Uusi koneoppimisalgoritmi Lewyn kehon dementioiden ennustamiseen (MLDLB)
Uusi koneoppimisalgoritmi Lewyn kehon dementioiden ennustamiseen kliinisten ja neuropsykologisten pisteiden avulla
Tutkimuksen yleiskatsaus
Tila
Tila
Ehdot
Ehdot
Interventio / Hoito
Interventio / Hoito
Yksityiskohtainen kuvaus
Opintotyyppi
Opintotyyppi
Ilmoittautuminen (Odotettu)
Ilmoittautuminen
Yhteystiedot ja paikat
Opiskeluyhteys
Opiskeluyhteys
- Nimi: ANASTASIA BOUGEA, DR
- Puhelinnumero: +306930481046
- Sähköposti: annita139@yahoo.gr
Tutki yhteystietojen varmuuskopiointi
- Nimi: ANASTASIA BOUGEA
- Puhelinnumero: +306930481046
- Sähköposti: annita139@yahoo.gr
Opiskelupaikat
-
-
Attiki
-
Athens, Attiki, Kreikka, 16674
- Rekrytointi
- Anastasia Bougea
-
Ottaa yhteyttä:
- EFTHYMIA EFTHYMIIOPOULOU, dr
- Puhelinnumero: 00306943061632
- Sähköposti: faih.efthymiopoulou@gmail.com
-
Alatutkija:
- Christos Goumas, dr
-
-
Osallistumiskriteerit
Kelpoisuusvaatimukset
Kelpoisuusvaatimukset
Opintokelpoiset iät
Hyväksyy terveitä vapaaehtoisia
Sukupuolet, jotka voivat opiskella
Näytteenottomenetelmä
Tutkimusväestö
Kuvaus
Sisällyttämiskriteerit:
PDD-ryhmä koostui potilaista, jotka täyttivät Movement Disorders Societyn todennäköisen PDD-kriteerit (b) DLB-ryhmä koostui potilaista äskettäin tarkistettujen todennäköisen DLB-kriteerien mukaan.
Poissulkemiskriteerit:
- vakavat psykiatriset häiriöt, masennus
Opintosuunnitelma
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
Ryhmien/kohorttien lukumäärä
Kohortit ja interventiot
Ryhmä/KohorttiRyhmä/Kohortti |
Interventio / HoitoInterventio / Hoito |
|---|---|
|
Parkinsonin taudin dementia
PDD-ryhmä koostui 58 potilaasta, jotka täyttivät Movement Disorders Societyn todennäköisen PDD:n kriteerit
|
Kahta luokittelualgoritmia, logistista regressiota ja K-Lähimmät naapurit (K-NNs), tutkittiin niiden kyvyn ennustaa onnistuneesti, kärsivätkö potilaat PDD:stä vai DLB:stä.
|
|
Dementia Lewyn ruumiilla
DLB-ryhmä koostui 40 potilaasta äskettäin tarkistettujen todennäköisen DLB-kriteerien mukaan
|
Kahta luokittelualgoritmia, logistista regressiota ja K-Lähimmät naapurit (K-NNs), tutkittiin niiden kyvyn ennustaa onnistuneesti, kärsivätkö potilaat PDD:stä vai DLB:stä.
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
MMSE ennustava dlb tai PDD
Aikaikkuna: 1 vuosi
|
Kaksi luokitusalgoritmia, logistinen regressio ja K-Lähimmät naapurit (K-NNs), yhdistävät nämä testit tutkiakseen niiden kykyä ennustaa onnistuneesti, kärsivätkö potilaat PDD:stä vai DLB:stä.
|
1 vuosi
|
|
Parkinsonin tauti - Kognitiivinen arviointiasteikko (PD-CRS) ennustaa DLB:tä tai PDD:tä
Aikaikkuna: 1 vuosi
|
Kaksi luokitusalgoritmia, logistinen regressio ja K-Lähimmät naapurit (K-NNs), yhdistävät nämä testit tutkiakseen niiden kykyä ennustaa onnistuneesti, kärsivätkö potilaat PDD:stä vai DLB:stä.
|
1 vuosi
|
|
Lyhyt visuaalinen muistitesti (BVMT-TR) ennustaa DLB:tä tai PDD:tä
Aikaikkuna: 1 vuosi
|
Kaksi luokitusalgoritmia, logistinen regressio ja K-Lähimmät naapurit (K-NNs), yhdistävät nämä testit tutkiakseen niiden kykyä ennustaa onnistuneesti, kärsivätkö potilaat PDD:stä vai DLB:stä.
|
1 vuosi
|
|
Symbolinumero kirjoitettu ennakoiva DLB tai PDD
Aikaikkuna: 1 vuosi
|
Kaksi luokitusalgoritmia, logistinen regressio ja K-Lähimmät naapurit (K-NNs), yhdistävät nämä testit tutkiakseen niiden kykyä ennustaa onnistuneesti, kärsivätkö potilaat PDD:stä vai DLB:stä.
|
1 vuosi
|
|
Wechslerin aikuisten älykkyysasteikko, ennustaa DLB:tä tai PDD:tä
Aikaikkuna: 1 vuosi
|
Kaksi luokitusalgoritmia, logistinen regressio ja K-Lähimmät naapurit (K-NNs), yhdistävät nämä testit tutkiakseen niiden kykyä ennustaa onnistuneesti, kärsivätkö potilaat PDD:stä vai DLB:stä.
|
1 vuosi
|
|
jäljen tekeminen A ja B ennustavat DLB:tä tai PDD:tä
Aikaikkuna: 1 vuosi
|
Kaksi luokitusalgoritmia, logistinen regressio ja K-Lähimmät naapurit (K-NNs), yhdistävät nämä testit tutkiakseen niiden kykyä ennustaa onnistuneesti, kärsivätkö potilaat PDD:stä vai DLB:stä.
|
1 vuosi
|
Yhteistyökumppanit ja tutkijat
Sponsori
Sponsori
Tutkijat
Tutkijat
- Päätutkija: ANASTASIA BOUGEA, National and Kapodistrian University of Athens
Julkaisuja ja hyödyllisiä linkkejä
Opintojen ennätyspäivät
Opi tärkeimmät päivämäärät
Opiskelun aloitus (Todellinen)
Opiskelun aloitus
Ensisijainen valmistuminen (Odotettu)
Ensisijainen valmistuminen
Opintojen valmistuminen (Odotettu)
Opintojen valmistuminen
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Ensimmäinen lähetetty
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Ensimmäinen Lähetetty (Todellinen)
Ensimmäinen Lähetetty
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Viimeisin päivitys julkaistu
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Viimeksi vahvistettu
Viimeksi vahvistettu
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
Muut tutkimustunnusnumerot
- 251ATHENS HOSPITAL
Yksittäisten osallistujien tietojen suunnitelma (IPD)
Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?
Lääke- ja laitetiedot, tutkimusasiakirjat
Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta
Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta
Nämä tiedot haettiin suoraan verkkosivustolta clinicaltrials.gov ilman muutoksia. Jos sinulla on pyyntöjä muuttaa, poistaa tai päivittää tutkimustietojasi, ota yhteyttä register@clinicaltrials.gov. Heti kun muutos on otettu käyttöön osoitteessa clinicaltrials.gov, se päivitetään automaattisesti myös verkkosivustollemme .