動的システム理論に基づく集団健康-亜健康-疾患のデータマイニング
2026年1月24日 更新者：Lv, Han、Beijing Friendship Hospital
動的システム理論に基づく人口健康・亜健康・疾患のデータマイニング
本研究は、動的システム理論とビッグデータマイニング手法を通じて、人口の健康、準健康、および疾病状態の動的進化パターンを探求し、個別化予防と健康管理のための科学的根拠を提供することを目的としています。
調査の概要
詳細な説明
具体的な目的は以下の通りです：(1) 教師なしシステムモデリング技術を用いて、個人の健康状態、未病状態、疾病状態を特定するとともに、それらの相互変換経路を調査します。(2) 状態遷移を決定する主要指標を特定し、そのメカニズムと相互作用を明確にします。(3) 多変数の影響下での状態遷移軌跡をシミュレートする動的システムモデルを開発し、個人が健康から未病または疾病へ進行する確率を予測します。(4) モデリング結果に基づいて解釈可能な健康予測ツールを作成し、精密介入を支援します。最終的な目標は、科学的に検証された実装可能な健康状態モデリングシステムを確立し、早期介入と個別化健康管理のための定量化可能なツールを提供することで、慢性疾患の発生率と医療負担を軽減することです。
研究の種類
観察的
入学 (推定)
380000
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
-
-
Beijing Municipality
-
Beijing、Beijing Municipality、中国、100050
- Beijing Friendship Hospital, Capital 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
- 子
- 大人
- 高齢者
健康ボランティアの受け入れ
はい
サンプリング方法
確率サンプル
調査対象母集団
北京友誼病院の健康データサイエンスデータベース
説明
対象基準：
- 参加者は、2007年6月から2025年8月の間に、首都医科大学附属北京友誼医院健康診断センターで少なくとも2回連続の健康診断を完了しており、隣接する記録間の最小間隔は6ヶ月以上であること。
- データ記録は比較的完全であり、主要な研究変数（例：中心的な生化学的指標、人口統計学的情報、および必須の質問票項目）の欠損率が≤30%であること。
- 参加者は、研究初回登録前に重篤な器質性疾患の既往歴がないこと（医療記録に記載されているもの、主に含まれるもの：悪性腫瘍（不治/末期）、重度の心不全（NYHAクラスIII-IV）、末期腎臓病（CKDステージ5）、代償不全性肝硬変、または重度の脳血管疾患の後遺症による著しい機能障害）。
除外基準：
- 基本データ（例：固有識別子、主要な人口統計学的情報、および検出の中心的な指標）が著しく欠如している、または効果的に匿名化できない個人。
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 |
|---|---|
|
北京友誼病院の健康データサイエンスデータベース
|
これは観察研究です。
|
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 |
|---|---|---|
|
次回診断の識別精度
時間枠：内部検証データセットで評価する。このデータセットには、2018年1月1日までの個々の履歴データが含まれており、これに基づいてモデルは次に発生する診断イベントを即座に予測する。ICD-10で1000を超える疾患のAUCを計算する。
|
年齢および性別で層別化した受信者動作特性曲線下面積、AUC
|
内部検証データセットで評価する。このデータセットには、2018年1月1日までの個々の履歴データが含まれており、これに基づいてモデルは次に発生する診断イベントを即座に予測する。ICD-10で1000を超える疾患のAUCを計算する。
|
|
長期的予測精度
時間枠：内部検証データセットにおいて、予測後の1年目、2年目、3年目、5年目、10年目の疾病発生のAUC値を評価する。
|
年齢と性別で層別化したAUCは、予測後の特定の時間間隔（1年、2年、...、10年）における疾病発生リスクを評価します。
この指標は、時間の経過に伴うモデルの予測能力の減衰を測定します。
|
内部検証データセットにおいて、予測後の1年目、2年目、3年目、5年目、10年目の疾病発生のAUC値を評価する。
|
|
軌跡レベルの予測精度
時間枠：検証サブセットにおいて、シミュレーション開始時点（60歳）からその後1年から20年までの各年について、疾患イベント予測の精度を評価します。
|
正確に予測された疾患イベントの割合。
各シミュレートされた将来年度において、生成された疾患イベントと個人に発生する実際の疾患イベントを照合し、照合の成功率（%）を計算する。
|
検証サブセットにおいて、シミュレーション開始時点（60歳）からその後1年から20年までの各年について、疾患イベント予測の精度を評価します。
|
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。
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)
2025年9月1日
一次修了 (推定)
2028年8月31日
研究の完了 (推定)
2030年8月31日
試験登録日
最初に提出
2025年12月9日
QC基準を満たした最初の提出物
2026年1月24日
最初の投稿 (実際)
2026年1月29日
学習記録の更新
投稿された最後の更新 (実際)
2026年1月29日
QC基準を満たした最後の更新が送信されました
2026年1月24日
最終確認日
2026年1月1日
詳しくは
本研究に関する用語
その他の研究ID番号
- 202511
個々の参加者データ (IPD) の計画
個々の参加者データ (IPD) を共有する予定はありますか?
未定
医薬品およびデバイス情報、研究文書
米国FDA規制医薬品の研究
いいえ
米国FDA規制機器製品の研究
いいえ
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。
介入は適用されません。の臨床試験
-
University of California, San FranciscoSan Francisco Veterans Affairs Medical Center; Tobacco Related Disease Research Program完了