Kognitiivisen heikentymisen MMSE-pisteiden ennustaminen
perjantai 22. marraskuuta 2024 päivittänyt: Blekinge Institute of Technology
Kognitiivisen vajaatoiminnan MMSE-pisteiden ennustaminen: koneoppimisanalyysi yli 60-vuotiaiden ihmisten suuterveydestä ja väestötiedoista
Tämän tutkimuksen tarkoituksena on tutkia mahdollisuuksia käyttää koneoppimisalgoritmeja (ML) ennustamaan kognitiivista tilaa, erityisesti MMSE-pisteitä, perustuen suun terveyteen ja väestötietoihin.
Tavoitteena on arvioida erilaisten ML-mallien tehokkuutta ja tunnistaa tärkeimmät suun terveyden indikaattorit, joiden avulla voidaan ennustaa MMSE-pisteitä 30 (normaali kognitio) tai ≤26 (kognitiivinen heikentyminen) 60-vuotiailla ja sitä vanhemmilla henkilöillä.
Tutkimuksen yleiskatsaus
Yksityiskohtainen kuvaus
Tämä poikkileikkaustutkimus hyödyntää suun terveyttä ja väestötietoja kahdesta olemassa olevasta kohorttitutkimuksesta: eurooppalaisesta yhteistyötutkimuksesta Support Monitoring and Reminder Technology for Mild Dementia (SMART4MD) ja Ruotsin kansallisesta ikääntymistä ja hoitoa koskevasta tutkimuksesta (SNAC-B). Analyyseihin otetaan mukaan 60 vuotta täyttäneet osallistujat. Tietoja käytetään koneoppimismallien kehittämiseen ja arvioimiseen kognitiivisen tilan ennustamiseksi.
Tavoitteet:
- Ensisijainen tavoite: Arvioida suun terveysparametrien potentiaalia MMSE-pisteiden binääriluokituksessa (30 vs. ≤26).
- Toissijainen tavoite: Tunnistaa vaikutusvaltaisimmat suun terveyden parametrit, jotka vaikuttavat kognitiivisten heikentymien ennustamiseen.
- Kolmannen asteen tavoite: Vertaa Random Forest (RF), Support Vector Machine (SVM) ja CatBoost (CB) luokittimien suorituskykyä MMSE-pisteiden ennustamisessa käyttämällä suun terveystietoja.
Opintotyyppi
Havainnollistava
Ilmoittautuminen (Todellinen)
693
Yhteystiedot ja paikat
Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.
Opiskelupaikat
-
-
-
Karlskrona, Ruotsi, 37179
- Blekinge Institute of Technology
-
-
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
Joo
Näytteenottomenetelmä
Ei-todennäköisyysnäyte
Tutkimusväestö
Eurooppalaisesta yhteistyötutkimuksesta Support Monitoring and Reminder Technology for Mild Dementia (SMART4MD) ja Ruotsin kansallisesta ikääntymistä ja hoitoa koskevasta tutkimuksesta (SNAC-B) kerätyt tiedot analysoidaan.
Analyyseihin otetaan mukaan 60 vuotta täyttäneet osallistujat.
Kuvaus
Sisällön kriteerit:
- 60 vuotta täyttäneet henkilöt.
- Osallistujat, joiden suun terveysparametrit ja MMSE-pisteet ovat joko 30 tai ≤26.
Poissulkemiskriteerit:
- Henkilöt, joiden MMSE-pisteet ovat 27, 28 tai 29, koska nämä pisteet edustavat siirtymävaihetta normaalin kognition ja kognitiivisen heikkenemisen välillä, mikä saattaa aiheuttaa vaihtelua.
- Alle 60-vuotiaat henkilöt.
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 |
|---|---|
|
MMSE ≤26
339 osallistujaa
|
Tietojoukkoa, joka koostuu osallistujista, joiden MMSE-pisteet ovat ≤ 26 ja 30, käytetään erilaisten koneoppimistekniikoiden luokittelutehokkuuden arvioimiseen.
Muut nimet:
|
|
MMSE 30
354 osallistujaa
|
Tietojoukkoa, joka koostuu osallistujista, joiden MMSE-pisteet ovat ≤ 26 ja 30, käytetään erilaisten koneoppimistekniikoiden luokittelutehokkuuden arvioimiseen.
Muut nimet:
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Tunnistuksen suorituskyky
Aikaikkuna: 5 kuukautta
|
Tutkimus mittaa koneoppimisluokittajien luokittelukykyä.
Arvioinnissa käytetään suorituskykymittareita, tarkkuutta, tarkkuutta, muistamista, F1-pistemäärää ja hämmennysmatriisia.
Tärkeimpien ominaisuuksien tarkastelu perustui SHAP-yhteenvetokaavioihin, jotka antoivat visualisointeja parametriryhmien vaikutuksesta tuottoon tärkeydensä mukaan järjestettyinä.
Tämä tärkeys perustuu SHAP-arvoihin, jotka tarjoavat näkemyksiä ominaisuuksien vaikutuksista ML-mallin päätöksentekoprosessiin.
|
5 kuukautta
|
Yhteistyökumppanit ja tutkijat
Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.
Sponsori
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 10. kesäkuuta 2024
Ensisijainen valmistuminen (Todellinen)
Torstai 10. lokakuuta 2024
Opintojen valmistuminen (Todellinen)
Sunnuntai 10. marraskuuta 2024
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Tiistai 17. syyskuuta 2024
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Perjantai 20. syyskuuta 2024
Ensimmäinen Lähetetty (Todellinen)
Keskiviikko 25. syyskuuta 2024
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Arvioitu)
Maanantai 25. marraskuuta 2024
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Perjantai 22. marraskuuta 2024
Viimeksi vahvistettu
Sunnuntai 1. syyskuuta 2024
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- BTH-6.1.1-0156-2024
Yksittäisten osallistujien tietojen suunnitelma (IPD)
Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?
EI
IPD-suunnitelman kuvaus
Osallistujatietoja ei voida jakaa GDPR:n vuoksi.
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 .