Tämä sivu käännettiin automaattisesti, eikä käännösten tarkkuutta voida taata. Katso englanninkielinen versio lähdetekstiä varten.

Tekoälyopetusalusta lääketieteellisiin koneoppimiskursseihin

tiistai 3. maaliskuuta 2026 päivittänyt: Wei XIA, PhD, Sun Yat-sen University

Suurten kielimallien perustuvan opetusagentin soveltaminen ja tehokkuus lääketieteellisessä koulutuksessa: Tutkimus koneoppimisen ja tiedonlouhinnan kurssista

Tämän interventiotutkimuksen tavoitteena on arvioida suurten kielimallien (LLM) pohjalta kehitetyn kasvatusalan tekoälyagentin tehokkuutta lääketieteen tai hoitotyön alaan erikoistuneilla jatko-opiskelijoilla (maisteri- ja tohtoritutkinnot), jotka osallistuvat "Koneoppiminen ja tiedonlouhinta"-kurssille. Tutkimuksen tarkoituksena on vastata seuraaviin pääkysymyksiin:

Parantaako kasvatusalan tekoälyagentin käyttö opiskelijoiden akateemista suorituskykyä ja käytännön taitoja koneoppimisessa verrattuna perinteisiin menetelmiin?

Lisääkö tekoälyinterventio opiskelijoiden oppimisluottamusta, tyytyväisyyttä ja kognitiivista sitoutumista?

Tutkijat vertailevat tällä hetkellä tekoälyagenttia käyttäviä opiskelijoita (kokeellinen ryhmä) historialliseen kontrolliryhmään (edellisen vuosikurssin opiskelijat, jotka eivät käyttäneet tekoälytyökalua) nähdäkseen, johtaako tekoälyavusteinen oppimismalli merkittävästi korkeampiin oppimissuorituksiin ja parempiin koulutuskokemuksiin.

Osallistujat:

Käyttävät Opetusagenttia reaaliaikaisten vastausten saamiseen teoreettisiin kysymyksiin, henkilökohtaiseen opintosuunnitteluun ja tiedon vahvistamiseen.

Vuorovaikuttavat Tutkimusagentin kanssa kirjallisuuskatsausten, tutkimussuunnittelun optimoinnin ja akateemisen kirjoittamisen rakenteen avustamiseksi.

Käyttävät Harjoitusinnovaatioagenttia ohjauksen saamiseksi koodaukseen, algoritmien virheenkorjaukseen ja koneoppimismallien soveltamiseen lääketieteen tietojen analyysiprojekteihin.

Tutkimuksen yleiskatsaus

Tila

Tila

Ilmaisee nykyisen rekrytointitilan tai laajennetun pääsyn tilan.
Rekrytointi

Ehdot

Ehdot

Sairaus, häiriö, oireyhtymä, sairaus tai vamma, jota tutkitaan. Sivustolla ClinicalTrials.gov olosuhteet voivat sisältää myös muita terveyteen liittyviä kysymyksiä, kuten elinikää, elämänlaatua ja terveysriskejä.

Interventio / Hoito

Interventio / Hoito

Prosessi tai toiminta, joka on kliinisen tutkimuksen painopiste. Interventioihin kuuluvat lääkkeet, lääkinnälliset laitteet, toimenpiteet, rokotteet ja muut tuotteet, jotka ovat joko tutkittavia tai jo saatavilla. Interventiot voivat sisältää myös ei-invasiivisia lähestymistapoja, kuten koulutusta tai ruokavalion ja liikunnan muokkaamista.

Yksityiskohtainen kuvaus

Tausta: Tekoäly (AI) ja tiedonlouhinta ovat muodostumassa välttämättömiksi taidoiksi nykyaikaisessa lääketieteellisessä ja hoitotyön tutkimuksessa. Perinteiset opetusmenetelmät jatko-opintotason kurssille "Koneoppiminen ja tiedonlouhinta" kuitenkin usein kamppailevat vastaamaan erilaisia teknisiä taustoja (esim. ohjelmointi, matematiikka) omaavien opiskelijoiden henkilökohtaisiin oppimistarpeisiin. Tämän ratkaisemiseksi tämä tutkimus esittelee räätälöidyn Tekoälyopetusagentin, joka perustuu suuriin kielimalleihin (LLM), toimimaan älykkäänä opetusavustajana.

Tavoitteet: Päätavoitteena on arvioida tekoälyagentin tehokkuutta parantamaan oppimistuloksia, käytännön ohjelmointitaitoja ja akateemista itsetehokkuutta lääketieteen ja hoitotyön jatko-opiskelijoiden keskuudessa. Tutkimus pyrkii myös arvioimaan tekoälyagenttien integroinnin toteutettavuutta ja opiskelijoiden tyytyväisyyttä lääketieteen opetussuunnitelmaan.

Tutkimussuunnittelu: Tämä on ei-satunnaistettu interventiotutkimus, joka hyödyntää historiallista kontrollisuunnittelua.

Kokeellinen ryhmä (interventio): Opiskelijat vuosina 2025–2026, jotka saavat pääsyn tekoälyagenttijärjestelmään.

Kontrolliryhmä (historiallinen): Edellisen akateemisen vuosikurssin (2024–2025) opiskelijat, jotka suorittivat saman opetussuunnitelman käyttäen standardeja opetusmenetelmiä ilman tekoälytukea.

Intervention yksityiskohdat: Interventio sisältää tekoälyagenttijärjestelmän käyttöönoton, jota pyörittävät suuret kielimallit (LLM) ja tietografiisi perustuva hakuavusteinen generointi (KGRAG). KGRAG-viitekehys rajoittaa tekoälyn vastaukset varmennettuun tietopohjaan (kurssikirjat, luentokalvot ja valikoidut koodivarastot) minimoidakseen "hallusinaatiot" ja varmistaakseen lääketieteellisen/tieteellisen tarkkuuden. Järjestelmä sisältää kolme erikoistunutta toiminnallista moduulia:

Opetusagentti: Toimii 24/7 -ohjaajana, tarjoten käsiteselityksiä, tiivistäen keskeisiä tietopisteitä ja tarjoten henkilökohtaisia opintosuunnitelmia opiskelijan edistymisen perusteella.

Tutkimusagentti: Tukee tutkimuskoulutusta avustamalla kirjallisuuskatsauksissa, hienosäätämällä tutkimuskysymyksiä ja optimoimalla akateemisen kirjoittamisen rakenteita.

Käytännön innovaatioagentti: Edistää käytännön taitojen hankkimista ohjaamalla opiskelijoita koodin generoinnissa, algoritmien virheenkorjauksessa ja koneoppimismallien soveltamisessa todellisiin lääketieteellisiin tietoaineistoihin. Agentti käyttää sokraattista ohjaustapaa ohjatakseen ongelmanratkaisua sen sijaan, että antaisi suoria vastauksia.

Opintotyyppi

Opintotyyppi

Kuvaa kliinisen tutkimuksen luonnetta. Tutkimustyyppejä ovat interventiotutkimukset (kutsutaan myös kliinisiksi kokeiksi), havaintotutkimukset (mukaan lukien potilasrekisterit) ja laajennettu pääsy.
Interventio

Ilmoittautuminen (Arvioitu)

Ilmoittautuminen

Kliinisen tutkimuksen osallistujien määrä. "Odotettu" ilmoittautuminen on tavoitemäärä osallistujia, jonka tutkijat tarvitsevat tutkimukseen.
56

Vaihe

Vaihe

Kliinisen tutkimuksen vaihe, jossa tutkitaan lääkettä tai biologista tuotetta, joka perustuu Yhdysvaltain elintarvike- ja lääkeviraston (FDA) kehittämiin määritelmiin. Vaihe perustuu tutkimuksen tavoitteeseen, osallistujamäärään ja muihin ominaisuuksiin. Vaiheita on viisi: Varhainen vaihe 1 (aiemmin Vaihe 0), Vaihe 1, Vaihe 2, Vaihe 3 ja Vaihe 4. Ei sovelleta -toimintoa käytetään kuvaamaan kokeita, joissa ei ole FDA määrittämiä vaiheita, mukaan lukien laitekokeet tai käyttäytymistoimenpiteet.
  • Ei sovellettavissa

Yhteystiedot ja paikat

Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.

Opiskeluyhteys

Opiskeluyhteys

Sen henkilön nimi ja yhteystiedot, joka voi vastata kliiniseen tutkimukseen ilmoittautumiskysymyksiin. Jokaisella paikkakunnalla, jossa tutkimus suoritetaan, voi myös olla tietty yhteyshenkilö, joka voi paremmin vastata näihin kysymyksiin.

Tutki yhteystietojen varmuuskopiointi

Opiskelupaikat

  • Kiina
    • Guangdong
      • Guangzhou, Guangdong, Kiina, 510000
        • Rekrytointi
        • North Campus of Sun Yat-sen University
        • Ottaa yhteyttä:
        • Ottaa yhteyttä:

Osallistumiskriteerit

Tutkijat etsivät ihmisiä, jotka sopivat tiettyyn kuvaukseen, jota kutsutaan kelpoisuuskriteereiksi. Joitakin esimerkkejä näistä kriteereistä ovat henkilön yleinen terveydentila tai aiemmat hoidot.

Kelpoisuusvaatimukset

Kelpoisuusvaatimukset

Keskeiset vaatimukset, jotka ihmisten, jotka haluavat osallistua kliiniseen tutkimukseen, on täytettävä tai ominaisuudet, jotka heillä on oltava. Kelpoisuuskriteerit koostuvat sekä osallistumiskriteereistä (jotka vaaditaan, jotta henkilö voi osallistua tutkimukseen) että poissulkemisperusteista (jotka estävät henkilöä osallistumasta). Kelpoisuuskriteerityyppejä ovat muun muassa se, otetaanko tutkimukseen terveitä vapaaehtoisia, onko ikä- tai ikäryhmävaatimuksia vai sukupuolen mukaan rajoitettu.

Opintokelpoiset iät

  • Lapsi
  • Aikuinen
  • Vanhempi Aikuinen

Hyväksyy terveitä vapaaehtoisia

Joo

Kuvaus

Osallistumiskriteerit:

  1. Lääketieteen jatko-opiskelijat Guangdongin–Hongkongin–Macaon suurtenlahden alueen yliopistoista;
  2. Jatko-opiskelijat, jotka ovat suorittaneet "Koneoppiminen ja tiedonlouhinta"-kurssin;
  3. Ovat suorittaneet vaaditut esitietokurssit: "Lääketieteellinen tilastotiede" ja "Hoitotieteellinen tutkimus";
  4. Kykenevät käyttämään tekoälyn opetusagenttijärjestelmää normaalisti ja ovat halukkaita läpikäymään asiaankuuluvat opetusinterventiot ja arvioinnit tutkimusjakson aikana.

Poissulkemiskriteerit:

  1. Eivät ole halukkaita käyttämään tekoälyn opetusagenttijärjestelmää tai kieltäytyvät tutkimusryhmän keräämästä heidän asiaankuuluvia tietojaan;
  2. Opiskelijat, jotka eivät voi sitoutua kurssin koko kestoon tai joilla on tiedossa olevia aikatauluongelmia, jotka estävät säännöllisen osallistumisen;
  3. Opiskelijat, jotka ovat aiemmin ilmoittautuneet tai osallistuneet tähän kurssiin edellisinä akateemisina vuosina oppimisvaikutusharhan välttämiseksi

Opintosuunnitelma

Tässä osiossa on tietoja tutkimussuunnitelmasta, mukaan lukien kuinka tutkimus on suunniteltu ja mitä tutkimuksella mitataan.

Miten tutkimus on suunniteltu?

Suunnittelun yksityiskohdat

  • Ensisijainen käyttötarkoitus: Muut
  • Jako: Ei käytössä
  • Inventiomalli: Yksittäinen ryhmätehtävä
  • Naamiointi: Ei mitään (avoin tarra)

Aseet ja interventiot

Osallistujaryhmä / Arm

Osallistujaryhmä / Arm

Kliinisen tutkimuksen osallistujien ryhmä tai alaryhmä, joka saa tietyn toimenpiteen/hoidon tai ei interventiota tutkimuksen protokollan mukaan.
Interventio / Hoito

Interventio / Hoito

Prosessi tai toiminta, joka on kliinisen tutkimuksen painopiste. Interventioihin kuuluvat lääkkeet, lääkinnälliset laitteet, toimenpiteet, rokotteet ja muut tuotteet, jotka ovat joko tutkittavia tai jo saatavilla. Interventiot voivat sisältää myös ei-invasiivisia lähestymistapoja, kuten koulutusta tai ruokavalion ja liikunnan muokkaamista.
Kokeellinen: AI-agentin interventioryhmä
"Koneoppimisen ja tiedonlouhinnan" -kurssille vuosina 2025-2026 ilmoittautuneet jatko-opiskelijat. Tämän ryhmän osallistujat käyttävät mukautetusti kehitettyä KGRAG-pohjaista tekoälyopetuksellista agenttijärjestelmää koko lukukauden ajan. Järjestelmään kuuluu kolme moduulia: Opetusagentti käsitteiden selittämiseen, Tutkimusagentti akateemisen kirjoittamisen tueksi sekä Harjoitteluinnovaatioagentti koodin generointiin ja virheenkorjaukseen"
Muut: KGRAG-pohjainen tekoälyopetustoimija
Interventioon kuuluu räätälöity tekoälyopetusjärjestelmä, joka perustuu Large Language Models (LLM) -malleihin ja Knowledge Graph -pohjaiseen Retrieval-Augmented Generation (KGRAG) -teknologiaan. Järjestelmä koostuu kolmesta erikoistuneesta agentista, jotka tukevat itsenäistä oppimista: 1. Opetusagentti: Tarjoaa reaaliaikaisia käsiteselityksiä, henkilökohtaisia opintosuunnitelmia ja tiedon vahvistamista kurssin opetussuunnitelman perusteella. 2. Tutkimusagentti: Auttaa kirjallisuuskatsauksissa, tutkimuskysymysten tarkentamisessa ja akateemisen kirjoittamisen rakenteessa. 3. Harjoittelu- ja innovaatioagentti: Ohjaa opiskelijoita koodin generoinnissa, algoritmien virheenkorjauksessa ja datakaivausprojekteissa käyttäen sokraattista ohjaustapaa ongelmanratkaisutaitojen kehittämiseksi. Osallistujilla on pääsy tähän järjestelmään 24/7 koko lukukauden ajan.

Mitä tutkimuksessa mitataan?

Ensisijaiset tulostoimenpiteet

Ensisijaiset tulostoimenpiteet

Kliinisen tutkimuksen protokollassa suunniteltu tulosmittaus, joka on tärkein toimenpiteen/hoidon vaikutuksen arvioinnissa. Useimmilla kliinisillä tutkimuksilla on yksi ensisijainen tulosmittaus, mutta joissakin on useampia kuin yksi.
Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Yhdistetty akateemisen suorituskyvyn pistemäärä
Aikaikkuna: Intervention jälkeen (kurssin lopussa, noin viikko 3)

Arvioitu lopullisen kumulatiivisen kurssiarvosanan perusteella (alue: 0-100), joka osoittaa opiskelijan kokonaisvaltaisen hallinnan koneoppimisen käsitteistä ja sovelluksista. Pistemäärä lasketaan kolmen painotetun komponentin perusteella:

Luokan tehtävät (20%): Säännöllisten tehtävien arvioinnit, jotka on lähetetty kurssialustan kautta.

Tutkimuskehityksen tutkielma (40%): Kirjoitettu tutkielma vapaasta tutkimusaiheesta, joka arvioi teoreettista ymmärrystä ja tutkimussuunnittelun taitoja.

Ryhmän lopputyön esitys (40%): Käytännön projektin arviointi, jossa opiskelijat esittävät ratkaisuja ja tuloksia annettujen lääketieteellisten tapausten ja tietojoukkojen perusteella. Korkeammat pisteet osoittavat parempaa akateemista suoritusta.

Kokeellisen ryhmän pisteet verrataan historialliseen kontrolliryhmään
Intervention jälkeen (kurssin lopussa, noin viikko 3)

Toissijaiset tulostoimenpiteet

Toissijaiset tulostoimenpiteet

Kliinisen tutkimuksen protokollassa suunniteltu tulosmittaus, joka ei ole yhtä tärkeä kuin ensisijainen tulosmitta toimenpiteen vaikutuksen arvioinnissa, mutta joka on silti kiinnostava. Useimmissa kliinisissä tutkimuksissa on enemmän kuin yksi toissijainen tulosmitta.
Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Tavoitetiedon Hankkimisnopeus
Aikaikkuna: Intervention jälkeen (kurssin lopussa, noin viikko 3)
Arvioitiin käyttämällä kurssikyselyihin upotettua jäsenneltyä tietotaitojen arviointia. Arviointi sisältää monivalintakysymyksiä, jotka käsittelevät keskeisiä käsitteitä, tiedonkäsittelymenetelmiä ja eettisiä näkökohtia. Tulos ilmoitetaan oikeiden vastausten prosenttiosuutena
Intervention jälkeen (kurssin lopussa, noin viikko 3)
Koettu hyödyllisyys ja teknologian hyväksyntä
Aikaikkuna: Interventionin jälkeen (kurssin lopussa, noin viikko 3)
Arvioitu käyttäen kurssin jälkeistä kyselyä, joka perustuu Teknologian Hyväksymismalliin (TAM). Osallistujat arvioivat tekoälyagentin hyödyllisyyttä tutkimuksessaan ja työssään asteikolla 0 (Ei apua) - 10 (Erittäin hyödyllinen)
Interventionin jälkeen (kurssin lopussa, noin viikko 3)
AI-agentin sitoutuminen: vuorovaikutustiheys
Aikaikkuna: Kurssin lopussa (noin viikko 3)
Kokonaismäärä keskusteluja ja keskustelukäännöksiä per opiskelija, arvioitu kvantitatiivisen analyysin kautta taustajärjestelmälokeista opiskelijan sitoutumiskäyttäytymisen mittaamiseksi.
Kurssin lopussa (noin viikko 3)
AI-agentin osallistuminen: Aikajaksolliset kuviot
Aikaikkuna: Kurssin lopussa (noin viikko 3)
Vertaile AI-agentin käyttötiheyttä tenttivalmisteluviikkojen ja tavallisten opiskeluviikkojen välillä, arvioituna backend-järjestelmän lokien kvantitatiivisen analyysin kautta.
Kurssin lopussa (noin viikko 3)
AI-agentin osallistuminen: Kyselyteemat
Aikaikkuna: Kurssin lopussa (noin viikolla 3)
Opiskelijoiden kyselyteemojen tunnistaminen soveltamalla aihemallinnusalgoritmeja taustajärjestelmälokeihin.
Kurssin lopussa (noin viikolla 3)

Yhteistyökumppanit ja tutkijat

Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.

Sponsori

Sponsori

Organisaatio tai henkilö, joka käynnistää tutkimuksen ja jolla on valtuudet ja määräysvalta tutkimuksessa.
Sun Yat-sen University

Opintojen ennätyspäivät

Nämä päivämäärät seuraavat ClinicalTrials.gov-sivustolle lähetettyjen tutkimustietueiden ja yhteenvetojen edistymistä. National Library of Medicine (NLM) tarkistaa tutkimustiedot ja raportoidut tulokset varmistaakseen, että ne täyttävät tietyt laadunvalvontastandardit, ennen kuin ne julkaistaan ​​julkisella verkkosivustolla.

Opi tärkeimmät päivämäärät

Opiskelun aloitus (Todellinen)

Opiskelun aloitus

Todellinen päivämäärä, jolloin ensimmäinen osallistuja otettiin mukaan kliiniseen tutkimukseen. "Odotettu" tutkimuksen aloituspäivä on päivämäärä, jonka tutkijat uskovat olevan tutkimuksen aloituspäivä.
Torstai 1. toukokuuta 2025

Ensisijainen valmistuminen (Arvioitu)

Ensisijainen valmistuminen

Päivämäärä, jolloin viimeinen kliinisen tutkimuksen osallistuja tutkittiin tai jona hän sai intervention lopullisen datan keräämiseksi ensisijaista tulosmittausta varten. Tähän päivämäärään ei vaikuta se, päättyikö kliininen tutkimus protokollan mukaisesti vai lopetettiinko se. Kliinisissä tutkimuksissa, joissa on useampi kuin yksi ensisijainen tulosmitta ja eri päättymispäivämäärät, tämä termi viittaa päivämäärään, jolloin kaikkien ensisijaisten tulosmittausten tiedonkeruu on saatu päätökseen. "Odotettu" ensisijainen valmistumispäivä on päivämäärä, jonka tutkijat uskovat olevan tutkimuksen ensisijainen valmistumispäivä.
Tiistai 31. maaliskuuta 2026

Opintojen valmistuminen (Arvioitu)

Opintojen valmistuminen

Päivämäärä, jolloin viimeinen kliinisen tutkimuksen osallistuja tutkittiin tai jona hän sai interventiota/hoitoa lopullisen datan keräämiseksi ensisijaisia ​​tulosmittauksia, toissijaisia ​​tulosmittauksia ja haittatapahtumia varten (eli viimeisen osallistujan viimeinen käynti). "Odotettu" tutkimuksen päättymispäivä on päivämäärä, jonka tutkijat uskovat olevan tutkimuksen päättymispäivä.
Tiistai 31. maaliskuuta 2026

Opintoihin ilmoittautumispäivät

Ensimmäinen lähetetty

Ensimmäinen lähetetty

Päivämäärä, jolloin tutkimuksen sponsori tai tutkija ensimmäisen kerran toimitti tutkimustietueen ClinicalTrials.gov Ensimmäisen lähetyspäivän ja tietueen saatavuuden ClinicalTrials.gov-sivustolla (ensimmäinen julkaisupäivämäärä) välillä on yleensä muutaman päivän viive.
Perjantai 27. helmikuuta 2026

Ensimmäinen toimitettu, joka täytti QC-kriteerit

Ensimmäinen toimitettu, joka täytti QC-kriteerit

Päivämäärä, jolloin tutkimuksen rahoittaja tai tutkija lähettää ensimmäisen kerran tutkimustietueen, joka on yhdenmukainen National Library of Medicine (NLM) -laadunvalvonnan (QC) tarkistuskriteereillä. Toimeksiantajan tai tutkijan on ehkä tarkistettava ja toimitettava tutkimustietue yhden tai useamman kerran, ennen kuin NLM laadunvalvontatarkastuksen kriteerit täyttyvät. Toimeksiantajan tai tutkijan vastuulla on varmistaa, että tutkimustietue on yhdenmukainen NLM laadunvalvontatarkastuskriteerien kanssa.
Perjantai 27. helmikuuta 2026

Ensimmäinen Lähetetty (Todellinen)

Ensimmäinen Lähetetty

Päivämäärä, jolloin tutkimustietue oli ensimmäisen kerran saatavilla ClinicalTrials.gov -sivustolla National Library of Medicine (NLM) -laadunvalvontatarkastuksen (QC) tarkastuksen jälkeen. Tutkimuksen toimeksiantajan tai tutkijan tutkimustietueen toimittamisen ja ensimmäisen julkaisupäivän välillä on tyypillisesti muutaman päivän viive.
Keskiviikko 4. maaliskuuta 2026

Tutkimustietojen päivitykset

Viimeisin päivitys julkaistu (Todellinen)

Viimeisin päivitys julkaistu

Viimeisin päivämäärä, jolloin tutkimustietueen muutokset otettiin käyttöön osoitteessa ClinicalTrials.gov. Voi olla viive sen välillä, kun tutkimuksen sponsori tai tutkija on toimittanut muutokset ClinicalTrials.gov-sivustolle (viimeinen päivityksen lähetyspäivä) ja viimeisen päivityksen julkaisupäivämäärän välillä.
Torstai 5. maaliskuuta 2026

Viimeisin lähetetty päivitys, joka täytti QC-kriteerit

Viimeisin lähetetty päivitys, joka täytti QC-kriteerit

Viimeisin päivämäärä, jolloin tutkimuksen rahoittaja tai tutkija on toimittanut tutkimustietueeseen muutoksia, jotka ovat yhdenmukaisia ​​National Library of Medicine (NLM) -laadunvalvonnan (QC) tarkistuskriteereillä. Toimeksiantajan tai tutkijan vastuulla on varmistaa, että tutkimustietue on yhdenmukainen NLM laadunvalvontatarkastuskriteerien kanssa.
Tiistai 3. maaliskuuta 2026

Viimeksi vahvistettu

Viimeksi vahvistettu

Viimeisin päivämäärä, jolloin tutkimuksen rahoittaja tai tutkija vahvisti kliinisen tutkimuksen tiedot ClinicalTrials.gov-sivustolla oikeiksi ja ajantasaisiksi. Jos tutkimus, jonka rekrytointitila on rekrytointi; ei vielä rekrytoi; tai aktiivinen, ei rekrytointia ole varmistettu viimeisen 2 vuoden aikana, tutkimuksen rekrytointistatus näytetään tuntemattomana.
Sunnuntai 1. helmikuuta 2026

Lisää tietoa

Tähän tutkimukseen liittyvät termit

Avainsanat

Muut tutkimustunnusnumerot

Muut tutkimustunnusnumerot

Muut tunnisteet tai tunnusnumerot kuin NCT-numero, jotka tutkimuksen sponsori, rahoittaja tai joku muu on määrittänyt kliiniselle tutkimukselle. Nämä numerot voivat sisältää yksilöllisiä tunnisteita muista tutkimusrekistereistä ja National Institutes of Health -apurahojen numeroista.
  • L2025SYSU-HL-032
  • 25XJ0215 (Muu apuraha/rahoitusnumero: China Association of Higher Education)

Yksittäisten osallistujien tietojen suunnitelma (IPD)

Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?

JOO

IPD-suunnitelman kuvaus

Tiedot jaetaan vuoden kuluttua, kun tutkimuksen tulokset on julkaistu. Tutkijat voivat päästä käsiksi tietoihin ottamalla yhteyttä päätutkijaan sähköpostiosoitteessa xiaw23@mail.sysu.edu.cn ja kuvaamalla tutkimustarkoituksen.

IPD-jaon aikakehys

Tutkimuksen julkaisun jälkeen

IPD-jaon käyttöoikeuskriteerit

Tutkijat voivat päästä käsiksi tietoihin ottamalla yhteyttä päävastuututkijaan osoitteessa xiaw23@mail.sysu.edu.cn ja kuvaamalla tutkimustarkoituksen.

IPD-jakamista tukeva tietotyyppi

  • STUDY_PROTOCOL
  • MAHLA
  • ANALYTIC_CODE

Lääke- ja laitetiedot, tutkimusasiakirjat

Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta

Ei

Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta

Ei

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 .

Evästeasetukset

Käytämme evästeitä varmistaaksemme, että annamme sinulle parhaan kokemuksen verkkosivustollamme. Lisätietoja on tietosuoja- ja evästekäytännössämme. ...>>>Voit muuttaa asetuksiasi tai peruuttaa suostumuksesi milloin tahansa poistamalla evästeet verkkosivustoltasi tai tietokoneeltasi käytännössä kuvatulla tavalla. Hyväksy se ja valitse mieltymyksesi merkitsemällä vastaavat ruudut alla olevaan "Asetusten hallinta" -osioon. Lue huolellisesti käyttöehdot ennen kuin jatkat minkä tahansa tämän verkkosivuston osan käyttöä.
«Hallitse asetuksia