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

Data Mining of Population Health-sub-health-disease Based on Dynamic System Theory

lauantai 24. tammikuuta 2026 päivittänyt: Lv, Han, Beijing Friendship Hospital

Väestön terveyden, aliterveyden ja sairauksien datanlouhinta dynaamisen systeemiteorian perusteella

Tämän tutkimuksen tavoitteena on tutkia väestön terveyden, aliterveyden ja sairaustilojen dynaamista kehityskulkua dynaamisen järjestelmäteorian ja suurten tietomäärien louhintamenetelmien avulla, tarjoten tieteellistä näyttöä henkilökohtaiselle ehkäisylle ja terveydenhoidolle.

Tutkimuksen yleiskatsaus

Tila

Aktiivinen, ei rekrytointi

Yksityiskohtainen kuvaus

Erityistavoitteisiin kuuluvat: (1) Yksilöllisten terveys-, aliterveys- ja sairaustilojen tunnistaminen käyttämällä ohjaamattomia järjestelmämallinnustekniikoita, samalla tutkien niiden keskinäisiä muutosreittejä. (2) Tilasiirtymiä määrittävien avainindikaattoreiden tunnistaminen, niiden mekanismien ja vuorovaikutusten selventäminen. (3) Dynaamisten järjestelmämallien kehittäminen tilasiirtymien reittien simulointiin monimuuttujavaikutusten alaisena, ennustaen yksilöllisiä todennäköisyyksiä edistyä terveydestä aliterveyteen tai sairauteen. (4) Mallinnustuloksiin perustuvien tulkittavien terveysennustetyökalujen luominen tarkkojen interventioiden tukemiseksi. Lopputavoitteena on luoda tieteellisesti validoitu mutta toteuttamiskelpoinen terveystilamallinnusjärjestelmä, joka tarjoaa kvantifioitavia työkaluja varhaiseen interventioon ja personoituun terveydenhoitoon kroonisten sairauksien ilmaantuvuuden ja terveydenhuollon taakkojen vähentämiseksi.

Opintotyyppi

Havainnollistava

Ilmoittautuminen (Arvioitu)

380000

Yhteystiedot ja paikat

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

Opiskelupaikat

    • Beijing Municipality
      • Beijing, Beijing Municipality, Kiina, 100050
        • Beijing Friendship Hospital, Capital Medical 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

  • Lapsi
  • Aikuinen
  • Vanhempi Aikuinen

Hyväksyy terveitä vapaaehtoisia

Joo

Näytteenottomenetelmä

Todennäköisyysnäyte

Tutkimusväestö

Pekingin Ystävyyssairaalan terveystietotietokanta

Kuvaus

Osallistumiskriteerit:

  • Osallistujien on suoritettava vähintään kaksi peräkkäistä lääkärintarkastusta Pekingin ystävyyssairaalan lääkärintarkastuskeskuksessa, Capital Medical Universityssa, kesäkuun 2007 ja elokuun 2025 välillä, vähintään 6 kuukauden välein vierekkäisten tietueiden välillä.
  • Tietueiden tulisi olla suhteellisen täydellisiä, ja keskeisten tutkimusmuuttujien puuttuvuusaste (esim. ydinkemialliset indikaattorit, väestötiedot ja olennaiset kyselykohteet) ≤30 %.
  • Osallistujilla ei saa olla aiempaa vakavien orgaanisten sairauksien historiaa ennen ensimmäistä tutkimukseen osallistumista (kuten potilaskertomuksissa dokumentoitu, pääasiassa sisältäen: pahanlaatuiset kasvaimet (parantumattomat/lopuvaiheen), vakava sydämen vajaatoiminta (NYHA-luokka III–IV), lopuvaiheen munuaissairaus (CKD-vaihe 5), dekompensoitu kirsima tai merkittävä toimintakyvyn heikentymä vakavan aivoverisuonitautien jälkioireiden aiheuttama).

Poissulkemiskriteerit:

- Henkilöt, joilla on vakava perustietojen puute (kuten yksilöllinen tunniste, keskeiset väestötiedot ja tarkastuksen ydinkriteerit) tai joita ei voida tehokkaasti anonymisoida.

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
Pekingin Ystävyyssairaalan terveystietotietokanta
  1. Osallistujien on suoritettava vähintään kaksi peräkkäistä lääkärintarkastusta Pekingin ystävyyssairaalan lääkärintarkastuskeskuksessa, joka kuuluu Capital Medical Universityyn, kesäkuun 2007 ja elokuun 2025 välisenä aikana, vähintään 6 kuukauden välein vierekkäisten tietueiden välillä.
  2. Tietueiden tulisi olla suhteellisen täydellisiä, ja keskeisten tutkimusmuuttujien (esim. keskeiset biokemialliset indikaattorit, väestötiedot ja olennaiset kyselykohteet) puuttuvien tietojen määrä on ≤30 %.
  3. Osallistujilla ei saa olla aiempaa historiaa vakavista orgaanisista sairauksista ennen ensimmäistä tutkimukseen osallistumista (kuten potilaskertomuksissa on dokumentoitu, pääasiassa käsittäen: pahanlaatuiset kasvaimet (parantumattomat/loppuvaiheen), vakava sydämen vajaatoiminta (NYHA luokka III-IV), loppuvaiheen munuaissairaus (CKD vaihe 5), dekompensoitu kirsima tai merkittävä toimintakyvyn heikentymä vakavan aivoverenkierron häiriön jälkiseurauksista).
Tämä on havainnointitutkimus.

Mitä tutkimuksessa mitataan?

Ensisijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Erottelutarkkuus seuraavaa diagnoosia varten
Aikaikkuna: Arvioi sisäisellä validointiaineistolla. Tämä aineisto sisältää yksilökohtaisia historiallisia tietoja aina 1. tammikuuta 2018 asti, joiden perusteella malli ennustaa seuraavan välittömästi tapahtuvan diagnoositapahtuman. Laske AUC niille sairauksille, joissa on yli 1000 ICD-10 -koodia.
Ikä- ja sukupuolittainen Receiver Operating Characteristic -käyrän alla oleva pinta-ala, AUC
Arvioi sisäisellä validointiaineistolla. Tämä aineisto sisältää yksilökohtaisia historiallisia tietoja aina 1. tammikuuta 2018 asti, joiden perusteella malli ennustaa seuraavan välittömästi tapahtuvan diagnoositapahtuman. Laske AUC niille sairauksille, joissa on yli 1000 ICD-10 -koodia.
Pitkän aikavälin ennustetarkkuus
Aikaikkuna: Arvioi AUC-arvot sairastumiselle 1., 2., 3., 5. ja 10. vuoden kuluttua ennustamisesta sisäisessä validointidatasetissa.
AUC:iä ja sukupuolta mukaan luokiteltuna, jossa arvioidaan sairastumisriskiä tietyin aikavälein (1 vuosi, 2 vuotta,..., 10 vuotta) ennusteen jälkeen. Tämä mittari kuvaa mallin ennustuskyvyn heikkenemistä ajan myötä.
Arvioi AUC-arvot sairastumiselle 1., 2., 3., 5. ja 10. vuoden kuluttua ennustamisesta sisäisessä validointidatasetissa.
Trajektoriatason ennustetarkkuus
Aikaikkuna: Validaatio-osajoukossa arvioidaan sairaustapahtumaennusteiden tarkkuutta jokaiselta vuodelta simulaation alkupisteestä (60-vuotiaana) seuraaville 1–20 vuodelle.
Oikein ennustettujen tautitapahtumien osuus. Jokaisena simuloituna tulevana vuotena yhdistä luodut tautitapahtumat yksilöissä todella tapahtuviin tautitapahtumiin ja laske yhteensopivuuden onnistumisprosentti (%).
Validaatio-osajoukossa arvioidaan sairaustapahtumaennusteiden tarkkuutta jokaiselta vuodelta simulaation alkupisteestä (60-vuotiaana) seuraaville 1–20 vuodelle.

Yhteistyökumppanit ja tutkijat

Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.

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 1. syyskuuta 2025

Ensisijainen valmistuminen (Arvioitu)

Torstai 31. elokuuta 2028

Opintojen valmistuminen (Arvioitu)

Lauantai 31. elokuuta 2030

Opintoihin ilmoittautumispäivät

Ensimmäinen lähetetty

Tiistai 9. joulukuuta 2025

Ensimmäinen toimitettu, joka täytti QC-kriteerit

Lauantai 24. tammikuuta 2026

Ensimmäinen Lähetetty (Todellinen)

Torstai 29. tammikuuta 2026

Tutkimustietojen päivitykset

Viimeisin päivitys julkaistu (Todellinen)

Torstai 29. tammikuuta 2026

Viimeisin lähetetty päivitys, joka täytti QC-kriteerit

Lauantai 24. tammikuuta 2026

Viimeksi vahvistettu

Torstai 1. tammikuuta 2026

Lisää tietoa

Tähän tutkimukseen liittyvät termit

Muut tutkimustunnusnumerot

  • 202511

Yksittäisten osallistujien tietojen suunnitelma (IPD)

Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?

PÄÄTTÄMÄTÖN

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 Epäterveellistä

Kliiniset tutkimukset Mitään interventiota ei sovelleta.

Tilaa