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

Konenäköön perustuva MDS-UPDRS III -koneluokitus

torstai 20. elokuuta 2026 päivittänyt: Ruijin Hospital

MDS-UPDRS III:n konenäköön perustuva koneluokitus

Movement Disorders Societyn (MDS) Unified Parkinsonin taudin arviointiasteikko (UPDRS) osa III (MDS-UPDRS III) on Parkinsonin tautipotilaiden motoristen oireiden ensisijainen arviointimenetelmä. Tällä hetkellä liikehäiriöasiantuntijat suorittavat puolikvantitatiivista pisteytystä, johon liittyy rajoituksia, kuten subjektiivisuus, heikko herkkyys ja rajoitettu määrä ammattilääkäreitä. Tämä konenäköön perustuva tutkimus vahvistaa kultastandardin tarrat asiantuntijapisteytyksen mukaan. Koneoppimisen avulla kehitämme koneen luokitusmallin ja vertaamme mallin suorituskykyä kultaiseen standardiluokitukseen ja yleiseen kliiniseen luokitukseen tutkiaksemme konenäköpohjaisen MDS-UPDRS III -koneluokitusten tarkkuutta.

Tutkimuksen yleiskatsaus

Tila

Valmis

Ehdot

Interventio / Hoito

Muut: videotallennus

Opintotyyppi

Havainnollistava

Ilmoittautuminen (Todellinen)

1679

Yhteystiedot ja paikat

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

Opiskelupaikat

Kiina
- Beijing Municipality
  - Beijing, Beijing Municipality, Kiina, 100050
    - Center for Movement Disorders, Department of Neurology, Beijing Tiantan Hospital, Capital Medical University
  - Beijing, Beijing Municipality, Kiina, 100730
    - Beijing Hospital, Neurology Department
- Fujian
  - Fuzhou, Fujian, Kiina, 350001
    - Department of Neurology, Fujian Medical University Union Hospital
- Guangdong
  - Guangzhou, Guangdong, Kiina, 510080
    - Department of Neurology, Guangdong Neuroscience Institute, Guangdong General Hospital, Guangdong Academy of Medical Sciences
- Hubei
  - Wuhan, Hubei, Kiina, 430022
    - Department of Neurology, Union Hospital, Tongji Medical College, Huazhong University of Science and Technology
- Jiangsu
  - Suzhou, Jiangsu, Kiina, 215004
    - Department of Neurology and Clinical Research Center of Neurological Disease, The Second Affiliated Hospital of Soochow University
- Shanghai Municipality
  - Shanghai, Shanghai Municipality, Kiina, 200025
    - Department of Neurology and Institute of Neurology, Ruijin Hospital, Shanghai Jiao Tong University School of Medicine
- Sichuan
  - Chengdu, Sichuan, Kiina, 610044
    - Department of Neurology, West China Hospital, Sichuan University

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

Aikuinen
Vanhempi Aikuinen

Hyväksyy terveitä vapaaehtoisia

Näytteenottomenetelmä

Todennäköisyysnäyte

Tutkimusväestö

Tässä tutkimuksessa osallistujat rekrytoidaan pääasiassa Ruijinin sairaalan neurologian osastolta, Shanghai Jiao Tong -yliopiston lääketieteellisestä korkeakoulusta sekä 7 muun keskuksen liikehäiriöklinikoilta. Osallistujat otetaan mukaan avohoidon ja seulonnan kautta. Kaksi liikehäiriöiden asiantuntijaa diagnosoi itsenäisesti osallistujilla "parkinsonismi". Tapauksissa, joissa on diagnostista erimielisyyttä, Ruijinin sairaalan neurologian osaston liikehäiriöiden asiantuntijaryhmä keskustelee ja tekee päätöksen yhdessä.

Kuvaus

Sisällyttämiskriteerit:

Täyttää International Movement Disorder Societyn vahvistamat Parkinsonismin diagnostiset kriteerit: bradykinesia ja vähintään toinen lepovapinan tai lihasjäykkyyden kriteerit
20-80 vuotta vanha
Hyvä noudattaminen, vapaaehtoisesti tutkimukseen osallistuminen ja tietoisen suostumuslomakkeen allekirjoittaminen tai laillisen edustajan allekirjoittaminen

Poissulkemiskriteerit:

Merkittävä kognitiivinen heikentyminen (MMSE ≤ 23)
Ei voi allekirjoittaa kirjallista tietoon perustuvaa suostumusta tai ei pysty suorittamaan koetta muista syistä
Muut tilanteet, joissa tutkija katsoo, että osallistuja ei sovellu tähän tutkimukseen
Osallistuminen muihin kliinisiin tutkimuksiin

Opintosuunnitelma

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

Miten tutkimus on suunniteltu?

Suunnittelun yksityiskohdat

Mitä tutkimuksessa mitataan?

Ensisijaiset tulostoimenpiteet

Tulosmittaus	Toimenpiteen kuvaus	Aikaikkuna
Item-level: MAE Aikaikkuna: 1 day	At the item level, mean absolute error (MAE) between paired AI scores and consensus reference scores, calculated as the average absolute difference across items. Lower values indicate closer agreement.	1 day
Item-level: P(\|Δ\|≥2) Aikaikkuna: 1 day	At the item level, the proportion of paired AI and consensus reference scores with an absolute difference of 2 or more points. Lower values indicate fewer large item-level scoring disagreements.	1 day
Score-level: ICC Aikaikkuna: 1 day	Intraclass correlation coefficient (ICC) between AI-derived scores and consensus reference scores, calculated separately for each of the four subdomain scores and the total score. Higher ICC values indicate greater agreement.	1 day
Score-level: SEM Aikaikkuna: 1 day	Standard error of measurement (SEM) for AI-derived scores relative to consensus reference scores, calculated separately for each of the four subdomain scores and the total score. SEM quantifies measurement error in the units of the corresponding score, with lower values indicating greater measurement precision.	1 day
Score-level: SDC Aikaikkuna: 1 day	Smallest detectable change (SDC), derived from the measurement error and calculated separately for each of the four subdomain scores and the total score. SDC represents the minimum score change required to exceed expected measurement error. Lower values indicate greater measurement precision.	1 day

Toissijaiset tulostoimenpiteet

Tulosmittaus	Toimenpiteen kuvaus	Aikaikkuna
Item-level: Within-one agreement (ACC1; P(\|Δ\| ≤ 1)) Aikaikkuna: 1 day	At the item level, ACC1 is defined as the proportion of paired AI and consensus reference scores with an absolute difference of no more than 1 point, i.e., P(\|Δ\| ≤ 1). Higher values indicate closer item-level agreement.	1 day
Item-level: Exact-error proportions [P(\|Δ\| = k)] Aikaikkuna: 1 day	At the item level, exact-error proportions, P(\|Δ\| = k), represent the proportions of paired AI and consensus reference scores with each exact absolute error magnitude k. In particular, P(\|Δ\| = 0) corresponds to exact-match accuracy (ACC), defined as the proportion of items for which the AI score exactly matches the consensus reference score. The remaining values of k characterize the distribution of item-level scoring errors.	1 day
Item-level: Per-class exact recall Aikaikkuna: 1 day	At the item level, for each consensus reference score class, the proportion of items for which the AI score exactly matches the consensus reference score among all items belonging to that reference class. Higher values indicate better class-specific exact agreement.	1 day
Item-level: Confusion matrix Aikaikkuna: 1 day	At the item level, a cross-tabulation of AI scores against consensus reference scores, showing the number of paired ratings for each combination of reference and AI score categories. Rows represent consensus reference scores and columns represent AI scores.	1 day
Item-level: Row-normalised confusion matrix Aikaikkuna: 1 day	At the item level, the confusion matrix normalised within each consensus reference score row so that each row sums to 1, showing the distribution of AI scores conditional on each reference score class.	1 day
Score-level: Limits of agreement Aikaikkuna: 1 day	Bland-Altman limits of agreement between AI-derived scores and consensus reference scores, calculated separately for each of the four subdomain scores and the total score. The limits characterize the range within which most paired differences between AI and reference scores are expected to fall.	1 day
Score-level: MAE Aikaikkuna: 1 day	Mean absolute error (MAE) between AI-derived scores and consensus reference scores, calculated separately for each of the four subdomain scores and the total score as the average absolute difference between paired scores. Lower values indicate smaller scoring errors.	1 day
Score-level: RMSE Aikaikkuna: 1 day	Root mean square error (RMSE) between AI-derived scores and consensus reference scores, calculated separately for each of the four subdomain scores and the total score. RMSE gives greater weight to larger scoring errors, with lower values indicating closer agreement.	1 day
Score-level: Spearman correlation Aikaikkuna: 1 day	Spearman rank correlation between AI-derived scores and consensus reference scores, calculated separately for each of the four subdomain scores and the total score. Higher values indicate a stronger monotonic association between AI-derived and reference scores.	1 day

Yhteistyökumppanit ja tutkijat

Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.

Sponsori

Ruijin Hospital

Yhteistyökumppanit

Beijing Tiantan Hospital

West China Hospital

Beijing Hospital

Guangdong Provincial People's Hospital

Fujian Medical University Union Hospital

Second Affiliated Hospital of Soochow University

Union Hospital, Tongji Medical College, Huazhong University of Science and Technology

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)

Keskiviikko 1. maaliskuuta 2023

Ensisijainen valmistuminen (Todellinen)

Keskiviikko 31. joulukuuta 2025

Opintojen valmistuminen (Todellinen)

Keskiviikko 31. joulukuuta 2025

Opintoihin ilmoittautumispäivät

Ensimmäinen lähetetty

Keskiviikko 7. kesäkuuta 2023

Ensimmäinen toimitettu, joka täytti QC-kriteerit