이 페이지는 자동 번역되었으며 번역의 정확성을 보장하지 않습니다. 참조하십시오 영문판 원본 텍스트의 경우.

증례 계열 데이터를 이용한 염증성 장질환 패턴 식별 알고리즘 개발 원문보기 KCI 원문보기 인용

2020년 3월 4일 업데이트: Hyangsook Lee, KMD, PhD

염증성 장질환에 대한 한약: 증례 데이터의 후향적 분석을 통한 패턴 식별 알고리즘 개발

본 연구는 제시된 증상을 기반으로 염증성 장 질환(IBD) 패턴을 파악하고 패턴을 결정하는 알고리즘과 해당 패턴에 대한 한약처방을 제안하는 것을 목적으로 한다. 연구자들은 약초 처방을 받은 후 임상적 완화를 달성하고 유지한 67명의 IBD 환자의 증상 데이터를 수집했습니다. 처방은 포함된 환자의 주요 특징과 증상에 따라 명명된 5가지 패턴으로 분류되었다. TF-IDF(Term Frequency Inverse Document Frequency) 방법을 사용하여 제시 증상과 패턴 간의 연관성을 시각화했습니다. 환자의 증상으로부터 IBD 패턴을 결정하는 것은 결정 트리 모델링에 의해 분석되고 차트화되었습니다.

연구 개요

상태

완전한

정황

개입 / 치료

상세 설명

약초 처방은 염증성 장 질환 환자에게 가장 많이 찾는 보완 및 대체 의학 치료 전략 중 하나입니다. 그러나 TCM(Traditional Chinese Medicine)/TEAM(Traditional East Asian Medicine)의 패턴 식별의 가변성이 비판을 받았습니다. 연구자들은 TCM/TEAM 한약 처방 후 임상적 관해를 달성하고 유지한 환자들의 데이터를 사용하여 의사가 쉽게 식별할 수 있는 식별된 패턴과 주요 증상으로 정제된 치료 알고리즘을 개발하는 것을 목표로 했습니다.

임상적 관해를 유도한 한약처방을 기준으로 염증성장질환 환자를 대장형, 수습형, 호흡기형, 상부위장관형, 냉증형의 5가지 유형으로 분류하였다. TF-IDF(Term Frequency-Inverse Document Frequency) 방법으로 한약 처방의 적응증으로 기술된 22가지 증상과 5가지 패턴 간의 연관성을 분석하였다. 의사 결정 트리 모델링은 증상에서 관련 패턴을 예측하는 데 사용되었습니다.

연구 유형

관찰

등록 (실제)

67

연락처 및 위치

이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.

연구 장소

  • 대한민국
      • Seoul, 대한민국, 02447
        • Acupuncture & Meridian Science Research Centre

참여기준

연구원은 적격성 기준이라는 특정 설명에 맞는 사람을 찾습니다. 이러한 기준의 몇 가지 예는 개인의 일반적인 건강 상태 또는 이전 치료입니다.

자격 기준

공부할 수 있는 나이

15년 (어린이, 성인, 고령자)

건강한 자원 봉사자를 받아들입니다

아니

연구 대상 성별

모두

샘플링 방법

비확률 샘플

연구 인구

위장병 전문의로부터 IBD 진단을 받고 한약 처방으로 치료 후 임상적 관해를 달성한 환자

설명

포함 기준:

  • 위장병 전문의에 의한 IBD 진단
  • 환자들은 약초 처방을 받은 후 IBD 증상의 임상적 완화를 달성하고 유지했습니다.
  • 환자는 서면 동의서를 제공했습니다.

제외 기준:

  • 25가지 증상에 대한 세부 사항이 생략되었습니다.

공부 계획

이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.

연구는 어떻게 설계됩니까?

디자인 세부사항

코호트 및 개입

그룹/코호트
개입 / 치료
의사 결정 트리 알고리즘 교육/테스트
연구자들은 67명의 환자 데이터를 5개 그룹으로 나누어 5배 교차 검증을 수행했습니다. 의사 결정 트리 알고리즘을 훈련하기 위해 4개의 그룹이 사용되었고 이를 테스트하기 위해 1개의 그룹이 사용되었습니다.
다른: 의사 결정 트리 모델링

증상의 유무에 따라 패턴 유형에 대한 의사 결정 과정을 탐색하기 위해 의사 결정 트리 분석을 사용했습니다. 제시된 트리의 끝에는 각 패턴으로 분류된 환자의 비율이 있습니다.

본 연구에서는 Python의 Scikit-learn 패키지를 이용한 분류 및 회귀 트리(CART) 알고리즘을 적용하여 분류를 수행하였다. 지니계수는 각 노드의 엔트로피 또는 다양성을 측정하는 도구 중 하나로 분리 전과 후의 정보 엔트로피를 비교하여 감소량을 측정합니다. 과적합을 방지하기 위해 리프 노드의 최대 수를 4개로 제한하고 최소 기술 길이 원칙을 준수하는 가지치기 방법을 적용하였다.

연구는 무엇을 측정합니까?

주요 결과 측정

결과 측정
측정값 설명
기간
패턴 식별 알고리즘의 정확도
기간: 2015년 10월
패턴 식별 알고리즘은 의사 결정 트리 방법을 사용하여 제안되었습니다. 환자의 임상적 특징에 따른 패턴의 종류에 대한 의사결정 과정을 알아보기 위해 결정수법을 사용하였다.
2015년 10월

공동 작업자 및 조사자

여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.

스폰서

Hyangsook Lee, KMD, PhD

간행물 및 유용한 링크

연구에 대한 정보 입력을 담당하는 사람이 자발적으로 이러한 간행물을 제공합니다. 이것은 연구와 관련된 모든 것에 관한 것일 수 있습니다.

일반 간행물

연구 기록 날짜

이 날짜는 ClinicalTrials.gov에 대한 연구 기록 및 요약 결과 제출의 진행 상황을 추적합니다. 연구 기록 및 보고된 결과는 공개 웹사이트에 게시되기 전에 특정 품질 관리 기준을 충족하는지 확인하기 위해 국립 의학 도서관(NLM)에서 검토합니다.

연구 주요 날짜

연구 시작 (실제)

2007년 11월 1일

기본 완료 (실제)

2015년 2월 28일

연구 완료 (실제)

2015년 10월 28일

연구 등록 날짜

최초 제출

2020년 3월 3일

QC 기준을 충족하는 최초 제출

2020년 3월 3일

처음 게시됨 (실제)

2020년 3월 5일

연구 기록 업데이트

마지막 업데이트 게시됨 (실제)

2020년 3월 6일

QC 기준을 충족하는 마지막 업데이트 제출

2020년 3월 4일

마지막으로 확인됨

2020년 3월 1일

추가 정보

이 연구와 관련된 용어

키워드

추가 관련 MeSH 약관

기타 연구 ID 번호

  • KyungheeU

약물 및 장치 정보, 연구 문서

미국 FDA 규제 의약품 연구

아니

미국 FDA 규제 기기 제품 연구

아니

이 정보는 변경 없이 clinicaltrials.gov 웹사이트에서 직접 가져온 것입니다. 귀하의 연구 세부 정보를 변경, 제거 또는 업데이트하도록 요청하는 경우 register@clinicaltrials.gov. 문의하십시오. 변경 사항이 clinicaltrials.gov에 구현되는 즉시 저희 웹사이트에도 자동으로 업데이트됩니다. .

염증성 장 질환에 대한 임상 시험

의사 결정 트리 모델링에 대한 임상 시험

유사한 임상시험 검색

스폰서 및 공동 작업자

건강 상태

약물 개입

CROs by country

CROs in Congo, DR of

정황

희귀 질병

약물 개입

식이 보충제

스폰서 / 협력자

위치

구독하다