Cette page a été traduite automatiquement et l'exactitude de la traduction n'est pas garantie. Veuillez vous référer au version anglaise pour un texte source.

Développement d'un algorithme d'identification des modèles de maladies inflammatoires de l'intestin à l'aide de données de séries de cas

4 mars 2020 mis à jour par: Hyangsook Lee, KMD, PhD

Phytothérapie pour les maladies inflammatoires de l'intestin : développement d'un algorithme d'identification de modèles par analyse rétrospective de données de séries de cas

Cette étude visait à identifier les modèles de maladies inflammatoires de l'intestin (MII) en fonction des symptômes présentés et à suggérer des algorithmes pour déterminer les modèles et les prescriptions à base de plantes pour les modèles correspondants. Les chercheurs ont recueilli des données sur les symptômes de 67 patients atteints de MICI qui ont obtenu et maintenu des rémissions cliniques après avoir pris des prescriptions de phytothérapie. Les prescriptions ont été classées en 5 modèles, qui ont été nommés d'après les principales caractéristiques et symptômes des patients inclus. Les associations entre les symptômes présentés et les modèles ont été visualisées à l'aide d'une méthode de fréquence de document inverse de fréquence de terme (TF-IDF). La détermination des modèles d'IBD à partir des symptômes des patients a été analysée et cartographiée par la modélisation d'arbre de décision.

Aperçu de l'étude

Statut

Complété

Les conditions

Intervention / Traitement

Description détaillée

Les prescriptions à base de plantes sont l'une des stratégies de traitement de médecine complémentaire et alternative les plus recherchées pour les patients atteints de maladies inflammatoires de l'intestin. Cependant, la variabilité dans l'identification des modèles de médecine traditionnelle chinoise (MTC)/médecine traditionnelle d'Asie de l'Est (TEAM) a été critiquée. En utilisant les données de patients ayant obtenu et maintenu une rémission clinique après la prescription de plantes médicinales TCM/TEAM, les chercheurs ont cherché à développer des algorithmes de traitement affinés par un schéma identifié et des symptômes clés que les praticiens peuvent facilement discriminer.

Sur la base des prescriptions à base de plantes qui ont induit une rémission clinique, les patients atteints de MICI ont été divisés en 5 modèles, à savoir le type gros intestin, le type humidité de l'eau, le type respiratoire, le type tractus gastro-intestinal supérieur (GI) et le type froid. Par la méthode term frequency-inverse document frequency (TF-IDF), l'association entre 22 symptômes qui ont été décrits comme des indications des prescriptions de phytothérapie et 5 modèles a été analysée. La modélisation par arbre de décision a été utilisée pour prédire les schémas pertinents à partir des symptômes.

Type d'étude

Observationnel

Inscription (Réel)

67

Contacts et emplacements

Cette section fournit les coordonnées de ceux qui mènent l'étude et des informations sur le lieu où cette étude est menée.

Lieux d'étude

Critères de participation

Les chercheurs recherchent des personnes qui correspondent à une certaine description, appelée critères d'éligibilité. Certains exemples de ces critères sont l'état de santé général d'une personne ou des traitements antérieurs.

Critère d'éligibilité

Âges éligibles pour étudier

15 ans à 65 ans (Enfant, Adulte, Adulte plus âgé)

Accepte les volontaires sains

Non

Sexes éligibles pour l'étude

Tout

Méthode d'échantillonnage

Échantillon non probabiliste

Population étudiée

Patients ayant reçu un diagnostic de MICI par un gastro-entérologue et ayant obtenu une rémission clinique après un traitement avec des prescriptions de phytothérapie

La description

Critère d'intégration:

  • Diagnostic de MICI par un gastro-entérologue
  • Les patients ont obtenu et maintenu une rémission clinique des symptômes de la MII après avoir pris des prescriptions à base de plantes
  • Les patients ont fourni un consentement éclairé écrit

Critère d'exclusion:

  • Les détails concernant l'un des 25 symptômes ont été omis

Plan d'étude

Cette section fournit des détails sur le plan d'étude, y compris la façon dont l'étude est conçue et ce que l'étude mesure.

Comment l'étude est-elle conçue ?

Détails de conception

Cohortes et interventions

Groupe / Cohorte
Intervention / Traitement
Entraînement/test d'algorithme d'arbre de décision
Les enquêteurs ont divisé les données de 67 patients en 5 groupes pour effectuer une validation croisée quintuple. Quatre groupes ont été utilisés pour former l'algorithme d'arbre de décision et un groupe a été utilisé pour le tester.
Autre: Modélisation d'arbre de décision

Une analyse d'arbre de décision a été utilisée pour explorer le processus de prise de décision sur les types de schémas basés sur l'existence ou la non-existence d'un symptôme. À la fin de l'arbre présenté se trouve la proportion de patients qui sont classés dans chaque modèle.

Dans cette étude, la classification a été effectuée en appliquant l'algorithme d'arbre de classification et de régression (CART) à l'aide du package Scikit-learn de Python, qui effectue une division à l'aide du coefficient de Gini ou du décrément de dispersion. Le coefficient de Gini est l'un des outils de mesure de l'entropie ou de la diversité dans chaque nœud et il mesure le décrément en comparant l'entropie de l'information avant et après la séparation. Pour éviter le surajustement, le nombre maximum de nœuds feuilles a été limité à quatre et la méthode d'élagage respectant le principe de longueur de description minimale a été appliquée.

Que mesure l'étude ?

Principaux critères de jugement

Mesure des résultats
Description de la mesure
Délai
Précision de l'algorithme d'identification des modèles
Délai: Octobre 2015
Un algorithme d'identification de modèle a été suggéré en utilisant une méthode d'arbre de décision. La méthode de l'arbre de décision a été utilisée pour explorer le processus de prise de décision sur les types de modèles basés sur les caractéristiques cliniques des patients.
Octobre 2015

Collaborateurs et enquêteurs

C'est ici que vous trouverez les personnes et les organisations impliquées dans cette étude.

Parrainer

Hyangsook Lee, KMD, PhD

Publications et liens utiles

La personne responsable de la saisie des informations sur l'étude fournit volontairement ces publications. Il peut s'agir de tout ce qui concerne l'étude.

Publications générales

Dates d'enregistrement des études

Ces dates suivent la progression des dossiers d'étude et des soumissions de résultats sommaires à ClinicalTrials.gov. Les dossiers d'étude et les résultats rapportés sont examinés par la Bibliothèque nationale de médecine (NLM) pour s'assurer qu'ils répondent à des normes de contrôle de qualité spécifiques avant d'être publiés sur le site Web public.

Dates principales de l'étude

Début de l'étude (Réel)

1 novembre 2007

Achèvement primaire (Réel)

28 février 2015

Achèvement de l'étude (Réel)

28 octobre 2015

Dates d'inscription aux études

Première soumission

3 mars 2020

Première soumission répondant aux critères de contrôle qualité

3 mars 2020

Première publication (Réel)

5 mars 2020

Mises à jour des dossiers d'étude

Dernière mise à jour publiée (Réel)

6 mars 2020

Dernière mise à jour soumise répondant aux critères de contrôle qualité

4 mars 2020

Dernière vérification

1 mars 2020

Plus d'information

Termes liés à cette étude

Mots clés

Termes MeSH pertinents supplémentaires

Autres numéros d'identification d'étude

  • KyungheeU

Informations sur les médicaments et les dispositifs, documents d'étude

Étudie un produit pharmaceutique réglementé par la FDA américaine

Non

Étudie un produit d'appareil réglementé par la FDA américaine

Non

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 .

S'abonner