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

Tulehduksellisen suolistosairauden tunnistusalgoritmin kehittäminen tapaussarjan tietojen avulla

keskiviikko 4. maaliskuuta 2020 päivittänyt: Hyangsook Lee, KMD, PhD

Rohdosvalmisteet tulehduksellisiin suolistosairauksiin: kuvioiden tunnistusalgoritmin kehittäminen tapaussarjatietojen retrospektiivisen analyysin avulla

Tässä tutkimuksessa pyrittiin tunnistamaan tulehduksellisen suolistosairauden (IBD) malleja oireiden esittämisen perusteella ja ehdottamaan algoritmeja kuvion määrittämiseksi ja yrttireseptejä vastaaville malleille. Tutkijat keräsivät oiretietoja 67 IBD-potilaasta, jotka saavuttivat ja säilyttivät kliinisen remission sen jälkeen, kun he olivat saaneet yrttireseptejä. Reseptit luokiteltiin viiteen malliin, jotka nimettiin mukana olevien potilaiden pääpiirteiden ja oireiden mukaan. Oireiden ja kuvioiden väliset assosiaatiot visualisoitiin käyttämällä termi Frequency Inverse Document Frequency (TF-IDF) -menetelmää. IBD-mallien määrittäminen potilaiden oireista analysoitiin ja kartoitettiin päätöspuumallinnuksella.

Tutkimuksen yleiskatsaus

Yksityiskohtainen kuvaus

Yrttireseptit ovat yksi halutuimmista täydentävistä ja vaihtoehtoisista lääketieteellisistä hoitostrategioista tulehduksellisille suolistosairaudille. Perinteisen kiinalaisen lääketieteen (TCM)/perinteisen itäaasialaisen lääketieteen (TEAM) mallin tunnistamisen vaihtelua on kuitenkin kritisoitu. Tutkijat pyrkivät kehittämään hoitoalgoritmeja, jotka on jalostettu tunnistettujen mallien ja avainoireiden perusteella, jotka lääkärit voivat helposti erottaa toisistaan.

Kliinisen remission aiheuttaneiden yrttimääräysten perusteella IBD-potilaat jaettiin viiteen malliin, toisin sanoen paksusuolen tyyppiin, vesikosteustyyppiin, hengitysteiden tyyppiin, ylemmän maha-suolikanavan (GI) tyyppiin ja kylmyystyyppiin. Termifrekvenssi-käänteisasiakirjatiheys (TF-IDF) -menetelmällä analysoitiin 22 oireen, jotka kuvattiin indikaatioiksi yrttilääkkeiden määräämisestä, ja 5 mallin välinen yhteys. Päätöspuumallinnusta käytettiin olennaisten kuvioiden ennustamiseen oireista.

Opintotyyppi

Havainnollistava

Ilmoittautuminen (Todellinen)

67

Yhteystiedot ja paikat

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

Opiskelupaikat

      • Seoul, Korean tasavalta, 02447
        • Acupuncture & Meridian Science Research Centre

Osallistumiskriteerit

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

Kelpoisuusvaatimukset

Opintokelpoiset iät

15 vuotta - 65 vuotta (Lapsi, Aikuinen, Vanhempi Aikuinen)

Hyväksyy terveitä vapaaehtoisia

Ei

Sukupuolet, jotka voivat opiskella

Kaikki

Näytteenottomenetelmä

Ei-todennäköisyysnäyte

Tutkimusväestö

Potilaat, joille gastroenterologi oli diagnosoinut IBD:n ja jotka saavuttivat kliinisen remission yrttilääkehoidon jälkeen

Kuvaus

Sisällyttämiskriteerit:

  • Gastroenterologin IBD-diagnoosi
  • Potilaat ovat saavuttaneet IBD-oireiden kliinisen remission ja säilyttäneet sen sen jälkeen, kun he ovat saaneet yrttireseptejä
  • Potilaat ovat antaneet kirjallisen tietoisen suostumuksen

Poissulkemiskriteerit:

  • Yksityiskohdat 25 oireesta jätettiin pois

Opintosuunnitelma

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

Miten tutkimus on suunniteltu?

Suunnittelun yksityiskohdat

Kohortit ja interventiot

Ryhmä/Kohortti
Interventio / Hoito
Päätöspuualgoritmien koulutus/testaus
Tutkijat jakoivat 67 potilaan tiedot 5 ryhmään tehdäkseen 5-kertaisen ristiinvalidoinnin. Päätöspuualgoritmin harjoittamiseen käytettiin neljää ryhmää ja sen testaamiseen yksi ryhmä.

Päätöspuuanalyysiä käytettiin tutkimaan päätöksentekoprosessia kuviotyypeistä, jotka perustuvat oireen olemassaoloon tai puuttumiseen. Esitetyn puun lopussa on kuhunkin malliin luokiteltujen potilaiden osuus.

Tässä tutkimuksessa luokittelu suoritettiin käyttämällä luokitus- ja regressiopuu (CART) -algoritmia käyttäen Pythonin Scikit-learn-pakettia, joka suorittaa jaon Gini-kertoimella tai dispersion dekrementillä. Gini-kerroin on yksi työkaluista mitata entropiaa tai diversiteettiä kussakin solmussa ja se mittaa dekrementtiä vertaamalla tiedon entropiaa ennen erotusta ja sen jälkeen. Ylisovittamisen välttämiseksi lehtisolmujen enimmäismäärä rajoitettiin neljään ja karsimiseen käytettiin minimikuvauspituuden periaatetta.

Mitä tutkimuksessa mitataan?

Ensisijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Kuvioiden tunnistusalgoritmin tarkkuus
Aikaikkuna: Lokakuuta 2015
Kuvioiden tunnistusalgoritmia ehdotettiin käyttämällä päätöspuumenetelmää. Päätöspuumenetelmää käytettiin potilaan kliinisiin piirteisiin perustuvien kuviotyyppien päätöksentekoprosessin tutkimiseen.
Lokakuuta 2015

Yhteistyökumppanit ja tutkijat

Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.

Julkaisuja ja hyödyllisiä linkkejä

Tutkimusta koskevien tietojen syöttämisestä vastaava henkilö toimittaa nämä julkaisut vapaaehtoisesti. Nämä voivat koskea mitä tahansa tutkimukseen liittyvää.

Yleiset julkaisut

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)

Torstai 1. marraskuuta 2007

Ensisijainen valmistuminen (Todellinen)

Lauantai 28. helmikuuta 2015

Opintojen valmistuminen (Todellinen)

Keskiviikko 28. lokakuuta 2015

Opintoihin ilmoittautumispäivät

Ensimmäinen lähetetty

Tiistai 3. maaliskuuta 2020

Ensimmäinen toimitettu, joka täytti QC-kriteerit

Tiistai 3. maaliskuuta 2020

Ensimmäinen Lähetetty (Todellinen)

Torstai 5. maaliskuuta 2020

Tutkimustietojen päivitykset

Viimeisin päivitys julkaistu (Todellinen)

Perjantai 6. maaliskuuta 2020

Viimeisin lähetetty päivitys, joka täytti QC-kriteerit

Keskiviikko 4. maaliskuuta 2020

Viimeksi vahvistettu

Sunnuntai 1. maaliskuuta 2020

Lisää tietoa

Tähän tutkimukseen liittyvät termit

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 .

Tilaa