機械学習モデルに基づく NSTE-ACS 患者の早期診断に関する多施設研究
2020年12月29日 更新者：Xiang Ma、First Affiliated Hospital of Xinjiang Medical University
NSTEMI および UA 患者の早期診断は、主に機械学習モデルの構築によって行われます。
調査の概要
詳細な説明
NSTEMI および UA の患者が含まれていました。
手作業によるラベル付けの後、患者の入院記録の特徴が選択されました。
データの 75% はモデルの構築に使用され、データの 25% はモデルの妥当性を検証するために使用されます。
NSTEMI および UA 患者を特定および診断するために、1 次元畳み込み (CNN)、ナイーブ ベイジアン (NB)、サポート ベクター マシン (SVM)、ランダム フォレスト (RF)、およびアンサンブル学習の 5 つの分類モデルが構築されました。
モデルの長所と短所を測定するために、多重交差検証と ROC-AUC 曲線が使用されます。
研究の種類
観察的
入学 (実際)
2500
連絡先と場所
このセクションには、調査を実施する担当者の連絡先の詳細と、この調査が実施されている場所に関する情報が記載されています。
研究場所
-
-
Xinjiang
-
Ürümqi、Xinjiang、中国、830000
- The First Affiliated Hospital of Xinjiang Medical University
-
-
参加基準
研究者は、適格基準と呼ばれる特定の説明に適合する人を探します。これらの基準のいくつかの例は、人の一般的な健康状態または以前の治療です。
適格基準
就学可能な年齢
18年～75年 (大人、高齢者)
健康ボランティアの受け入れ
なし
受講資格のある性別
全て
サンプリング方法
確率サンプル
調査対象母集団
2017年から2019年まで、NSTEMIとUAの患者は、新疆医科大学第一付属病院胸痛センターと石河子大学医科大学第一付属病院の胸痛センターに含まれていた。
説明
包含基準:
- 患者は、非 ST セグメント上昇型急性冠症候群の診断と治療に関する中国のガイドライン (2016 年) の診断基準に従って厳密に組み込まれ、除外されました。 患者は胸痛を主訴として入院し、新疆医科大学第一付属病院と石河子大学医科大学第一付属病院に入院した。 患者は冠動脈造影検査によりNSTEMIおよびUAと診断された（年齢範囲は30～75歳）。
除外基準:
- 1. STEMI、解離性大動脈瘤、気胸、その他の非心原性胸痛のある患者。 2.重度の肝腎不全、外科的治療のない原発腫瘍、ショックを合併した非重度の感染症、妊婦。 3.重篤な弁膜症、ウイルス性心筋炎、心嚢液貯留、心臓ペースメーカー植込み術の既往、重篤な合併症を伴う心原性ショック、高血圧性心疾患、各種心筋症、先天性心疾患など。
4.過去に心臓病、AECOPD、肺腫瘍、甲状腺機能亢進症と診断された患者。
研究計画
このセクションでは、研究がどのように設計され、研究が何を測定しているかなど、研究計画の詳細を提供します。
研究はどのように設計されていますか？
デザインの詳細
コホートと介入
グループ/コホート |
介入・治療 |
|---|---|
|
CNNモデル
2017年から2019年までの2つの胸痛センターにおけるNSTEMIおよびUA患者の電子健康情報が収集された。手動ラベル付け後、患者入院記録の特徴が選択され、1次元畳み込み(CNN)モデルの構築を通じて。
多重交差検証と ROC-AUC 曲線を測定指標として採用し、データの 75% がモデル化され、データの 25% がモデルの効果を検証するために使用されます。
|
機械学習モデルによるNTEMI患者の早期診断
|
|
XGブースト
XG ブースト モデルの構築を通じて、多重交差検証と ROC-AUC 曲線を測定指標として採用し、データの 75% がモデル化され、データの 25% がモデルの効果を検証するために使用されます。
|
機械学習モデルによるNTEMI患者の早期診断
|
この研究は何を測定していますか？
主要な結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
急性胸痛患者からの NSTEMI の正確な診断
時間枠：1年以内
|
NSTEMI 患者は、訓練された機械学習アルゴリズムを通じて、急性胸痛患者から正確に診断されます。
私たちのモデルは、測定指標として多重交差検証と ROC-AUC 曲線を使用し、データの 75% がモデル化され、データの 25% がモデルの効果を検証します。
このため、感度カットオフ値を 0.9 とした場合の精度、特異度、尤度比を計算します。
|
1年以内
|
協力者と研究者
ここでは、この調査に関係する人々や組織を見つけることができます。
捜査官
- 主任研究者：Aikeliyaer Ainiwaer, M.D、First Affiliated Hospital of Xinjiang Medical University
- スタディディレクター：Quan Qi, Ph.D、College of Information and Technology, Shihezi University
- 主任研究者：Yi Ying Du, M.D、First Affiliated Hospital of Xinjiang Medical University
出版物と役立つリンク
研究に関する情報を入力する責任者は、自発的にこれらの出版物を提供します。これらは、研究に関連するあらゆるものに関するものである可能性があります。
一般刊行物
- Weng SF, Reps J, Kai J, Garibaldi JM, Qureshi N. Can machine-learning improve cardiovascular risk prediction using routine clinical data? PLoS One. 2017 Apr 4;12(4):e0174944. doi: 10.1371/journal.pone.0174944. eCollection 2017.
- Lee HC, Park JS, Choe JC, Ahn JH, Lee HW, Oh JH, Choi JH, Cha KS, Hong TJ, Jeong MH; Korea Acute Myocardial Infarction Registry (KAMIR) and Korea Working Group on Myocardial Infarction (KorMI) Investigators. Prediction of 1-Year Mortality from Acute Myocardial Infarction Using Machine Learning. Am J Cardiol. 2020 Oct 15;133:23-31. doi: 10.1016/j.amjcard.2020.07.048. Epub 2020 Jul 26.
- Cuocolo R, Perillo T, De Rosa E, Ugga L, Petretta M. Current applications of big data and machine learning in cardiology. J Geriatr Cardiol. 2019 Aug;16(8):601-607. doi: 10.11909/j.issn.1671-5411.2019.08.002.
- Ambale-Venkatesh B, Yang X, Wu CO, Liu K, Hundley WG, McClelland R, Gomes AS, Folsom AR, Shea S, Guallar E, Bluemke DA, Lima JAC. Cardiovascular Event Prediction by Machine Learning: The Multi-Ethnic Study of Atherosclerosis. Circ Res. 2017 Oct 13;121(9):1092-1101. doi: 10.1161/CIRCRESAHA.117.311312. Epub 2017 Aug 9.
- Patel BB, Sperotto F, Molina M, Kimura S, Delgado MI, Santillana M, Kheir JN. Avoidable Serum Potassium Testing in the Cardiac ICU: Development and Testing of a Machine-Learning Model. Pediatr Crit Care Med. 2021 Apr 1;22(4):392-400. doi: 10.1097/PCC.0000000000002626.
- Groepenhoff F, Eikendal ALM, Bots SH, van Ommen AM, Overmars LM, Kapteijn D, Pasterkamp G, Reiber JHC, Hautemann D, Menken R, Wittekoek ME, Hofstra L, Onland-Moret NC, Haitjema S, Hoefer I, Leiner T, den Ruijter HM. Cardiovascular imaging of women and men visiting the outpatient clinic with chest pain or discomfort: design and rationale of the ARGUS Study. BMJ Open. 2020 Dec 15;10(12):e040712. doi: 10.1136/bmjopen-2020-040712.
- Kwon JM, Jeon KH, Kim HM, Kim MJ, Lim S, Kim KH, Song PS, Park J, Choi RK, Oh BH. Deep-learning-based risk stratification for mortality of patients with acute myocardial infarction. PLoS One. 2019 Oct 31;14(10):e0224502. doi: 10.1371/journal.pone.0224502. eCollection 2019.
- Chowdhury MEH, Alzoubi K, Khandakar A, Khallifa R, Abouhasera R, Koubaa S, Ahmed R, Hasan MA. Wearable Real-Time Heart Attack Detection and Warning System to Reduce Road Accidents. Sensors (Basel). 2019 Jun 20;19(12):2780. doi: 10.3390/s19122780.
- Wu CC, Hsu WD, Islam MM, Poly TN, Yang HC, Nguyen PA, Wang YC, Li YJ. An artificial intelligence approach to early predict non-ST-elevation myocardial infarction patients with chest pain. Comput Methods Programs Biomed. 2019 May;173:109-117. doi: 10.1016/j.cmpb.2019.01.013. Epub 2019 Jan 31.
- Bernatz S, Ackermann J, Mandel P, Kaltenbach B, Zhdanovich Y, Harter PN, Doring C, Hammerstingl R, Bodelle B, Smith K, Bucher A, Albrecht M, Rosbach N, Basten L, Yel I, Wenzel M, Bankov K, Koch I, Chun FK, Kollermann J, Wild PJ, Vogl TJ. Comparison of machine learning algorithms to predict clinically significant prostate cancer of the peripheral zone with multiparametric MRI using clinical assessment categories and radiomic features. Eur Radiol. 2020 Dec;30(12):6757-6769. doi: 10.1007/s00330-020-07064-5. Epub 2020 Jul 16.
- Md Idris N, Chiam YK, Varathan KD, Wan Ahmad WA, Chee KH, Liew YM. Feature selection and risk prediction for patients with coronary artery disease using data mining. Med Biol Eng Comput. 2020 Dec;58(12):3123-3140. doi: 10.1007/s11517-020-02268-9. Epub 2020 Nov 6. Erratum In: Med Biol Eng Comput. 2022 Mar;60(3):887.
- Allen B, Molokie R, Royston TJ. Early Detection of Acute Chest Syndrome Through Electronic Recording and Analysis of Auscultatory Percussion. IEEE J Transl Eng Health Med. 2020 Sep 30;8:4900108. doi: 10.1109/JTEHM.2020.3027802. eCollection 2020.
- Eberhard M, Nadarevic T, Cousin A, von Spiczak J, Hinzpeter R, Euler A, Morsbach F, Manka R, Keller DI, Alkadhi H. Machine learning-based CT fractional flow reserve assessment in acute chest pain: first experience. Cardiovasc Diagn Ther. 2020 Aug;10(4):820-830. doi: 10.21037/cdt-20-381.
- Ma Q, Ma Y, Yu T, Sun Z, Hou Y. Radiomics of Non-Contrast-Enhanced T1 Mapping: Diagnostic and Predictive Performance for Myocardial Injury in Acute ST-Segment-Elevation Myocardial Infarction. Korean J Radiol. 2021 Apr;22(4):535-546. doi: 10.3348/kjr.2019.0969. Epub 2020 Nov 30.
- Zheng Y, Li T. Letter to the Editor concerning the article "Machine learning for prediction of 30-day mortality after ST elevation myocardial infarction". Int J Cardiol. 2018 Sep 1;266:41. doi: 10.1016/j.ijcard.2017.11.061. No abstract available.
研究記録日
これらの日付は、ClinicalTrials.gov への研究記録と要約結果の提出の進捗状況を追跡します。研究記録と報告された結果は、国立医学図書館 (NLM) によって審査され、公開 Web サイトに掲載される前に、特定の品質管理基準を満たしていることが確認されます。
主要日程の研究
研究開始 (実際)
2020年12月20日
一次修了 (予想される)
2021年12月20日
研究の完了 (予想される)
2022年6月1日
試験登録日
最初に提出
2020年12月19日
QC基準を満たした最初の提出物
2020年12月19日
最初の投稿 (実際)
2020年12月24日
学習記録の更新
投稿された最後の更新 (実際)
2020年12月31日
QC基準を満たした最後の更新が送信されました
2020年12月29日
最終確認日
2020年12月1日
詳しくは
この情報は、Web サイト clinicaltrials.gov から変更なしで直接取得したものです。研究の詳細を変更、削除、または更新するリクエストがある場合は、register@clinicaltrials.gov。 までご連絡ください。 clinicaltrials.gov に変更が加えられるとすぐに、ウェブサイトでも自動的に更新されます。