Esta página se tradujo automáticamente y no se garantiza la precisión de la traducción. por favor refiérase a versión inglesa para un texto fuente.

Un nuevo algoritmo de aprendizaje automático para predecir las demencias con cuerpos de Lewy (MLDLB)

8 de septiembre de 2020 actualizado por: Anastasia Bougea, National and Kapodistrian University of Athens

Un nuevo algoritmo de aprendizaje automático para predecir las demencias con cuerpos de Lewy mediante puntuaciones clínicas y neuropsicológicas

La demencia por enfermedad de Parkinson (PDD) y la demencia con cuerpos de Lewy (DLB) son síndromes demenciales que se superponen en muchas características clínicas, lo que dificulta su diagnóstico en la práctica clínica, especialmente en estadios avanzados. Proponemos un algoritmo de aprendizaje automático, basado únicamente en predictores coleccionables de forma no invasiva y fácil en la clínica, para identificar estos trastornos con un alto rendimiento pronóstico.

Descripción general del estudio

Estado

Desconocido

Condiciones

Intervención / Tratamiento

Descripción detallada

El algoritmo se desarrollará utilizando un conjunto de datos de dos centros de memoria especializados, empleando una muestra de sujetos con PDD y DLB cuyo seguimiento diagnóstico esté disponible durante al menos 3 años después de la evaluación inicial. Se utilizó como predictores un conjunto restringido de información con respecto a las características clínico-demográficas, 6 pruebas neuropsicológicas (mini mental, PD Cognitive Rating Scale, Brief Visuospatial Memory test, Symbol digit writing, Wechsler adult intelligence scale, trailmaking A y B). Se investigarán dos algoritmos de clasificación, regresión logística y K-vecinos más cercanos (K-NN), por su capacidad para predecir con éxito si los pacientes sufrían PDD o DLB.

Tipo de estudio

De observación

Inscripción (Anticipado)

200

Contactos y Ubicaciones

Esta sección proporciona los datos de contacto de quienes realizan el estudio e información sobre dónde se lleva a cabo este estudio.

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

  • Grecia
    • Attiki
      • Athens, Attiki, Grecia, 16674
        • Reclutamiento
        • Anastasia Bougea
        • Contacto:
        • Sub-Investigador:
          • Christos Goumas, dr

Criterios de participación

Los investigadores buscan personas que se ajusten a una determinada descripción, denominada criterio de elegibilidad. Algunos ejemplos de estos criterios son el estado de salud general de una persona o tratamientos previos.

Criterio de elegibilidad

Edades elegibles para estudiar

50 años a 90 años (Adulto, Adulto Mayor)

Acepta Voluntarios Saludables

No

Géneros elegibles para el estudio

Todos

Método de muestreo

Muestra no probabilística

Población de estudio

el grupo PDD compuesto por pacientes que cumplen los Criterios para probable PDD y el grupo DLB. Los pacientes se inscribirán a partir de la base de datos basada en registros de dos clínicas. Se recopilaron los siguientes datos: género, edad, educación, mano dominante, duración de la enfermedad (años) y dosis diaria equivalente de levodopa (LEDD). La carga de la enfermedad se evaluará mediante la Escala de calificación de la enfermedad de Parkinson de la Sociedad de Trastornos del Movimiento-United (MDS-UPDRS) parte III en el estado sin medicación y las siguientes seis pruebas cognitivas/conductuales: Mini-Examen del estado mental (MMSE), PD- Escala de calificación cognitiva (PD-CRS), prueba breve de memoria visuoespacial (BVMT-TR), dígito de símbolo escrito (SDMT), prueba de creación de senderos (TMT A, B), escala de inteligencia para adultos de Wechsler (WAIS-V). Todos los pacientes se someterán a una resonancia magnética del cerebro y análisis de sangre para excluir causas secundarias de demencia.

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

Esta sección proporciona detalles del plan de estudio, incluido cómo está diseñado el estudio y qué mide el estudio.

¿Cómo está diseñado el estudio?

Detalles de diseño

Cohortes e Intervenciones

Grupo / Cohorte
Intervención / 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
Prueba de diagnóstico: modelo de aprendizaje automático
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
Prueba de diagnóstico: modelo de aprendizaje automático
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

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

Aquí es donde encontrará personas y organizaciones involucradas en este estudio.

Patrocinador

National and Kapodistrian University of Athens

Investigadores

  • Investigador principal: ANASTASIA BOUGEA, National and Kapodistrian University of Athens

Publicaciones y enlaces útiles

La persona responsable de ingresar información sobre el estudio proporciona voluntariamente estas publicaciones. Estos pueden ser sobre cualquier cosa relacionada con el estudio.

Publicaciones Generales

Fechas de registro del estudio

Estas fechas rastrean el progreso del registro del estudio y los envíos de resultados resumidos a ClinicalTrials.gov. Los registros del estudio y los resultados informados son revisados ​​por la Biblioteca Nacional de Medicina (NLM) para asegurarse de que cumplan con los estándares de control de calidad específicos antes de publicarlos en el sitio web público.

Fechas importantes del estudio

Inicio del estudio (Actual)

1 de septiembre de 2019

Finalización primaria (Anticipado)

1 de octubre de 2020

Finalización del estudio (Anticipado)

1 de marzo de 2021

Fechas de registro del estudio

Enviado por primera vez

21 de junio de 2020

Primero enviado que cumplió con los criterios de control de calidad

24 de junio de 2020

Publicado por primera vez (Actual)

25 de junio de 2020

Actualizaciones de registros de estudio

Última actualización publicada (Actual)

10 de septiembre de 2020

Última actualización enviada que cumplió con los criterios de control de calidad

8 de septiembre de 2020

Última verificación

1 de septiembre de 2020

Más información

Términos relacionados con este estudio

Términos MeSH relevantes adicionales

Otros números de identificación del estudio

  • 251ATHENS HOSPITAL

Plan de datos de participantes individuales (IPD)

¿Planea compartir datos de participantes individuales (IPD)?

NO

Información sobre medicamentos y dispositivos, documentos del estudio

Estudia un producto farmacéutico regulado por la FDA de EE. UU.

No

Estudia un producto de dispositivo regulado por la FDA de EE. UU.

No

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. .

Ensayos clínicos sobre modelo de aprendizaje automático

Buscar ensayos similares

Patrocinadores y Colaboradores

Condiciones médicas

Intervenciones de drogas

CROs by country

CROs in Cote d'Ivoire

Condiciones

Enfermedades Raras

Intervenciones de drogas

Suplementos dietéticos

Patrocinador / Colaboradores

Localizaciones

3
Suscribir