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

루이 소체 치매 예측을 위한 새로운 기계 학습 알고리즘 (MLDLB)

2020년 9월 8일 업데이트: Anastasia Bougea, National and Kapodistrian University of Athens

임상 및 신경 심리학 점수를 사용하여 레비 소체 치매를 예측하는 새로운 기계 학습 알고리즘

파킨슨병 치매(PDD) 및 루이소체 치매(DLB)는 많은 임상적 특징이 중첩되는 치매 증후군으로, 특히 진행 단계에서 임상 실습에서 진단이 어렵습니다. 우리는 높은 예후 성능으로 이러한 장애를 식별하기 위해 비침습적이고 쉽게 클리닉에서 수집 가능한 예측자만을 기반으로 하는 기계 학습 알고리즘을 제안합니다.

연구 개요

상태

알려지지 않은

정황

개입 / 치료

상세 설명

이 알고리즘은 기본 평가 후 최소 3년 동안 진단 후속 조치가 가능한 PDD 및 DLB 피험자 샘플을 사용하는 두 개의 특수 기억 센터의 데이터 세트를 사용하여 개발됩니다. 임상 인구학적 특성에 관한 제한된 정보 세트, 6개의 신경심리학적 테스트(소형 정신, PD 인지 등급 척도, 간략한 시공간 기억 테스트, 기호 숫자 쓰기, Wechsler 성인 지능 척도, 흔적 만들기 A 및 B)가 예측 변수로 사용되었습니다. 로지스틱 회귀 및 K-NN(K-Nearest Neighbors)의 두 가지 분류 알고리즘을 사용하여 환자가 PDD 또는 DLB를 앓는지 여부를 성공적으로 예측할 수 있는지 조사합니다.

연구 유형

관찰

등록 (예상)

200

연락처 및 위치

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

연구 장소

  • 그리스
    • Attiki
      • Athens, Attiki, 그리스, 16674
        • 모병
        • Anastasia Bougea
        • 연락하다:
        • 부수사관:
          • Christos Goumas, dr

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

50년 (성인, 고령자)

건강한 자원 봉사자를 받아들입니다

아니

연구 대상 성별

모두

샘플링 방법

비확률 샘플

연구 인구

가능한 PDD 및 DLB 그룹에 대한 기준을 충족하는 환자로 구성된 PDD 그룹. 환자는 두 클리닉의 등록 기반 데이터베이스에서 등록됩니다. 다음 데이터가 수집되었습니다: 성별, 연령, 교육, 손 우세, 질병 지속 기간(년) 및 레보도파 등가 일일 투여량(LEDD). 질병의 부담은 투약 해제 상태에서 MDS-UPDRS(운동 장애 학회 연합 파킨슨병 평가 척도) 파트 III 및 다음 6가지 인지/행동 테스트에 의해 평가됩니다: 간이 정신 상태 검사(MMSE), PD- 인지 평가 척도(PD-CRS), 간략한 시공간 기억력 테스트(BVMT-TR), 기호 숫자 쓰기(SDMT), 트레일 메이킹 테스트(TMT A,B), Wechsler 성인 지능 척도(WAIS-V). 모든 환자는 치매의 이차적 원인을 배제하기 위해 뇌 MRI 및 혈액 검사를 받게 됩니다.

설명

포함 기준:

운동 장애 학회의 가능한 PDD에 대한 기준을 충족하는 환자로 구성된 PDD 그룹 (b) 가능한 DLB에 대한 최근 개정된 기준에 따라 환자로 구성된 DLB 그룹.

제외 기준:

  • 주요 정신 장애, 우울증

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
파킨슨병 치매
운동 장애 학회의 가능한 PDD에 대한 기준을 충족하는 58명의 환자로 구성된 PDD 그룹
진단 검사: 기계 학습 모델
로지스틱 회귀 및 K-NN(K-Nearest Neighbors)의 두 가지 분류 알고리즘을 사용하여 환자가 PDD 또는 DLB를 앓는지 여부를 성공적으로 예측할 수 있는지 조사했습니다.
레비 소체를 동반한 치매
최근 개정된 확률 DLB 기준에 따라 40명의 환자로 구성된 DLB 그룹
진단 검사: 기계 학습 모델
로지스틱 회귀 및 K-NN(K-Nearest Neighbors)의 두 가지 분류 알고리즘을 사용하여 환자가 PDD 또는 DLB를 앓는지 여부를 성공적으로 예측할 수 있는지 조사했습니다.

연구는 무엇을 측정합니까?

주요 결과 측정

결과 측정
측정값 설명
기간
Dlb 또는 PDD에 대한 MMSE 예측
기간: 일년
두 가지 분류 알고리즘인 로지스틱 회귀 및 K-NN(K-Nearest Neighbors)은 환자가 PDD 또는 DLB를 앓는지 여부를 성공적으로 예측하는 능력을 조사하기 위해 이러한 테스트를 결합합니다.
일년
파킨슨병 - DLB 또는 PDD를 예측하는 인지 평가 척도(PD-CRS)
기간: 일년
두 가지 분류 알고리즘인 로지스틱 회귀 및 K-NN(K-Nearest Neighbors)은 환자가 PDD 또는 DLB를 앓는지 여부를 성공적으로 예측하는 능력을 조사하기 위해 이러한 테스트를 결합합니다.
일년
DLB 또는 PDD를 예측하는 간략한 시공간 기억력 테스트(BVMT-TR)
기간: 일년
두 가지 분류 알고리즘인 로지스틱 회귀 및 K-NN(K-Nearest Neighbors)은 환자가 PDD 또는 DLB를 앓는지 여부를 성공적으로 예측하는 능력을 조사하기 위해 이러한 테스트를 결합합니다.
일년
DLB 또는 PDD에 대해 예측 가능한 기호 숫자 기록
기간: 일년
두 가지 분류 알고리즘인 로지스틱 회귀 및 K-NN(K-Nearest Neighbors)은 환자가 PDD 또는 DLB를 앓는지 여부를 성공적으로 예측하는 능력을 조사하기 위해 이러한 테스트를 결합합니다.
일년
Wechsler 성인 지능 척도, DLB 또는 PDD 예측
기간: 일년
두 가지 분류 알고리즘인 로지스틱 회귀 및 K-NN(K-Nearest Neighbors)은 환자가 PDD 또는 DLB를 앓는지 여부를 성공적으로 예측하는 능력을 조사하기 위해 이러한 테스트를 결합합니다.
일년
DLB 또는 PDD에 대한 예측 A 및 B 추적
기간: 일년
두 가지 분류 알고리즘인 로지스틱 회귀 및 K-NN(K-Nearest Neighbors)은 환자가 PDD 또는 DLB를 앓는지 여부를 성공적으로 예측하는 능력을 조사하기 위해 이러한 테스트를 결합합니다.
일년

공동 작업자 및 조사자

여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.

스폰서

National and Kapodistrian University of Athens

수사관

  • 수석 연구원: ANASTASIA BOUGEA, National and Kapodistrian University of Athens

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)

2019년 9월 1일

기본 완료 (예상)

2020년 10월 1일

연구 완료 (예상)

2021년 3월 1일

연구 등록 날짜

최초 제출

2020년 6월 21일

QC 기준을 충족하는 최초 제출

2020년 6월 24일

처음 게시됨 (실제)

2020년 6월 25일

연구 기록 업데이트

마지막 업데이트 게시됨 (실제)

2020년 9월 10일

QC 기준을 충족하는 마지막 업데이트 제출

2020년 9월 8일

마지막으로 확인됨

2020년 9월 1일

추가 정보

이 연구와 관련된 용어

추가 관련 MeSH 약관

기타 연구 ID 번호

  • 251ATHENS HOSPITAL

개별 참가자 데이터(IPD) 계획

개별 참가자 데이터(IPD)를 공유할 계획입니까?

아니요

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. .

백치에 대한 임상 시험

기계 학습 모델에 대한 임상 시험

유사한 임상시험 검색

스폰서 및 공동 작업자

건강 상태

약물 개입

CROs by country

CROs in Vietnam

정황

희귀 질병

약물 개입

식이 보충제

스폰서 / 협력자

위치

구독하다