- ICH GCP
- Yhdysvaltain kliinisten tutkimusten rekisteri
- Kliininen tutkimus NCT04448340
Uusi koneoppimisalgoritmi Lewyn kehon dementioiden ennustamiseen (MLDLB)
tiistai 8. syyskuuta 2020 päivittänyt: Anastasia Bougea, National and Kapodistrian University of Athens
Uusi koneoppimisalgoritmi Lewyn kehon dementioiden ennustamiseen kliinisten ja neuropsykologisten pisteiden avulla
Parkinsonin taudin dementia (PDD) ja Dementia with Lewy body (DLB) ovat dementiaoireyhtymiä, jotka menevät päällekkäin monissa kliinisissä piirteissä, mikä tekee niiden diagnosoinnista vaikeaa kliinisessä käytännössä, erityisesti pitkälle edenneissä vaiheissa.
Ehdotamme koneoppimisalgoritmia, joka perustuu vain ei-invasiivisesti ja helposti klinikalla kerättäviin ennustajiin, tunnistamaan nämä häiriöt, joilla on korkea ennustekyky.
Tutkimuksen yleiskatsaus
Yksityiskohtainen kuvaus
Algoritmi kehitetään käyttämällä kahdesta erikoistuneesta muistikeskuksesta saatua tietoaineistoa, joissa käytetään otosta PDD- ja DLB-potilaista, joiden diagnostinen seuranta on saatavilla vähintään 3 vuoden ajan perusarvioinnin jälkeen.
Ennusteina käytettiin rajoitettua tietoa kliinis-demografisista ominaisuuksista, 6 neuropsykologista testiä (minimentaalinen, PD-kognitiivinen arviointiasteikko, lyhyt visuaalinen muistitesti, kirjoitettu symbolinumero, Wechslerin aikuisten älykkyysasteikko, polun tekeminen A ja B).
Kahta luokittelualgoritmia, logistista regressiota ja K-Lähimmät naapurit (K-NNs), tutkitaan niiden kyvyn ennustaa onnistuneesti, kärsivätkö potilaat PDD:stä vai DLB:stä.
Opintotyyppi
Havainnollistava
Ilmoittautuminen (Odotettu)
200
Yhteystiedot ja paikat
Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.
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
Tutkijat etsivät ihmisiä, jotka sopivat tiettyyn kuvaukseen, jota kutsutaan kelpoisuuskriteereiksi. Joitakin esimerkkejä näistä kriteereistä ovat henkilön yleinen terveydentila tai aiemmat hoidot.
Kelpoisuusvaatimukset
Opintokelpoiset iät
50 vuotta - 90 vuotta (Aikuinen, Vanhempi Aikuinen)
Hyväksyy terveitä vapaaehtoisia
Ei
Sukupuolet, jotka voivat opiskella
Kaikki
Näytteenottomenetelmä
Ei-todennäköisyysnäyte
Tutkimusväestö
PDD-ryhmä koostuu potilaista, jotka täyttävät todennäköisen PDD:n kriteerit ja DLB-ryhmän. Potilaat rekisteröidään kahden klinikan rekisteripohjaisesta tietokannasta.
Seuraavat tiedot kerättiin: sukupuoli, ikä, koulutus, käden dominanssi, taudin kesto (vuosia) ja levodopaekvivalentti päiväannos (LEDD).
Sairaustaakkaa arvioidaan Movement Disorders Society-United Parkinson's Disease Rating Scale (MDS-UPDRS) -arviointiasteikon (MDS-UPDRS) osassa III lääkityksen lopettamisen tilassa ja seuraavilla kuudella kognitiivisella/käyttäytymistestillä: Mini-Mental State Examination (MMSE), PD- Kognitiivinen arviointiasteikko (PD-CRS), lyhyt visuaalinen muistitesti (BVMT-TR), kirjoitettu symbolinumero (SDMT), jäljentekotesti (TMT A,B), Wechslerin aikuisten älykkyysasteikko (WAIS-V).
Kaikille potilaille tehdään aivojen MRI ja verikoe dementian toissijaisten syiden poissulkemiseksi.
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
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 |
---|---|
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
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
Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.
Tutkijat
- Päätutkija: ANASTASIA BOUGEA, National and Kapodistrian University of Athens
Julkaisuja ja hyödyllisiä linkkejä
Tutkimusta koskevien tietojen syöttämisestä vastaava henkilö toimittaa nämä julkaisut vapaaehtoisesti. Nämä voivat koskea mitä tahansa tutkimukseen liittyvää.
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)
Sunnuntai 1. syyskuuta 2019
Ensisijainen valmistuminen (Odotettu)
Torstai 1. lokakuuta 2020
Opintojen valmistuminen (Odotettu)
Maanantai 1. maaliskuuta 2021
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Sunnuntai 21. kesäkuuta 2020
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Keskiviikko 24. kesäkuuta 2020
Ensimmäinen Lähetetty (Todellinen)
Torstai 25. kesäkuuta 2020
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Torstai 10. syyskuuta 2020
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Tiistai 8. syyskuuta 2020
Viimeksi vahvistettu
Tiistai 1. syyskuuta 2020
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- 251ATHENS HOSPITAL
Yksittäisten osallistujien tietojen suunnitelma (IPD)
Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?
EI
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 .
Kliiniset tutkimukset koneoppimismalli
-
Health Resources and Services Administration (HRSA)University of Pennsylvania; University of California, Davis; University of... ja muut yhteistyökumppanitRekrytointiNeurokehityshäiriöt | AutismispektrihäiriöYhdysvallat
-
McMaster UniversityEi vielä rekrytointia
-
Zhongshan Ophthalmic Center, Sun Yat-sen UniversityEi vielä rekrytointia
-
Centre Hospitalier Universitaire VaudoisRekrytointiAutismispektrihäiriöSveitsi
-
Shanghai 6th People's HospitalEi vielä rekrytointiaArvioi DLS:n selkärangan epävakauden havaitsemissuorituskyky
-
University of California, BerkeleySave the Children; Health for a Prosperous Nation; Camara Education, Tanzania ja muut yhteistyökumppanitValmisKäyttäytyminen, lapsi | Käyttäytyminen, mukautuva | Käyttäytyminen, sosiaalinenTansania
-
Children's Hospital Medical Center, CincinnatiRekrytointiHypoplastinen vasemman sydämen oireyhtymä (HLHS)Yhdysvallat, Yhdistynyt kuningaskunta, Kanada
-
Alexandria UniversityRekrytointiKoulutusongelmat | Ongelma; OppiminenEgypti
-
Hu AnminEi vielä rekrytointiaKriittisesti sairaat potilaat | Mekaaninen ilmanvaihto
-
ivWatch, LLCValmisPerifeerisen IV-hoidon infiltraatioYhdysvallat