. Dieser Datensatz enthält individuelle historische Daten bis zum 1. Januar 2018, auf deren Grundlage das Modell das nächste diagnostische Ereignis vorhersagt, das unmittelbar eintreten wird. Berechnen Sie die AUC für Krankheiten mit über 1000 ICD-10
Langfristige Vorhersagegenauigkeit
Zeitfenster: Bewerten Sie die AUC-Werte des Krankheitsauftretens im 1., 2., 3., 5. und 10. Jahr nach der Vorhersage im internen Validierungsdatensatz.
AUC stratifiziert nach Alter und Geschlecht, die das Risiko des Auftretens einer Krankheit innerhalb spezifischer Zeitintervalle (1 Jahr, 2 Jahre,..., 10 Jahre) nach der Vorhersage bewertet. Dieser Indikator misst den zeitlichen Abfall der Vorhersagefähigkeit eines Modells.
Bewerten Sie die AUC-Werte des Krankheitsauftretens im 1., 2., 3., 5. und 10. Jahr nach der Vorhersage im internen Validierungsdatensatz.
Prädiktive Genauigkeit auf Trajektorienebene
Zeitfenster: Bewerten Sie im Validierungssatz die Genauigkeit der Vorhersagen von Krankheitsereignissen für jedes Jahr vom Simulationsstartpunkt (60 Jahre alt) bis zu den folgenden 1 bis 20 Jahren.
Der Anteil der korrekt vorhergesagten Krankheitsereignisse. In jedem simulierten Zukunftsjahr werden die generierten Krankheitsereignisse mit den tatsächlichen Krankheitsereignissen in Personen abgeglichen und die Erfolgsrate (%) des Abgleichs berechnet.
Bewerten Sie im Validierungssatz die Genauigkeit der Vorhersagen von Krankheitsereignissen für jedes Jahr vom Simulationsstartpunkt (60 Jahre alt) bis zu den folgenden 1 bis 20 Jahren.

Mitarbeiter und Ermittler

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

Sponsor

Beijing Friendship Hospital

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. September 2025

Primärer Abschluss (Geschätzt)

31. August 2028

Studienabschluss (Geschätzt)

31. August 2030

Studienanmeldedaten

Zuerst eingereicht

9. Dezember 2025

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

24. Januar 2026

Zuerst gepostet (Tatsächlich)

29. Januar 2026

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Tatsächlich)

29. Januar 2026

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

24. Januar 2026

Zuletzt verifiziert

1. Januar 2026

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Andere Studien-ID-Nummern

  • 202511

Plan für individuelle Teilnehmerdaten (IPD)

Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?

UNENTSCHIEDEN

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 Subgesund

Klinische Studien zur Es wird keine Intervention angewendet.

Suchen Sie nach ähnlichen Studien

Sponsoren und Mitarbeiter

Krankheiten

Drogeninterventionen

CROs by country

CROs in Denmark

Bedingungen

Seltene Krankheiten

Drogeninterventionen

Nahrungsergänzungsmittel

Sponsor / Mitarbeiter

Standorte

Abonnieren