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

TPF koneoppimisalgoritmit

maanantai 8. elokuuta 2022 päivittänyt: Harm Hoekstra, prof. dr., Universitaire Ziekenhuizen KU Leuven

Sääriluun tasangon murtumien operatiivinen vai ei-leikkaushoito? Koneoppimisalgoritmien soveltaminen hoitopäätöksen avuksi

Ottaa käyttöön koneoppimistekniikka, jotta voidaan päättää, johtaako operatiivisella vai ei-operatiivisella hoidolla parhaaseen potilaan lopputulokseen.

Tutkimuksen yleiskatsaus

Tila

Rekrytointi

Yksityiskohtainen kuvaus

Yleisenä tavoitteena on ottaa käyttöön koneoppimistekniikka, jonka avulla voidaan päättää, johtaako operatiivisella vai ei-operatiivisella hoidolla parhaaseen potilaan lopputulokseen.

Ensisijaisena tavoitteena on tunnistaa sopivin koneoppimisalgoritmi parhaan hoidon ennustamiseksi tuleville potilaille. Se, johtaako konservatiivinen vai leikkaushoito parhaaseen potilaan lopputulokseen, päätetään ennustetun KOOS-pisteen perusteella. Algoritmin harjoitustietoina käytetään useita syötetekijöitä, kuten hoito (konservatiivinen tai leikkaus), murtumafragmenttien määrä, murtuman sijainti, pehmytkudosten osallistuminen… jokaiselle potilaalle. Osa näistä syöttötiedoista johdetaan CT-skannauksista. Siksi CT-skannaukset segmentoidaan Mimicsissä, jota varten UZ Leuven osti äskettäin lisenssit. Harjoitustietojen lähtömuuttuja on kunkin potilaan KOOS-pistemäärä. Tulo- ja lähtömuuttujan perusteella algoritmi määrittää suhteen näiden välillä. Tuleville potilaille, joiden syötemuuttuja on tiedossa, ennustetaan tulosmuuttuja (=KOOS-pisteet) sekä operatiivisessa että konservatiivisessa hoidossa. Oletamme, että ennustetta parannetaan lisäämällä syöttödataa ajan myötä.

Toissijaisena tavoitteena on tunnistaa kliiniset ja radiologiset tekijät, jotka auttavat ennustamaan parasta hoitoa tuleville potilaille.

Näkymänä on, että koneoppimistekniikkaa voitaisiin tulevaisuudessa ottaa käyttöön kliinisessä käytännössä ja hyödyntää potilaskohtaisena suunnittelutyökaluna sääriluun tasangon murtumien hoidossa auttamalla kirurgia valitsemaan kulloiseenkin tapaukseen parhaiten sopivan hoidon. Tähän rekisteriin kerättyjä tietoja käytetään koneoppimismallin validointiin. Potilaita ei vielä hoideta kehitetyn mallin tulosten perusteella, vaan traumakirurgi päättää, mikä hoitovaihtoehto on potilaalle paras.

Opintotyyppi

Havainnollistava

Ilmoittautuminen (Odotettu)

300

Yhteystiedot ja paikat

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

Opiskeluyhteys

Tutki yhteystietojen varmuuskopiointi

Opiskelupaikat

    • Vlaams-Brabant
      • Leuven, Vlaams-Brabant, Belgia, 3000
        • Rekrytointi
        • UZ Leuven
        • Ottaa yhteyttä:
          • Harm Hoekstra, Prof. MD

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

18 vuotta ja vanhemmat (Aikuinen, Vanhempi Aikuinen)

Hyväksyy terveitä vapaaehtoisia

Ei käytössä

Sukupuolet, jotka voivat opiskella

Kaikki

Näytteenottomenetelmä

Ei-todennäköisyysnäyte

Tutkimusväestö

UZ Leuvenin potilaat

Kuvaus

Sisällyttämiskriteerit:

  • Ikä > 18 vuotta
  • Proksimaalisen sääriluun tasangon murtuma
  • Potilas voi osallistua seurantakäynneille

Poissulkemiskriteerit:

  • Ikä < 18 vuotta
  • Kahdenväliset murtumat
  • Neurologiset häiriöt (esim. paraplegia, CVA, dementia jne.)
  • Ei ymmärrä hollantia tai englantia

Opintosuunnitelma

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

Miten tutkimus on suunniteltu?

Suunnittelun yksityiskohdat

  • Havaintomallit: Kohortti
  • Aikanäkymät: Tulevaisuuden

Mitä tutkimuksessa mitataan?

Ensisijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Koneoppimisalgoritmi
Aikaikkuna: 1 vuosi
Tunnistaa sopivin koneoppimisalgoritmi, joka ennustaa parhaan hoidon tuleville potilaille. Ennuste paranee ajan myötä lisäsyötteen avulla.
1 vuosi

Toissijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Kliiniset tekijät
Aikaikkuna: 1 vuosi
Tunnistaa kliiniset tekijät, jotka auttavat ennustamaan paras hoito tuleville potilaille
1 vuosi
Radiologiset tekijät
Aikaikkuna: 1 vuosi
Tunnistaa radiologiset tekijät, jotka auttavat ennustamaan paras hoito tuleville potilaille
1 vuosi

Yhteistyökumppanit ja tutkijat

Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.

Tutkijat

  • Päätutkija: Harm Hoekstra, Prof. MD, UZ Leuven

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)

Maanantai 5. lokakuuta 2020

Ensisijainen valmistuminen (Odotettu)

Perjantai 1. elokuuta 2025

Opintojen valmistuminen (Odotettu)

Lauantai 1. elokuuta 2026

Opintoihin ilmoittautumispäivät

Ensimmäinen lähetetty

Perjantai 16. heinäkuuta 2021

Ensimmäinen toimitettu, joka täytti QC-kriteerit

Tiistai 27. heinäkuuta 2021

Ensimmäinen Lähetetty (Todellinen)

Perjantai 30. heinäkuuta 2021

Tutkimustietojen päivitykset

Viimeisin päivitys julkaistu (Todellinen)

Tiistai 9. elokuuta 2022

Viimeisin lähetetty päivitys, joka täytti QC-kriteerit

Maanantai 8. elokuuta 2022

Viimeksi vahvistettu

Maanantai 1. elokuuta 2022

Lisää tietoa

Tähän tutkimukseen liittyvät termit

Muita asiaankuuluvia MeSH-ehtoja

Muut tutkimustunnusnumerot

  • S64352

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 Sääriluun tasangon murtuma

3
Tilaa