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

임플란트 성공에 영향을 미치는 요인의 동적 추적 및 임플란트 결과 예측 모델

2024년 11월 16일 업데이트: Yi Zhou, The Dental Hospital of Zhejiang University School of Medicine
최근에는 기계학습을 주요 수단으로 하는 인공지능 기술이 구강 분야에 점점 더 많이 적용되고 있으며, 구강 질환의 검사, 진단, 치료 및 예후 평가에서 점점 더 중요한 역할을 하고 있습니다. 그 중 머신러닝은 인공지능의 중요한 분야로, 새로운 데이터 샘플의 행동을 예측하기 위해 주어진 데이터 세트에서 특정 통계 패턴을 학습하는 시스템을 의미합니다[8]. 머신러닝은 지도 학습(Supervised Learning)과 비지도 학습(Unsupervised learning)이라는 두 가지 주요 범주로 나뉩니다. 감독 여부는 입력된 데이터에 라벨이 지정되어 있는지 여부에 따라 다릅니다. 입력 데이터에 레이블이 지정되면 지도 학습입니다. 라벨이 지정되지 않은 학습은 비지도 학습입니다. 지도 학습은 데이터 세트의 올바른 출력이 알려진 일종의 학습 알고리즘입니다. 입력과 출력이 알려져 있다는 것은 입력과 출력 사이에 관계가 있다는 뜻이고 지도학습 알고리즘은 이 '관계'를 발견하고 요약하는 것이다. 비지도 학습은 레이블이 지정되지 않은 데이터에 대한 학습 알고리즘 클래스를 나타냅니다. 레이블 정보가 없다는 것은 데이터 세트에서 패턴이나 구조를 발견하고 요약해야 함을 의미합니다.

연구 개요

상태

모병

정황

개입 / 치료

상세 설명

연구자들은 다양한 데이터 유형에서 시작하여 데이터 자체를 마이닝하고 임플란트의 예후를 예측하기 위해 다양한 모델을 구축했습니다. 머신러닝은 이미지 측면에서 더 인상적이고 직관적인 경우가 많습니다. 구강임플란트학 분야에서는 머신러닝 기반의 수술 전 영상 데이터를 분석하여 중요한 해부학적 구조(상악동, 하악 신경관 등)를 파악하고 치조골의 질을 분석합니다. 대규모 영상 데이터는 시중에 나와 있는 다양한 임플란트 시스템을 식별하는 데에도 사용됩니다. 머신러닝은 임플란트 수술 계획 개발에도 중요한 역할을 하며, 이는 보다 정확하고 효율적인 임플란트 수술에 도움이 됩니다. 임플란트 유지율과 개인의 뼈 수준에 대한 평가 또한 중요한 임상적 관심사 중 하나입니다. 이러한 문제를 연구하는 대부분의 방법은 Kaplan-Meier 생존 분석, Cox 생존 분석 등으로 ​​임플란트 유지율과 영향 요인을 연구합니다. 선형(혼합) 모델과 다중 로지스틱 회귀 분석을 사용하여 임플란트 가장자리의 골 흡수 변화와 영향 요인을 연구했습니다. 그러나 일상적인 임상 실습에서는 추적 관찰 상실, 부분적인 데이터 누락 등 실질적인 문제가 발생할 수 있습니다. 연구의 임상 시나리오가 점점 더 명확해짐에 따라 부분적인 데이터 누락이라도 정확하게 평가하고 예측할 수 없는 결과로 이어지는 경우가 많습니다. 따라서 본 연구에서는 지도학습 측면에서 다량의 데이터를 활용한 임플란트 가장자리 뼈 수준(MBL) 머신러닝을 통해 임플란트 뼈 수준 변화 예측 모델을 구축하고 모델의 정확성을 평가하는 것을 목표로 한다. 비지도 학습 측면에서 목표는 임플란트에 대한 개인 관련 정보의 클러스터링을 통해 임플란트 실패에 대한 민감성 표현형을 식별하는 것입니다.

연구 유형

관찰

등록 (추정된)

1000

연락처 및 위치

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

연구 연락처

연구 연락처 백업

연구 장소

  • 중국
    • Zhejiang
      • Hangzhou, Zhejiang, 중국, 310003
        • 모병
        • The Stomatologic Hospital, School of Medicine, Zhejiang University
        • 연락하다:
          • Yi Zhou
          • 전화번호: 0571 87217419
        • 연락하다:
          • Siyao Ma
          • 전화번호: 0571 87217419

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

  • 성인
  • 고령자

건강한 자원 봉사자를 받아들입니다

예

샘플링 방법

확률 샘플

연구 인구

이것은 후향적 연구였다. 결합모델 예측방법의 표본크기로 확인된 문헌을 검색한 결과, 1000명의 환자에 대한 초기 데이터와 추적 데이터가 필요한 것으로 판단되었다.

설명

포함 기준:

  • (1) 18세 이상의 환자; (2) 이식 후 1~5년; (3) 주입 토크 > 35N·cm; (4) 서명된 사전 동의.

제외 기준:

  • (1) 일반 이식 수술의 금기 사항; (2) 두경부 방사선 치료를 받은 적이 있는 경우 (3) 과거 또는 현재의 비스포스포네이트 치료; (4) 면접관에게 협조하지 마십시오.

공부 계획

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

연구는 어떻게 설계됩니까?

디자인 세부사항

연구는 무엇을 측정합니까?

주요 결과 측정

결과 측정
측정값 설명
기간
치과 임플란트의 평균 뼈 수준
기간: 1~7세
임플란트와 뼈의 첫 번째 접촉 영역 및 임플란트 끝(근심 및 원위) 사이의 수직 거리
1~7세

공동 작업자 및 조사자

여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.

스폰서

The Dental Hospital of Zhejiang University School of Medicine

수사관

  • 수석 연구원: Weida Li, Stomatological Hospital Affiliated to Zhejiang University School of Medicine

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)

2017년 1월 1일

기본 완료 (추정된)

2025년 12월 31일

연구 완료 (추정된)

2025년 12월 31일

연구 등록 날짜

최초 제출

2023년 9월 1일

QC 기준을 충족하는 최초 제출

2023년 9월 1일

처음 게시됨 (실제)

2023년 9월 8일

연구 기록 업데이트

마지막 업데이트 게시됨 (추정된)

2024년 11월 19일

QC 기준을 충족하는 마지막 업데이트 제출

2024년 11월 16일

마지막으로 확인됨

2023년 9월 1일

추가 정보

이 연구와 관련된 용어

기타 연구 ID 번호

  • DHZhejiangU-2022(005)

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. .

임플란트 부위 반응에 대한 임상 시험

개입 없음에 대한 임상 시험

유사한 임상시험 검색

스폰서 및 공동 작업자

건강 상태

약물 개입

CROs by country

CROs in Djibouti

정황

희귀 질병

약물 개입

식이 보충제

스폰서 / 협력자

위치

구독하다