Predicción de puntuaciones MMSE para deterioro cognitivo
22 de noviembre de 2024 actualizado por: Blekinge Institute of Technology
Predicción de puntuaciones MMSE para deterioro cognitivo: un análisis de aprendizaje automático de la salud bucal y datos demográficos en personas mayores de 60 años
Este estudio tiene como objetivo explorar el potencial del uso de algoritmos de aprendizaje automático (ML) para predecir el estado cognitivo, específicamente las puntuaciones MMSE, basándose en datos demográficos y de salud bucal.
El objetivo es evaluar la efectividad de varios modelos de ML e identificar los indicadores de salud bucal más relevantes para predecir puntuaciones MMSE de 30 (cognición normal) o ≤26 (deterioro cognitivo) en personas de 60 años o más.
Descripción general del estudio
Estado
Terminado
Condiciones
Intervención / Tratamiento
Descripción detallada
Este estudio transversal utiliza datos demográficos y de salud bucal de dos estudios de cohorte existentes: el estudio colaborativo europeo Support Monitoring and Reminder Technology for Mild Dementia (SMART4MD) y el Estudio Nacional Sueco sobre Envejecimiento y Cuidados (SNAC-B). Se incluirán en el análisis participantes de 60 años o más. Los datos se utilizarán para desarrollar y evaluar modelos de aprendizaje automático para predecir el estado cognitivo.
Objetivos:
- Objetivo principal: evaluar el potencial de los parámetros de salud bucal para la clasificación binaria de puntuaciones MMSE (30 vs. ≤26).
- Objetivo secundario: identificar los parámetros de salud bucal más influyentes que contribuyen a las predicciones del deterioro cognitivo.
- Objetivo terciario: comparar el rendimiento de los clasificadores Random Forest (RF), Support Vector Machine (SVM) y CatBoost (CB) en la predicción de puntuaciones MMSE utilizando datos de salud bucal.
Tipo de estudio
De observación
Inscripción (Actual)
693
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.
Ubicaciones de estudio
-
-
-
Karlskrona, Suecia, 37179
- Blekinge Institute of Technology
-
-
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
- Adulto
- Adulto Mayor
Acepta Voluntarios Saludables
Sí
Método de muestreo
Muestra no probabilística
Población de estudio
Se analizarán los datos recopilados del estudio colaborativo europeo Support Monitoring and Reminder Technology for Mild Dementia (SMART4MD) y el Estudio Nacional Sueco sobre Envejecimiento y Cuidados (SNAC-B).
Se incluirán en el análisis participantes de 60 años o más.
Descripción
Criterios de inclusión:
- Personas de 60 años o más.
- Participantes con parámetros de salud bucal registrados y puntuaciones MMSE de 30 o ≤26.
Criterios de exclusión:
- Individuos con puntuaciones MMSE de 27, 28 o 29, ya que estas puntuaciones representan una fase de transición entre la cognición normal y el deterioro cognitivo, lo que podría introducir variabilidad.
- Personas menores de 60 años.
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 |
|---|---|
|
MMSE ≤26
339 participantes
|
Se utilizará un conjunto de datos que comprende participantes con puntuaciones MMSE de ≤26 y 30 para evaluar el rendimiento de clasificación de varias técnicas de aprendizaje automático.
Otros nombres:
|
|
MMSE 30
354 participantes
|
Se utilizará un conjunto de datos que comprende participantes con puntuaciones MMSE de ≤26 y 30 para evaluar el rendimiento de clasificación de varias técnicas de aprendizaje automático.
Otros nombres:
|
¿Qué mide el estudio?
Medidas de resultado primarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Rendimiento de detección
Periodo de tiempo: 5 meses
|
El estudio mide el rendimiento de clasificación de los clasificadores de Machine Learning.
Para la evaluación se utilizarán métricas de rendimiento, exactitud, precisión, recuperación, puntuación F1 y matriz de confusión.
El examen de las características más importantes se basó en gráficos de resumen SHAP, que proporcionaban visualizaciones de la influencia de los grupos de parámetros en la salida, organizados por su importancia.
Esta importancia se basa en los valores SHAP, que ofrecen información sobre los efectos de las características en el proceso de toma de decisiones del modelo ML.
|
5 meses
|
Colaboradores e Investigadores
Aquí es donde encontrará personas y organizaciones involucradas en este estudio.
Patrocinador
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)
10 de junio de 2024
Finalización primaria (Actual)
10 de octubre de 2024
Finalización del estudio (Actual)
10 de noviembre de 2024
Fechas de registro del estudio
Enviado por primera vez
17 de septiembre de 2024
Primero enviado que cumplió con los criterios de control de calidad
20 de septiembre de 2024
Publicado por primera vez (Actual)
25 de septiembre de 2024
Actualizaciones de registros de estudio
Última actualización publicada (Estimado)
25 de noviembre de 2024
Última actualización enviada que cumplió con los criterios de control de calidad
22 de noviembre de 2024
Última verificación
1 de septiembre de 2024
Más información
Términos relacionados con este estudio
Palabras clave
Términos MeSH relevantes adicionales
Otros números de identificación del estudio
- BTH-6.1.1-0156-2024
Plan de datos de participantes individuales (IPD)
¿Planea compartir datos de participantes individuales (IPD)?
NO
Descripción del plan IPD
Los datos de los participantes no se pueden compartir debido al RGPD.
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. .