- ICH GCP
- 미국 임상 시험 레지스트리
- 임상시험 NCT06112886
머신러닝 알고리즘을 활용한 주요 증상 식별 및 갑상선 기능 저하증 환자 진단
연구 개요
상세 설명
갑상선 기능 저하증(HT)은 갑상선 호르몬이 부족하게 생산되는 세계에서 가장 흔한 질병 중 하나입니다. 임상 증상이 다양하기 때문에 HT의 정의는 주로 생화학적입니다. HT의 주요 사례 중 99%는 티록신(T4) 및 삼요오드티로닌(T3) 호르몬의 결핍과 관련이 있습니다. 갑상선에서 생성되는 T4 및 T3 호르몬의 결핍은 음성 피드백 메커니즘을 통해 갑상선 자극 호르몬(TSH) 생성을 증가시킵니다.
HT는 체중 증가, 피로, 집중력 부족, 우울증, 월경 불규칙, 변비 등의 비특이적 증상을 나타내며 증상은 연령, 성별 및 기타 요인에 따라 달라집니다. 자가면역 갑상선염(하시모토병)이 이 질환의 가장 흔한 증상입니다.
매일 음식에 요오드가 충분히 존재하더라도 HT의 유병률은 세계에서 2%입니다. 2017년 이란에서 실시된 코호트 연구에서는 지리적 위치, 노화, 인종 및 요오드 섭취량과 같은 여러 요인으로 인해 갑상선 기능 장애 유병률이 1.4에서 10.5로 크게 증가한 것으로 보고되었습니다.
혈청 콜레스테롤 수치의 증가, 관상동맥 질환 및 심혈관 사망 위험은 HT의 가장 흔한 합병증입니다. 특히 당뇨병, 혈액투석 등 다른 기저질환이 있는 환자의 경우 HT의 경제적 부담이 상당히 높습니다. 동일하게 원발성 HT를 진단하는 일반적인 임상 방법은 TSH의 혈청 농도를 확인하는 것입니다. TSH 및 T4 수준이 기준 연령 범위보다 높은 사람들은 갑상선 기능 저하증으로 진단됩니다. TSH 기준 범위의 상한은 일반적으로 성인의 연령에 따라 증가합니다.
최근 몇 년 동안 인공지능과 머신러닝 기술이 의료 연구자들로부터 주목을 받고 있습니다. 의학에서 머신러닝의 가장 매력적인 기능 중 하나는 질병 예측과 간단한 증상 진단입니다. SVM(Support Vector Machine), DT(Decision Tree), RF(Random Forest), ANN(인공 신경망)과 같은 예측 모델은 가장 널리 사용되는 기계 학습 방법 중 하나입니다.
현재 HT의 정확한 진단은 혈액검사를 통해 얻은 TSH 수치를 기반으로 하기 때문에 환자에게 비용 부담과 불안감을 안겨준다. 본 연구의 목적은 세 가지 통계적 기계 학습 방법(로지스틱 회귀, 의사결정 트리 및 랜덤 포레스트)을 사용하여 HT 증상 이력이 없는 새로운 사례에서 HT를 먼저 진단하는 것입니다. 진단은 내분비학자가 식별하는 단순하고 널리 받아들여지는 HT의 시각적 증상을 사용하여 수행됩니다. 둘째, 의사의 진단에 도움이 될 수 있는 HT의 가장 중요한 시각적 특징도 의사결정 트리와 랜덤 포레스트 방법을 사용하여 순위를 매깁니다.
연구 유형
등록 (실제)
연락처 및 위치
연구 장소
-
-
-
Kerman, 이란, 이슬람 공화국, 7616913555
- Faculty of Health, Kerman University of Medical Sciences
-
-
참여기준
자격 기준
공부할 수 있는 나이
- 성인
- 고령자
건강한 자원 봉사자를 받아들입니다
샘플링 방법
연구 인구
설명
포함 기준:
- 갑상선 기능 저하증의 임상 진단
- 18세 이상
제외 기준:
- 갑상선 기능 저하증 치료 및 갑상선 수술 병력이 있는 경우
- 이전 임신 중에 HT가 있었던 경우
공부 계획
연구는 어떻게 설계됩니까?
디자인 세부사항
코호트 및 개입
그룹/코호트 |
개입 / 치료 |
---|---|
갑상선 기능 저하증이 있는 경우, 갑상선 기능 저하증이 없는 경우
|
이 연구에는 개입이 없었습니다
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
---|---|---|
생리학적 매개변수
기간: 6 개월
|
갑상선 기능 저하증에 대한 정보는 체크리스트를 통해 수집되었습니다.
그런 다음 각 개인에 대한 TSH 테스트를 사용하여 반응 변수를 얻었습니다.
TSH 수치가 4mIU/L 이상인 사람은 갑상선 기능 저하증으로 식별됩니다.
TSH가 0.4~0.4mIU/L인 사람은 건강한 것으로 간주됩니다.
|
6 개월
|
공동 작업자 및 조사자
연구 기록 날짜
연구 주요 날짜
연구 시작 (실제)
기본 완료 (실제)
연구 완료 (실제)
연구 등록 날짜
최초 제출
QC 기준을 충족하는 최초 제출
처음 게시됨 (실제)
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
QC 기준을 충족하는 마지막 업데이트 제출
마지막으로 확인됨
추가 정보
이 연구와 관련된 용어
기타 연구 ID 번호
- 401000292
개별 참가자 데이터(IPD) 계획
개별 참가자 데이터(IPD)를 공유할 계획입니까?
IPD 계획 설명
IPD 공유 기간
IPD 공유 액세스 기준
IPD 공유 지원 정보 유형
- 연구_프로토콜
- 수액
- ICF
약물 및 장치 정보, 연구 문서
미국 FDA 규제 의약품 연구
미국 FDA 규제 기기 제품 연구
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. .