Un nouvel algorithme d'apprentissage automatique pour prédire les démences à corps de Lewy (MLDLB)
Un nouvel algorithme d'apprentissage automatique pour prédire les démences à corps de Lewy à l'aide de scores cliniques et neuropsychologiques
Aperçu de l'étude
Statut
Statut
Les conditions
Les conditions
Intervention / Traitement
Intervention / Traitement
Description détaillée
Type d'étude
Type d'étude
Inscription (Anticipé)
Inscription
Contacts et emplacements
Coordonnées de l'étude
Coordonnées de l'étude
- Nom: ANASTASIA BOUGEA, DR
- Numéro de téléphone: +306930481046
- E-mail: annita139@yahoo.gr
Sauvegarde des contacts de l'étude
- Nom: ANASTASIA BOUGEA
- Numéro de téléphone: +306930481046
- E-mail: annita139@yahoo.gr
Lieux d'étude
-
-
Attiki
-
Athens, Attiki, Grèce, 16674
- Recrutement
- Anastasia Bougea
-
Contact:
- EFTHYMIA EFTHYMIIOPOULOU, dr
- Numéro de téléphone: 00306943061632
- E-mail: faih.efthymiopoulou@gmail.com
-
Sous-enquêteur:
- Christos Goumas, dr
-
-
Critères de participation
Critère d'éligibilité
Critère d'éligibilité
Âges éligibles pour étudier
Accepte les volontaires sains
Sexes éligibles pour l'étude
Méthode d'échantillonnage
Population étudiée
La description
Critère d'intégration:
le groupe TED composé de patients remplissant les critères de TED probable de la Movement Disorders Society (b) le groupe DLB composé de patients, selon les récents critères révisés de DLB probable.
Critère d'exclusion:
- troubles psychiatriques majeurs, dépression
Plan d'étude
Comment l'étude est-elle conçue ?
Détails de conception
Nombre de groupes / cohortes
Cohortes et interventions
Groupe / CohorteGroupe / Cohorte |
Intervention / TraitementIntervention / Traitement |
|---|---|
|
Démence de la maladie de Parkinson
le groupe TED composé de 58 patients remplissant les Critères de TED probable de la Movement Disorders Society
|
Deux algorithmes de classification, la régression logistique et les K-Nearest Neighbors (K-NN), ont été étudiés pour leur capacité à prédire avec succès si les patients souffraient de TED ou de DLB.
|
|
Démence à corps de Lewy
le groupe DLB comprenait 40 patients, selon les récents critères révisés de DLB probable
|
Deux algorithmes de classification, la régression logistique et les K-Nearest Neighbors (K-NN), ont été étudiés pour leur capacité à prédire avec succès si les patients souffraient de TED ou de DLB.
|
Que mesure l'étude ?
Principaux critères de jugement
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
MMSE prédictif pour dlb ou PDD
Délai: 1 an
|
Deux algorithmes de classification, la régression logistique et K-Nearest Neighbors (K-NNs), combineront ces tests afin d'étudier leur capacité à prédire avec succès si les patients souffraient de TED ou de DLB.
|
1 an
|
|
Maladie de Parkinson - Échelle d'évaluation cognitive (PD-CRS) prédictive de la DLB ou du TED
Délai: 1 an
|
Deux algorithmes de classification, la régression logistique et K-Nearest Neighbors (K-NNs), combineront ces tests afin d'étudier leur capacité à prédire avec succès si les patients souffraient de TED ou de DLB.
|
1 an
|
|
Bref test de mémoire visuospatiale (BVMT-TR) prédictif pour DLB ou PDD
Délai: 1 an
|
Deux algorithmes de classification, la régression logistique et K-Nearest Neighbors (K-NNs), combineront ces tests afin d'étudier leur capacité à prédire avec succès si les patients souffraient de TED ou de DLB.
|
1 an
|
|
Chiffre de symbole écrit prédictif pour DLB ou PDD
Délai: 1 an
|
Deux algorithmes de classification, la régression logistique et K-Nearest Neighbors (K-NNs), combineront ces tests afin d'étudier leur capacité à prédire avec succès si les patients souffraient de TED ou de DLB.
|
1 an
|
|
Échelle d'intelligence de Wechsler pour adultes, prédictive pour DLB ou PDD
Délai: 1 an
|
Deux algorithmes de classification, la régression logistique et K-Nearest Neighbors (K-NNs), combineront ces tests afin d'étudier leur capacité à prédire avec succès si les patients souffraient de TED ou de DLB.
|
1 an
|
|
sentier rendant A et B prédictifs pour DLB ou PDD
Délai: 1 an
|
Deux algorithmes de classification, la régression logistique et K-Nearest Neighbors (K-NNs), combineront ces tests afin d'étudier leur capacité à prédire avec succès si les patients souffraient de TED ou de DLB.
|
1 an
|
Collaborateurs et enquêteurs
Parrainer
Parrainer
Les enquêteurs
Les enquêteurs
- Chercheur principal: ANASTASIA BOUGEA, National and Kapodistrian University of Athens
Publications et liens utiles
Dates d'enregistrement des études
Dates principales de l'étude
Début de l'étude (Réel)
Début de l'étude
Achèvement primaire (Anticipé)
Achèvement primaire
Achèvement de l'étude (Anticipé)
Achèvement de l'étude
Dates d'inscription aux études
Première soumission
Première soumission
Première soumission répondant aux critères de contrôle qualité
Première soumission répondant aux critères de contrôle qualité
Première publication (Réel)
Première publication
Mises à jour des dossiers d'étude
Dernière mise à jour publiée (Réel)
Dernière mise à jour publiée
Dernière mise à jour soumise répondant aux critères de contrôle qualité
Dernière mise à jour soumise répondant aux critères de contrôle qualité
Dernière vérification
Dernière vérification
Plus d'information
Termes liés à cette étude
Termes MeSH pertinents supplémentaires
Autres numéros d'identification d'étude
Autres numéros d'identification d'étude
- 251ATHENS HOSPITAL
Plan pour les données individuelles des participants (IPD)
Prévoyez-vous de partager les données individuelles des participants (DPI) ?
Informations sur les médicaments et les dispositifs, documents d'étude
Étudie un produit pharmaceutique réglementé par la FDA américaine
Étudie un produit d'appareil réglementé par la FDA américaine
Ces informations ont été extraites directement du site Web clinicaltrials.gov sans aucune modification. Si vous avez des demandes de modification, de suppression ou de mise à jour des détails de votre étude, veuillez contacter register@clinicaltrials.gov. Dès qu'un changement est mis en œuvre sur clinicaltrials.gov, il sera également mis à jour automatiquement sur notre site Web .