Un nuevo algoritmo de aprendizaje automático para predecir las demencias con cuerpos de Lewy (MLDLB)
Un nuevo algoritmo de aprendizaje automático para predecir las demencias con cuerpos de Lewy mediante puntuaciones clínicas y neuropsicológicas
Descripción general del estudio
Estado
Estado
Condiciones
Condiciones
Intervención / Tratamiento
Intervención / Tratamiento
Descripción detallada
Tipo de estudio
Tipo de estudio
Inscripción (Anticipado)
Inscripción
Contactos y Ubicaciones
Estudio Contacto
Estudio Contacto
- Nombre: ANASTASIA BOUGEA, DR
- Número de teléfono: +306930481046
- Correo electrónico: annita139@yahoo.gr
Copia de seguridad de contactos de estudio
- Nombre: ANASTASIA BOUGEA
- Número de teléfono: +306930481046
- Correo electrónico: annita139@yahoo.gr
Ubicaciones de estudio
-
-
Attiki
-
Athens, Attiki, Grecia, 16674
- Reclutamiento
- Anastasia Bougea
-
Contacto:
- EFTHYMIA EFTHYMIIOPOULOU, dr
- Número de teléfono: 00306943061632
- Correo electrónico: faih.efthymiopoulou@gmail.com
-
Sub-Investigador:
- Christos Goumas, dr
-
-
Criterios de participación
Criterio de elegibilidad
Criterio de elegibilidad
Edades elegibles para estudiar
Acepta Voluntarios Saludables
Géneros elegibles para el estudio
Método de muestreo
Población de estudio
Descripción
Criterios de inclusión:
el grupo PDD compuesto por pacientes que cumplen los Criterios para PDD probable de la Sociedad de Trastornos del Movimiento (b) el grupo DLB compuesto por pacientes, de acuerdo con los criterios revisados recientemente para DLB probable.
Criterio de exclusión:
- principales trastornos psiquiátricos, depresión
Plan de estudios
¿Cómo está diseñado el estudio?
Detalles de diseño
Número de grupos/cohortes
Cohortes e Intervenciones
Grupo / CohorteGrupo / Cohorte |
Intervención / TratamientoIntervención / Tratamiento |
|---|---|
|
Demencia de la enfermedad de Parkinson
el grupo PDD compuesto por 58 pacientes que cumplen los Criterios para PDD probable de la Sociedad de Trastornos del Movimiento
|
Se investigaron dos algoritmos de clasificación, regresión logística y K-vecinos más cercanos (K-NN), por su capacidad para predecir con éxito si los pacientes padecían PDD o DLB.
|
|
Demencia con cuerpos de Lewy
el grupo DLB compuesto por 40 pacientes, de acuerdo con los criterios revisados recientemente para DLB probable
|
Se investigaron dos algoritmos de clasificación, regresión logística y K-vecinos más cercanos (K-NN), por su capacidad para predecir con éxito si los pacientes padecían PDD o DLB.
|
¿Qué mide el estudio?
Medidas de resultado primarias
Medidas de resultado primarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
MMSE predictivo para dlb o PDD
Periodo de tiempo: 1 año
|
Dos algoritmos de clasificación, regresión logística y K-Nearest Neighbors (K-NN), combinarán estas pruebas para investigar su capacidad para predecir con éxito si los pacientes sufrían PDD o DLB.
|
1 año
|
|
Enfermedad de Parkinson - Escala de calificación cognitiva (PD-CRS) predictiva para DLB o PDD
Periodo de tiempo: 1 año
|
Dos algoritmos de clasificación, regresión logística y K-Nearest Neighbors (K-NN), combinarán estas pruebas para investigar su capacidad para predecir con éxito si los pacientes sufrían PDD o DLB.
|
1 año
|
|
Prueba breve de memoria visuoespacial (BVMT-TR) predictiva para DLB o PDD
Periodo de tiempo: 1 año
|
Dos algoritmos de clasificación, regresión logística y K-Nearest Neighbors (K-NN), combinarán estas pruebas para investigar su capacidad para predecir con éxito si los pacientes sufrían PDD o DLB.
|
1 año
|
|
Símbolo dígito escrito predictivo para DLB o PDD
Periodo de tiempo: 1 año
|
Dos algoritmos de clasificación, regresión logística y K-Nearest Neighbors (K-NN), combinarán estas pruebas para investigar su capacidad para predecir con éxito si los pacientes sufrían PDD o DLB.
|
1 año
|
|
Escala de inteligencia Wechsler para adultos, predictiva para DLB o PDD
Periodo de tiempo: 1 año
|
Dos algoritmos de clasificación, regresión logística y K-Nearest Neighbors (K-NN), combinarán estas pruebas para investigar su capacidad para predecir con éxito si los pacientes sufrían PDD o DLB.
|
1 año
|
|
rastro que hace que A y B sean predictivos para DLB o PDD
Periodo de tiempo: 1 año
|
Dos algoritmos de clasificación, regresión logística y K-Nearest Neighbors (K-NN), combinarán estas pruebas para investigar su capacidad para predecir con éxito si los pacientes sufrían PDD o DLB.
|
1 año
|
Colaboradores e Investigadores
Patrocinador
Patrocinador
Investigadores
Investigadores
- Investigador principal: ANASTASIA BOUGEA, National and Kapodistrian University of Athens
Publicaciones y enlaces útiles
Fechas de registro del estudio
Fechas importantes del estudio
Inicio del estudio (Actual)
Inicio del estudio
Finalización primaria (Anticipado)
Finalización primaria
Finalización del estudio (Anticipado)
Finalización del estudio
Fechas de registro del estudio
Enviado por primera vez
Enviado por primera vez
Primero enviado que cumplió con los criterios de control de calidad
Primero enviado que cumplió con los criterios de control de calidad
Publicado por primera vez (Actual)
Publicado por primera vez
Actualizaciones de registros de estudio
Última actualización publicada (Actual)
Última actualización publicada
Última actualización enviada que cumplió con los criterios de control de calidad
Última actualización enviada que cumplió con los criterios de control de calidad
Última verificación
Última verificación
Más información
Términos relacionados con este estudio
Términos MeSH relevantes adicionales
- Desordenes mentales
- Enfermedades Cerebrales
- Enfermedades del Sistema Nervioso Central
- Enfermedades del Sistema Nervioso
- Trastornos neurocognitivos
- Trastornos Parkinsonianos
- Enfermedades de los ganglios basales
- Trastornos del movimiento
- Sinucleinopatías
- Enfermedades neurodegenerativas
- Demencia
- Enfermedad de cuerpos de Lewy
Otros números de identificación del estudio
Otros números de identificación del estudio
- 251ATHENS HOSPITAL
Plan de datos de participantes individuales (IPD)
¿Planea compartir datos de participantes individuales (IPD)?
Información sobre medicamentos y dispositivos, documentos del estudio
Estudia un producto farmacéutico regulado por la FDA de EE. UU.
Estudia un producto de dispositivo regulado por la FDA de EE. UU.
Esta información se obtuvo directamente del sitio web clinicaltrials.gov sin cambios. Si tiene alguna solicitud para cambiar, eliminar o actualizar los detalles de su estudio, comuníquese con register@clinicaltrials.gov. Tan pronto como se implemente un cambio en clinicaltrials.gov, también se actualizará automáticamente en nuestro sitio web. .