Prédiction de la réponse motrice STN DBS dans la MP (DBS-PREDICT)
Prédiction par apprentissage automatique de la réponse motrice après STN DBS chez des patients parkinsoniens, une étude de validation multicentrique rétrospective
Malgré une sélection rigoureuse des patients pour la stimulation cérébrale profonde du noyau sous-thalamique (STN DBS), certains patients atteints de la maladie de Parkinson (MP) montrent une amélioration limitée de l'incapacité motrice. Les résultats non concluants et l'absence d'un algorithme de prédiction implantable pratique des études de prédiction précédentes maintiennent le besoin d'un outil simple pour les neurologues qui fournit une prédiction fiable sur l'amélioration motrice postopératoire pour les patients individuels.
Dans cette étude, un modèle de prédiction précédemment développé pour la réponse motrice après STN DBS chez les patients parkinsoniens est validé. Le modèle génère des probabilités individuelles de devenir un faible répondeur un an après la chirurgie. Le modèle sera validé dans une cohorte de validation collectée dans plusieurs centres internationaux.
Le modèle prédictif est rendu accessible au public avant la collecte des données sur : https://github.com/jgvhabets/DBSPREDICT
Aperçu de l'étude
Statut
Les conditions
Intervention / Traitement
Description détaillée
Prédire le résultat moteur après STN DBS dans la maladie de Parkinson peut être difficile pour le clinicien. Les études de prédiction actuelles rapportent des résultats non concluants sur les prédicteurs les plus importants et sont limitées par les méthodes de calcul utilisées. Les analyses statistiques traditionnelles qui se concentrent sur les corrélations sont biaisées par la sélection des prédicteurs et des facteurs de confusion par les enquêteurs. Les méthodes de calcul modernes telles que les modèles de prédiction d'apprentissage automatique sont moins limitées par la taille de l'échantillon et peuvent prendre en compte un plus large éventail de prédicteurs, ce qui réduit le biais de sélection.
Les données rétrospectives des patients sont collectées auprès de plusieurs centres internationaux. Cette cohorte rétrospective multicentrique permet de valider le modèle qui est développé à partir d'une cohorte rétrospective monocentrique.
L'objectif est de développer un outil de prédiction qui fournit au clinicien une probabilité de réponse faible pendant la phase préopératoire. Cela pourrait aider le clinicien à inclure ou à informer le patient lors des conseils préopératoires.
Le modèle prédictif est rendu accessible au public avant la collecte des données sur : https://github.com/jgvhabets/DBSPREDICT.
Type d'étude
Inscription (Réel)
Contacts et emplacements
Lieux d'étude
-
-
Limburg
-
Maastricht, Limburg, Pays-Bas, 6229 AZ
- MaastrichtUMC
-
-
Critères de participation
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:
- a subi STN DBS pour la maladie de Parkinson
- complété un an de suivi après la chirurgie
Critère d'exclusion:
- données manquantes dans les UPDRS postopératoires II, III, IV
Plan d'étude
Comment l'étude est-elle conçue ?
Détails de conception
- Modèles d'observation: Cohorte
- Perspectives temporelles: Rétrospective
Cohortes et interventions
Groupe / Cohorte |
Intervention / Traitement |
|---|---|
|
cohorte de validation multicentrique
Nous recueillons des données rétrospectives de plusieurs centres internationaux contenant des variables préopératoires (démographiques et cliniques) et des résultats postopératoires (UPDRS II, III, IV) un an après l'opération, et fusionnons ces données en une seule cohorte de validation.
|
Génération de probabilités individuelles de réponse motrice en fonction de variables préopératoires
|
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
aire sous la courbe de la courbe de l'opérateur du récepteur
Délai: un an postopératoire
|
Le résultat moteur est classé dans une variable de résultat binaire. Le modèle prédira à quel groupe de résultats le patient appartiendra un an après l'opération. La principale mesure de résultat est la performance des catégories de résultats prédits avec les catégories de résultats réels. Les performances des modèles de prédiction sont exprimées en aire sous la courbe de la courbe de l'opérateur du récepteur, en précision prédictive, en taux de prédiction de vrais positifs et en taux de prédiction de faux positifs. |
un an postopératoire
|
|
précision prédictive
Délai: un an postopératoire
|
Voir description résultat primaire 1.
|
un an postopératoire
|
|
taux de prédiction vrai positif
Délai: un an postopératoire
|
Voir description résultat primaire 1.
|
un an postopératoire
|
|
taux de prédiction de faux positifs
Délai: un an postopératoire
|
Voir description résultat primaire 1.
|
un an postopératoire
|
Collaborateurs et enquêteurs
Parrainer
Dates d'enregistrement des études
Dates principales de l'étude
Début de l'étude (Réel)
Achèvement primaire (Réel)
Achèvement de l'étude (Réel)
Dates d'inscription aux études
Première soumission
Première soumission répondant aux critères de contrôle qualité
Première publication (Réel)
Mises à jour des dossiers d'étude
Dernière mise à jour publiée (Réel)
Dernière mise à jour soumise répondant aux critères de contrôle qualité
Dernière vérification
Plus d'information
Termes liés à cette étude
Mots clés
Termes MeSH pertinents supplémentaires
Autres numéros d'identification d'étude
- 2019-0739-A9
Plan pour les données individuelles des participants (IPD)
Prévoyez-vous de partager les données individuelles des participants (DPI) ?
Description du régime IPD
Délai de partage IPD
Critères d'accès au partage IPD
Type d'informations de prise en charge du partage d'IPD
- Protocole d'étude
- Code analytique
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 .