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.

Un nouvel algorithme d'apprentissage automatique pour prédire les démences à corps de Lewy (MLDLB)

8 septembre 2020 mis à jour par: Anastasia Bougea, National and Kapodistrian University of Athens

Un nouvel algorithme d'apprentissage automatique pour prédire les démences à corps de Lewy à l'aide de scores cliniques et neuropsychologiques

La démence de la maladie de Parkinson (PDD) et la démence à corps de Lewy (DCL) sont des syndromes de démence qui se chevauchent dans de nombreuses caractéristiques cliniques, ce qui rend leur diagnostic difficile en pratique clinique, en particulier aux stades avancés. Nous proposons un algorithme d'apprentissage automatique, basé uniquement sur des prédicteurs collectables de manière non invasive et facilement en clinique, pour identifier ces troubles avec une performance pronostique élevée.

Aperçu de l'étude

Statut

Inconnue

Les conditions

Intervention / Traitement

Description détaillée

L'algorithme sera développé à l'aide d'un ensemble de données provenant de deux centres de mémoire spécialisés, en utilisant un échantillon de sujets TED et DLB dont le suivi diagnostique est disponible pendant au moins 3 ans après l'évaluation de base. Un ensemble restreint d'informations concernant les caractéristiques clinico-démographiques, 6 tests neuropsychologiques (mini mental, PD Cognitive Rating Scale, Brief Visuospatial Memory test, Symbol digit written, Wechsler adult intelligence scale, trail making A et B) ont été utilisés comme prédicteurs. Deux algorithmes de classification, la régression logistique et les K-Nearest Neighbors (K-NNs), seront étudiés pour leur capacité à prédire avec succès si les patients souffraient de TED ou de DLB.

Type d'étude

Observationnel

Inscription (Anticipé)

200

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.

Coordonnées de l'étude

  • Nom: ANASTASIA BOUGEA, DR
  • Numéro de téléphone: +306930481046
  • E-mail: annita139@yahoo.gr

Sauvegarde des contacts de l'étude

Lieux d'étude

  • Grèce
    • Attiki
      • Athens, Attiki, Grèce, 16674
        • Recrutement
        • Anastasia Bougea
        • Contact:
        • Sous-enquêteur:
          • Christos Goumas, dr

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

50 ans à 90 ans (Adulte, Adulte plus âgé)

Accepte les volontaires sains

Non

Sexes éligibles pour l'étude

Tout

Méthode d'échantillonnage

Échantillon non probabiliste

Population étudiée

le groupe PDD composé de patients remplissant les critères de PDD probable et le groupe DLB. Les patients seront inscrits à partir de la base de données basée sur les registres de deux cliniques. Les données suivantes ont été recueillies : sexe, âge, niveau d'études, prédominance de la main, durée de la maladie (années) et dose quotidienne équivalente de lévodopa (LEDD). Le fardeau de la maladie sera évalué par la partie III de l'échelle d'évaluation de la maladie de Parkinson de la Movement Disorders Society-United Parkinson (MDS-UPDRS) dans l'état sans médicament et les six tests cognitifs/comportementaux suivants : Mini-Mental State Examination (MMSE), PD- Échelle d'évaluation cognitive (PD-CRS), test de mémoire visuospatiale brève (BVMT-TR), chiffre de symbole écrit (SDMT), test de création de piste (TMT A, B), échelle d'intelligence adulte de Wechsler (WAIS-V). Tous les patients subiront une IRM cérébrale et un test sanguin pour exclure les causes secondaires de démence.

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

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
Démence de la maladie de Parkinson
le groupe TED composé de 58 patients remplissant les Critères de TED probable de la Movement Disorders Society
Test diagnostique: modèle d'apprentissage automatique
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
Test diagnostique: modèle d'apprentissage automatique
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

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

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

Parrainer

National and Kapodistrian University of Athens

Les enquêteurs

  • Chercheur principal: ANASTASIA BOUGEA, National and Kapodistrian University of Athens

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 septembre 2019

Achèvement primaire (Anticipé)

1 octobre 2020

Achèvement de l'étude (Anticipé)

1 mars 2021

Dates d'inscription aux études

Première soumission

21 juin 2020

Première soumission répondant aux critères de contrôle qualité

24 juin 2020

Première publication (Réel)

25 juin 2020

Mises à jour des dossiers d'étude

Dernière mise à jour publiée (Réel)

10 septembre 2020

Dernière mise à jour soumise répondant aux critères de contrôle qualité

8 septembre 2020

Dernière vérification

1 septembre 2020

Plus d'information

Termes liés à cette étude

Termes MeSH pertinents supplémentaires

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) ?

NON

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 .

Essais cliniques sur modèle d'apprentissage automatique

Rechercher des essais similaires

Sponsors et collaborateurs

Les conditions médicales

Interventions en matière de drogue

CROs by country

CROs in Jamaica

Conditions

Maladies rares

Interventions en matière de drogue

Compléments alimentaires

Commanditaire / collaborateurs

Emplacements

3
S'abonner