Machine-Learning-Vorhersage des 1-Jahres-Refraktionsfehlers nach SMILE (SMILE)
12. März 2026 aktualisiert von: yuhao shao, Tongji University
Entwicklung und interne Validierung eines Multi-Output-Machine-Learning-Modells zur Vorhersage des 1-Jahres-postoperativen refraktiven Prädiktionsfehlers nach Small Incision Lenticule Extraction und vergleichende virtuelle Planungsanalyse gegen ZEISS 4.0
Diese retrospektive monozentrische Beobachtungsstudie ist darauf ausgelegt, ein mehrfachausgebendes maschinelles Lernmodell zur Vorhersage des 1-Jahres-postoperativen refraktiven Vorhersagefehlers nach Small Incision Lenticule Extraction (SMILE) zu entwickeln und intern zu validieren.
Das primäre Modellierungsziel ist der 1-Jahres-Vorhersagefehler des sphärischen Äquivalents.
Sekundäre Ziele umfassen den J0-Vorhersagefehler, den J45-Vorhersagefehler und die postoperative unkorrigierte Fernsehschärfe im Logarithmus des minimalen Auflösungswinkels.
Ein sekundäres Ziel ist es, den Vorhersagerahmen zu nutzen, um individualisierte Nomogrammempfehlungen abzuleiten und diese Empfehlungen mit der ZEISS 4.0-Planung in einer virtuellen Behandlungsplanungsanalyse zu vergleichen.
Studienübersicht
Status
Abgeschlossen
Studientyp
Beobachtungs
Einschreibung (Tatsächlich)
1100
Kontakte und Standorte
Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.
Studienorte
-
-
Shanghai Municipality
-
Shanghai, Shanghai Municipality, China, 200072
- Shanghai Tenth People's 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
Akzeptiert gesunde Freiwillige
Nein
Probenahmeverfahren
Nicht-Wahrscheinlichkeitsprobe
Studienpopulation
Personen mit mittlerer Myopie, die sich einer SMILE-Operation unterzogen haben
Beschreibung
Einschlusskriterien:
- Augen, die sich einer SMILE-Operation zur Korrektur von Myopie oder myopischem Astigmatismus unterzogen haben
- Verfügbarkeit präoperativer Untersuchungsdaten und chirurgischer Planungsdaten
- Verfügbarkeit postoperativer Nachuntersuchungsdaten nach etwa 1 Jahr
- Alter ≥ 18 Jahre
Ausschlusskriterien:
- Vorherige Augenoperation am Studienauge
- Augenbegleiterkrankung, die wahrscheinlich das refraktive oder visuelle Ergebnis beeinflusst
- Intraoperative oder postoperative Komplikationen, die eine standardmäßige Ergebnisbeurteilung verhinderten
- Fehlende Schlüsselvariablen, die für die Analyse erforderlich 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 |
|---|
|
Trainingskohorte
In das vorab festgelegte Trainingsdatensatz zur Entwicklung des Multi-Output-Machine-Learning-Modells einbezogene Augen.
|
|
Testkohorte
In den vordefinierten unabhängigen Testdatensatz für die interne Validierung des Multi-Output-Machine-Learning-Modells eingeschlossene Augen.
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Mittlerer absoluter Fehler der vorhergesagten 1-Jahres-postoperativen sphärischen Äquivalent-Vorhersagefehler
Zeitfenster: 1 Jahr nach SMILE
|
Modellleistung für die Vorhersage des 1-Jahres-postoperativen sphärischen Äquivalent-Vorhersagefehlers, bewertet in Dioptrien.
|
1 Jahr nach SMILE
|
Sekundäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Mittlerer absoluter Fehler der vorhergesagten J0-Prädiktionsfehler 1 Jahr postoperativ
Zeitfenster: 1 Jahr nach SMILE
|
Modellleistung für die Vorhersage der kardinalen astigmatischen Vektorkomponente (J0), bewertet in Dioptrien.
|
1 Jahr nach SMILE
|
|
Mittlerer absoluter Fehler der vorhergesagten 1-Jahres-postoperativen J45-Vorhersagefehler
Zeitfenster: 1 Jahr nach SMILE
|
Mittlerer absoluter Fehler der vorhergesagten 1-Jahres-Postoperativen J45-Vorhersagefehler
|
1 Jahr nach SMILE
|
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)
1. September 2018
Primärer Abschluss (Tatsächlich)
31. Dezember 2025
Studienabschluss (Tatsächlich)
31. Januar 2026
Studienanmeldedaten
Zuerst eingereicht
12. März 2026
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
12. März 2026
Zuerst gepostet (Tatsächlich)
17. März 2026
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
17. März 2026
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
12. März 2026
Zuletzt verifiziert
1. März 2026
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Schlüsselwörter
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
- 2026ML
- SHDC12025144 (Andere Zuschuss-/Finanzierungsnummer: Shanghai Hospital Development Center Foundation)
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 .