Apprentissage automatique pour le diagnostic précoce de l'endométriose (MLEndo) (MLEndo)
FEMaLe : Utilisation de l'apprentissage automatique pour le diagnostic précoce de l'endométriose sur la base des données autodéclarées des patients - Protocole d'étude d'un essai multicentrique
Aperçu de l'étude
Statut
Les conditions
Intervention / Traitement
Description détaillée
Introduction : L'endométriose est une maladie complexe et chronique qui touche environ 176 millions de femmes en âge de procréer et qui reste largement non résolue. Elle est définie par la présence de tissu de type endomètre à l'extérieur de l'utérus et est généralement associée à des douleurs pelviennes chroniques, à l'infertilité et à une diminution de la qualité de vie. Malgré les nombreuses méthodes de dépistage et de tri proposées telles que les biomarqueurs, l'analyse génomique, les techniques d'imagerie et les questionnaires pour remplacer la laparoscopie diagnostique invasive, aucune n'a été largement adoptée dans la pratique clinique.
. Malgré la disponibilité de diverses méthodes de dépistage (p. ex. biomarqueurs, analyse génomique, techniques d'imagerie) destinées à remplacer le recours à la laparoscopie diagnostique invasive, le délai d'obtention du diagnostic reste compris entre 4 et 11 ans. Objectifs : Le projet vise à créer une grande banque de données prospectives à l'aide de l'application mobile médicale Lucy et à collecter et analyser des profils de patients et des données cliniques structurées avec l'intelligence artificielle. De plus, les auteurs étudieront l'association des composants alimentaires supprimés ou restreints avec la qualité de vie, la douleur et la sensibilisation centrale. Méthodes : Un questionnaire de référence et longitudinal dans l'application Lucy recueille des informations autodéclarées sur les symptômes liés à l'endométriose, aux caractéristiques sociodémographiques, à la santé mentale et physique, à la nutrition et à d'autres facteurs liés au mode de vie. 5 000 femmes atteintes d'endométriose et 5 000 femmes d'un groupe témoin seront inscrites et suivies pendant un an. Grâce à ces informations, tout lien entre les symptômes et l'endométriose sera analysé grâce à l'apprentissage automatique. Conclusions : Les auteurs peuvent développer une description phénotypique des femmes atteintes d'endométriose en reliant les données collectées aux informations existantes basées sur les registres sur le diagnostic de l'endométriose, l'utilisation des soins de santé et l'approche Big Data. Cela peut aider à détecter plus tôt l’endométriose accompagnée de douleurs pelviennes et à réduire considérablement le retard diagnostique actuel. De plus, les auteurs peuvent identifier les composants nutritionnels susceptibles d’aggraver la qualité de vie et la douleur des femmes atteintes d’endométriose ; ainsi, les auteurs peuvent créer des recommandations alimentaires fondées sur des preuves.
Mots clés : Endométriose, Apprentissage automatique, Diagnostic non invasif, Régime alimentaire
Type d'étude
Inscription (Estimé)
Contacts et emplacements
Coordonnées de l'étude
- Nom: Attila Bokor
- Numéro de téléphone: 0036 703118868
- E-mail: attila.z.bokor@gmail.com
Lieux d'étude
-
-
-
Budapest, Hongrie, 1088
- Recrutement
- Semmelweis University
-
Contact:
- Attila Bokor, MD, PhD
- Numéro de téléphone: +36703118868
- E-mail: attila.z.bokor@gmail.com
-
Contact:
- Dora Balogh, PhD
- Numéro de téléphone: Bokor +3604591500
- E-mail: attila.z.bokor@gmail.com
-
Chercheur principal:
- Attila Bokor, MD PhD
-
Budapest, Hongrie, 1028
- Recrutement
- Bokor Attila
-
Contact:
- Bokor Attila
- Numéro de téléphone: 06703118868
- E-mail: attila.z.bokor@gmail.com
-
-
Critères de participation
Critère d'éligibilité
Âges éligibles pour étudier
- Enfant
- Adulte
Accepte les volontaires sains
Méthode d'échantillonnage
Population étudiée
La description
Critère d'intégration:
- Femmes en âge de procréer
- 5000 patientes atteintes d'endométriose
- 5000 patientes sans endométriose
Critère d'exclusion:
- Grossesse en cours
- Maladie maligne de l'ovaire/de l'utérus/du sein
Plan d'étude
Comment l'étude est-elle conçue ?
Détails de conception
Cohortes et interventions
Groupe / Cohorte |
Intervention / Traitement |
|---|---|
|
Patientes atteintes d'endométriose et témoins sains
5 000 personnes atteintes d'endométriose seront inscrites et suivies pendant 1 an.
Pour participer à l'étude, les femmes doivent répondre aux critères d'inclusion.
|
Évaluation ML des données collectées
Autres noms:
|
|
Contrôle
5 000 personnes d'un groupe témoin seront inscrites et suivies pendant 1 an.
Pour participer à l'étude, les femmes doivent répondre aux critères d'inclusion.
|
Évaluation ML des données collectées
Autres noms:
|
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Profilage des patients à l'aide de l'application Lucy
Délai: 24 mois
|
Établissez un référentiel Big Data prospectif complet et étendu à l'aide de l'application Lucy. Cette initiative vise à identifier des cohortes cliniques uniques en exploitant divers facteurs tels que les empreintes numériques, les symptômes, les expériences des patients, les comorbidités, la gravité clinique et les modes de vie. En utilisant le ML pour l’analyse des mégadonnées, les auteurs peuvent créer des profils de patients et des données cliniques structurées qui facilitent la détection précoce de l’endométriose accompagnée de douleurs pelviennes. Les données autodéclarées des participants seront mesurées comme suit :
|
24 mois
|
Mesures de résultats secondaires
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Impact de l'alimentation et du mode de vie sur le développement de l'endométriose
Délai: 24 mois
|
De plus, les auteurs peuvent identifier les composants nutritionnels susceptibles d’aggraver la qualité de vie et la douleur des femmes atteintes d’endométriose ; ainsi, ils peuvent créer des recommandations alimentaires fondées sur des preuves. Les changements dans la qualité de vie seront évalués à l'aide des données autodéclarées des participants seront mesurées comme suit : Changement par rapport à la ligne de base des scores de douleur sur l'échelle visuelle analogique à 12 mois. Changements par rapport aux valeurs de base sur EHP5 à 12 mois |
24 mois
|
Autres mesures de résultats
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Fardeau économique de l’endométriose
Délai: 24 mois
|
Charge économique prenant en compte le coût de l’alimentation et des soins de santé.
Le coût exact du régime lié à l'endométriose sera indiqué par mois en EUR.
|
24 mois
|
Collaborateurs et enquêteurs
Parrainer
Collaborateurs
Les enquêteurs
- Chercheur principal: Attila Bokor, Semmelweis University
Dates d'enregistrement des études
Dates principales de l'étude
Début de l'étude (Réel)
Achèvement primaire (Estimé)
Achèvement de l'étude (Estimé)
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
- Semmelweis
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
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 .