Egy új gépi tanulási algoritmus a Lewy-testes demenciák előrejelzésére (MLDLB)
2020. szeptember 8. frissítette: Anastasia Bougea, National and Kapodistrian University of Athens
Egy új gépi tanulási algoritmus a Lewy-testes demenciák előrejelzésére klinikai és neuropszichológiai pontszámok segítségével
A Parkinson-kóros demencia (PDD) és a Lewy-testekkel járó demencia (DLB) olyan demencia-szindrómák, amelyek számos klinikai jellemzőben átfedik egymást, és megnehezítik diagnosztizálásukat a klinikai gyakorlatban, különösen az előrehaladott stádiumokban.
Javasolunk egy gépi tanulási algoritmust, amely csak nem invazívan és egyszerűen a klinikán gyűjthető prediktorokon alapul, hogy azonosítsa ezeket a magas prognosztikai teljesítménnyel rendelkező rendellenességeket.
A tanulmány áttekintése
Állapot
Ismeretlen
Körülmények
Beavatkozás / kezelés
Részletes leírás
Az algoritmust két speciális memóriaközpontból származó adatkészlet felhasználásával fejlesztik ki, PDD és DLB alanyok mintájának felhasználásával, akiknek a diagnosztikai nyomon követése az alapállapot-értékelést követően legalább 3 évig elérhető.
A kliniko-demográfiai jellemzőkre vonatkozó korlátozott információhalmazt, 6 neuropszichológiai tesztet (mini mentális, PD Kognitív Értékelési Skála, Rövid Visuospatial Memória teszt, Szimbólum számjegyek írása, Wechsler felnőtt intelligencia skála, nyomkövetés A és B) használtunk prediktorként.
Két osztályozási algoritmust, a logisztikus regressziót és a K-Legközelebbi szomszédokat (K-NNs) vizsgálják annak érdekében, hogy képesek-e sikeresen megjósolni, hogy a betegek PDD-ben vagy DLB-ben szenvednek-e.
Tanulmány típusa
Megfigyelő
Beiratkozás (Várható)
200
Kapcsolatok és helyek
Ez a rész a vizsgálatot végzők elérhetőségeit, valamint a vizsgálat lefolytatásának helyére vonatkozó információkat tartalmazza.
Tanulmányi helyek
-
-
Attiki
-
Athens, Attiki, Görögország, 16674
- Toborzás
- Anastasia Bougea
-
Kapcsolatba lépni:
- EFTHYMIA EFTHYMIIOPOULOU, dr
- Telefonszám: 00306943061632
- E-mail: faih.efthymiopoulou@gmail.com
-
Alkutató:
- Christos Goumas, dr
-
-
Részvételi kritériumok
A kutatók olyan embereket keresnek, akik megfelelnek egy bizonyos leírásnak, az úgynevezett jogosultsági kritériumoknak. Néhány példa ezekre a kritériumokra a személy általános egészségi állapota vagy a korábbi kezelések.
Jogosultsági kritériumok
Tanulmányozható életkorok
50 év (Felnőtt, Idősebb felnőtt)
Egészséges önkénteseket fogad
Nem
Tanulmányozható nemek
Összes
Mintavételi módszer
Nem valószínűségi minta
Tanulmányi populáció
a PDD csoport a valószínű PDD kritériumait teljesítő betegekből és a DLB csoportból áll. A betegek felvétele két klinika regiszter alapú adatbázisából történik.
A következő adatokat gyűjtöttük: nem, életkor, iskolai végzettség, kézdominancia, betegség időtartama (év) és levodopa ekvivalens napi dózisa (LEDD).
A betegség terhét a Mozgási Zavarok Társasága-Egyesült Parkinson-kór értékelési skála (MDS-UPDRS) III. része fogja felmérni a gyógyszermentes állapotban, valamint a következő hat kognitív/viselkedési teszt: Mini-Mental State Examination (MMSE), PD- Kognitív értékelési skála (PD-CRS), rövid vizuális téri memória teszt (BVMT-TR), szimbólum-számjegy írás (SDMT), nyomkövetési teszt (TMT A,B), Wechsler felnőtt intelligencia skála (WAIS-V).
Minden betegnél agyi MRI-n és vérvizsgálaton vesznek részt, hogy kizárják a demencia másodlagos okát.
Leírás
Bevételi kritériumok:
a PDD csoport a Mozgászavarok Társaságának valószínű PDD kritériumait teljesítő betegekből állt (b) a DLB csoport a betegekből állt, a valószínű DLB közelmúltban felülvizsgált kritériumai szerint.
Kizárási kritériumok:
- súlyos pszichiátriai rendellenességek, depresszió
Tanulási terv
Ez a rész a vizsgálati terv részleteit tartalmazza, beleértve a vizsgálat megtervezését és a vizsgálat mérését.
Hogyan készül a tanulmány?
Tervezési részletek
Kohorszok és beavatkozások
Csoport / Kohorsz |
Beavatkozás / kezelés |
|---|---|
|
Parkinson-kóros demencia
a PDD csoport 58 olyan betegből állt, akik teljesítik a Mozgási Zavarok Társasága valószínűsíthető PDD kritériumait
|
Két osztályozási algoritmust, a logisztikus regressziót és a K-Legközelebbi szomszédokat (K-NNs) vizsgálták annak érdekében, hogy képesek-e sikeresen megjósolni, hogy a betegek PDD-ben vagy DLB-ben szenvednek-e.
|
|
Demencia Lewy-testekkel
a DLB csoport 40 betegből állt a valószínű DLB közelmúltban felülvizsgált kritériumai szerint
|
Két osztályozási algoritmust, a logisztikus regressziót és a K-Legközelebbi szomszédokat (K-NNs) vizsgálták annak érdekében, hogy képesek-e sikeresen megjósolni, hogy a betegek PDD-ben vagy DLB-ben szenvednek-e.
|
Mit mér a tanulmány?
Elsődleges eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
|---|---|---|
|
MMSE prediktív dlb vagy PDD esetén
Időkeret: 1 év
|
Két osztályozási algoritmus, a logisztikus regresszió és a K-Legközelebbi szomszédok (K-NNs) kombinálja ezeket a teszteket, hogy megvizsgálja, mennyire képesek sikeresen megjósolni, hogy a betegek PDD-ben vagy DLB-ben szenvednek-e.
|
1 év
|
|
Parkinson-kór – Kognitív értékelési skála (PD-CRS) a DLB-re vagy PDD-re
Időkeret: 1 év
|
Két osztályozási algoritmus, a logisztikus regresszió és a K-Legközelebbi szomszédok (K-NNs) kombinálja ezeket a teszteket, hogy megvizsgálja, mennyire képesek sikeresen megjósolni, hogy a betegek PDD-ben vagy DLB-ben szenvednek-e.
|
1 év
|
|
Rövid Visuospatial Memory Test (BVMT-TR) prediktív DLB vagy PDD
Időkeret: 1 év
|
Két osztályozási algoritmus, a logisztikus regresszió és a K-Legközelebbi szomszédok (K-NNs) kombinálja ezeket a teszteket, hogy megvizsgálja, mennyire képesek sikeresen megjósolni, hogy a betegek PDD-ben vagy DLB-ben szenvednek-e.
|
1 év
|
|
Írásbeli prediktív szimbólum a DLB vagy PDD számára
Időkeret: 1 év
|
Két osztályozási algoritmus, a logisztikus regresszió és a K-Legközelebbi szomszédok (K-NNs) kombinálja ezeket a teszteket, hogy megvizsgálja, mennyire képesek sikeresen megjósolni, hogy a betegek PDD-ben vagy DLB-ben szenvednek-e.
|
1 év
|
|
Wechsler felnőtt intelligencia skála, előrejelző DLB vagy PDD
Időkeret: 1 év
|
Két osztályozási algoritmus, a logisztikus regresszió és a K-Legközelebbi szomszédok (K-NNs) kombinálja ezeket a teszteket, hogy megvizsgálja, mennyire képesek sikeresen megjósolni, hogy a betegek PDD-ben vagy DLB-ben szenvednek-e.
|
1 év
|
|
nyomvonal készítő A és B prediktív DLB vagy PDD számára
Időkeret: 1 év
|
Két osztályozási algoritmus, a logisztikus regresszió és a K-Legközelebbi szomszédok (K-NNs) kombinálja ezeket a teszteket, hogy megvizsgálja, mennyire képesek sikeresen megjósolni, hogy a betegek PDD-ben vagy DLB-ben szenvednek-e.
|
1 év
|
Együttműködők és nyomozók
Itt találhatja meg a tanulmányban érintett személyeket és szervezeteket.
Nyomozók
- Kutatásvezető: ANASTASIA BOUGEA, National and Kapodistrian University of Athens
Publikációk és hasznos linkek
A vizsgálattal kapcsolatos információk beviteléért felelős személy önkéntesen bocsátja rendelkezésre ezeket a kiadványokat. Ezek bármiről szólhatnak, ami a tanulmányhoz kapcsolódik.
Tanulmányi rekorddátumok
Ezek a dátumok nyomon követik a ClinicalTrials.gov webhelyre benyújtott vizsgálati rekordok és összefoglaló eredmények benyújtásának folyamatát. A vizsgálati feljegyzéseket és a jelentett eredményeket a Nemzeti Orvostudományi Könyvtár (NLM) felülvizsgálja, hogy megbizonyosodjon arról, hogy megfelelnek-e az adott minőség-ellenőrzési szabványoknak, mielőtt közzéteszik őket a nyilvános weboldalon.
Tanulmány főbb dátumok
Tanulmány kezdete (Tényleges)
2019. szeptember 1.
Elsődleges befejezés (Várható)
2020. október 1.
A tanulmány befejezése (Várható)
2021. március 1.
Tanulmányi regisztráció dátumai
Először benyújtva
2020. június 21.
Először nyújtották be, amely megfelel a minőségbiztosítási kritériumoknak
2020. június 24.
Első közzététel (Tényleges)
2020. június 25.
Tanulmányi rekordok frissítései
Utolsó frissítés közzétéve (Tényleges)
2020. szeptember 10.
Az utolsó frissítés elküldve, amely megfelel a minőségbiztosítási kritériumoknak
2020. szeptember 8.
Utolsó ellenőrzés
2020. szeptember 1.
Több információ
A tanulmányhoz kapcsolódó kifejezések
További vonatkozó MeSH feltételek
Egyéb vizsgálati azonosító számok
- 251ATHENS HOSPITAL
Terv az egyéni résztvevői adatokhoz (IPD)
Tervezi megosztani az egyéni résztvevői adatokat (IPD)?
NEM
Gyógyszer- és eszközinformációk, tanulmányi dokumentumok
Egy amerikai FDA által szabályozott gyógyszerkészítményt tanulmányoz
Nem
Egy amerikai FDA által szabályozott eszközterméket tanulmányoz
Nem
Ezt az információt közvetlenül a clinicaltrials.gov webhelyről szereztük be, változtatás nélkül. Ha bármilyen kérése van vizsgálati adatainak módosítására, eltávolítására vagy frissítésére, kérjük, írjon a következő címre: register@clinicaltrials.gov. Amint a változás bevezetésre kerül a clinicaltrials.gov oldalon, ez a webhelyünkön is automatikusan frissül. .