복막 투석의 투석 효율 및 운송 체 평가 계산 도구 (DETECT-PD)
2025년 4월 7일 업데이트: Ka Chun Leung, Tuen Mun Hospital
감지 -PD- 복막 투석의 투석 효율 및 운송 체 평가 계산 도구
이 전향 적 진단 테스트 (상관 관계) 연구의 목표는 복막 투석 (PD)을 겪고있는 성인 환자의 복막 수송 체 상태 및 투석 효율을 예측할 때 인공 지능의 성능을 개발하고 조사하는 것입니다.
대답하려는 주요 질문은 다음과 같습니다.
인공 지능은 단순한 임상 및 생화학 적 측정에 기초하여 복막 수송 체 상태를 예측할 수 있습니까? 인공 지능이 이러한 기능을 사용하여 투석 적절성 (KT/V)을 예측할 수 있습니까?
연구원들은 AI 모델의 성능을 Gold Standard Peritoneal Equilibration Test (PET) 및 KT/V와 비교하여 정확도와 신뢰성을 평가할 것입니다.
참가자 :
생화학 적 분석을 위해 복막 투석 및 스팟 소변 샘플을 제공하십시오. 일상적인 투석 적절성 및 복막 평형 테스트 (PET)를 겪습니다. AI 모델 교육 및 검증을 위해 임상 및 실험실 데이터를 수집하십시오.
이 연구는 약 350 명의 복막 투석 환자를 모집 할 것이며, 훈련/검증 팔에 280 명의 참가자와 시험 ARM에 70 명의 참가자가 참여할 것입니다. 학습 기간은 등록 후 12 개월입니다.
연구 개요
상태
초대로 등록
개입 / 치료
상세 설명
복막 투석의 감지 PD (복막 투석에서 투석 효율 및 운송 체 평가 계산 도구) 연구는 복막 전송자 상태 및 투석을 촉진하는 데있어 인공 지능 (AI)의 타당성과 효과를 평가하기 위해 설계된 이중 맹검, 전향 적 진단 테스트 (상관 관계) 연구입니다. 복막 투석을받는 환자의 효율성 (PD). 이 연구는 임상, 생화학 적 및 복막 운송 데이터를 활용하여 비 침습적이고 효율적인 평가 도구를 제공하여 투석 관리 및 환자 결과를 개선하는 계산 모델을 개발하는 것을 목표로합니다.
환자 모집 및 데이터 수집은 일상적인 투석 적절성 및 복막 수송 체 상태 평가 중에 수행됩니다. 다음의 임상 및 생화학 적 파라미터가 수집됩니다.
인구 통계 및 병력 복막 투석 데이터 생화학 데이터
AI 모델은 딥 러닝 및 예측 분석을 위해 Python 3.11 및 Pytorch 2.41을 사용하여 개발 될 것입니다.
주요 방법 론적 단계는 다음과 같습니다.
데이터 전처리 : 결 측값 처리, 피처 스케일링 및 범주 형 변수에 대한 1 가지 인코딩.
기능 선택 : 가장 예측적인 임상 및 생화학 마커 식별.
모델 교육 : 딥 러닝 회귀 모델을 사용하여 PET 및 KT/V 결과를 예측합니다.
성능 평가 : 사용을 사용하여 모델 정확도 평가 :
평균 절대 오차 (MAE) 평균 제곱 오차 (MSE) R² 점수 (결정 계수) 측정 된 값과의 일치에 대한 Bland-Altman 플롯 및 상관 계수.
연구 유형
관찰
등록 (추정된)
350
연락처 및 위치
이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.
연구 장소
-
-
-
Tuen Mun, 홍콩
- Tuen Mun Hospital
-
-
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
아니
샘플링 방법
비확률 샘플
연구 인구
신장 대체 요법으로서 복막 투석을 필요로하는 말기 신부전 환자
설명
포함 기준 :
- 18 세 이상
- 신장 대체 요법으로서 복막 투석을 요구하는 말기 신부전 진단
- 사전 동의를 제공하고 학습 절차를 준수하는 능력.
제외 기준 :
- 흉막 누적 누공 (PPF), 특허 공정 vaginalis (PPV) 및 복막 누출을 포함한 탈장 또는 복막 누출의 병력
- 항생제 요법의 유무에 관계없이 진행중인 PD 복막염
- 최근 4 주 내에 방금 PD 복막염 항생제 치료를 마쳤습니다.
- 임신
- 환자 거절
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 |
|---|---|
|
교육/검증
훈련/검증 ARM 참가자는 임상 평가, 생화학 적 테스트 및 복막 평형 검사 (PET) 및 투석 사정성 (KT/V)을 통한 복막 수송 체 상태 측정을 포함하여 일상적인 PD 관리의 일환으로 동일한 표준 조사 및 치료를 받게됩니다. ).
|
복막 투석액 및 스팟 소변 샘플의 추가 컬렉션이 수집됩니다. 교육/검증 암에 무작위 배정 된 참가자는 교육 및 검증 단계를 포함하여 모델 개발에 데이터를 사용합니다.
다른 이름들:
|
|
시험
훈련/검증 ARM 참가자는 임상 평가, 생화학 적 테스트 및 복막 평형 검사 (PET) 및 투석 사정성 (KT/V)을 통한 복막 수송 체 상태 측정을 포함하여 일상적인 PD 관리의 일환으로 동일한 표준 조사 및 치료를 받게됩니다. ).
|
복막 투석액 및 스팟 소변 샘플의 추가 컬렉션이 수집됩니다.
시험 ARM에 무작위 배정 된 참가자는 최종 AI 모델의 성능을 평가하기 위해 데이터를 격리하고 예약합니다.
다른 이름들:
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
복막 평형 테스트 (PET) 매개 변수
기간: 연구 등록 중에 기준선에서 측정
|
복막 평형 테스트 (PET) 매개 변수 결과 : AI 예측 대 실제 2 시간 및 4 시간 투석기-플라즈마 크레아티닌 비율 (D/P CR) 성능 지표의 예측 정확도 : 평균 절대 오류 (MAE) 측정 단위 : 절대 오류
|
연구 등록 중에 기준선에서 측정
|
|
복막 평형 테스트 (PET) 매개 변수
기간: 연구 등록 중에 기준선에서 측정
|
복막 평형 테스트 (PET) 매개 변수 결과 : AI 예측 대 실제 투석 대 투석 포도당 농도 비율 (D/D0 GLU) 성능 지표 : 평균 절대 오차 (MAE) 측정 단위의 예측 정확도 : AI-DIALYSTINE ELINYSATE 포도당 농도 비율 (D/D0 GLU) 성능 단위 : 절대 오류
|
연구 등록 중에 기준선에서 측정
|
|
복막 평형 테스트 (PET) 매개 변수
기간: 연구 등록 중에 기준선에서 측정
|
복막 평형 테스트 (PET) 매개 변수 결과 : AI 예측 대 실제 2 시간 및 4 시간 투석 대 플라즈마 크레아티닌 비율 (D/P CR) 성능 지표 : 평균 제곱 오류 (MSE)의 AI 모델의 예측 정확도 측정 단위 : 제곱 오류
|
연구 등록 중에 기준선에서 측정
|
|
복막 평형 테스트 (PET) 매개 변수
기간: 연구 등록 중에 기준선에서 측정
|
복막 평형 테스트 (PET) 매개 변수 결과 : AI 예측 대 실제 투석 대 투석 포도당 농도 비율 (D/D0 GLU) 성능 지표 : 평균 제곱 오차 (MSE) 측정 단위 오류
|
연구 등록 중에 기준선에서 측정
|
|
복막 평형 테스트 (PET) 매개 변수
기간: 연구 등록 중에 기준선에서 측정
|
복막 평형 테스트 (PET) 매개 변수 결과 : AI 예측 대 실제 2 시간 및 4 시간 투석-플라즈마 크레아티닌 비율 (D/P CR) 성능 지표의 예측 정확도 : 결정 계수 (R²) 측정 단위 : r² 값 (범위 : 0 ~ 1, 높은 값이 더 나은 모델 성능을 나타냅니다)
|
연구 등록 중에 기준선에서 측정
|
|
복막 평형 테스트 (PET) 매개 변수
기간: 연구 등록 중에 기준선에서 측정
|
복막 평형 테스트 (PET) 매개 변수 결과 : AI 예측 대 실제 투석 대 투석 포도당 농도 비율 (D/D0 GLU) 성능 지표의 AI 모델의 예측 정확도 : 측정 계수 (R²) 측정 단위 : R². 값 (범위 : 0 ~ 1, 높은 값은 모델 성능이 향상됨을 나타냅니다)
|
연구 등록 중에 기준선에서 측정
|
|
복막 평형 테스트 (PET) 매개 변수
기간: 연구 등록 중에 기준선에서 측정
|
복막 평형 테스트 (PET) 매개 변수 결과 : AI 예측 대 실제 2 시간 및 4 시간 투석-플라즈마 크레아티닌 비율 (D/P CR) 성능 지표의 AI 모델의 예측 정확도 : intraclass 상관 계수 (ICC) 측정 단위 : ICC 값 (범위 : 0 ~ 1, 높은 값은 더 나은 일치를 나타냅니다)
|
연구 등록 중에 기준선에서 측정
|
|
복막 평형 테스트 (PET) 매개 변수
기간: 연구 등록 중에 기준선에서 측정
|
복막 평형 테스트 (PET) 매개 변수 결과 : AI 예측 대 실제 투석 대 투석 포도당 농도 비율 (D/D0 GLU) 성능 메트릭 : ICC 측정 단위 : ICC 값 (범위 : 0 ~ 1, 높은 값은 더 나은 일치를 나타냅니다)
|
연구 등록 중에 기준선에서 측정
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
투석 적절성 (KT/V) 매개 변수
기간: 연구 등록 중에 기준선에서 측정
|
투석 적정성 (KT/V) 결과에 대한 AI 모델의 예측 정확도 : AI 예측 대 실제 주간 KT/V 성능 지표 : 평균 절대 오차 (MAE) 측정 단위 : 절대 오류
|
연구 등록 중에 기준선에서 측정
|
|
투석 적절성 (KT/V) 매개 변수
기간: 연구 등록 중에 기준선에서 측정
|
투석 적정성 (KT/V) 결과에 대한 AI 모델의 예측 정확도 : AI 예측 대 실제 주간 KT/V 성능 지표 : 평균 제곱 오류 (MSE) 측정 단위 : 제곱 오류
|
연구 등록 중에 기준선에서 측정
|
|
투석 적절성 (KT/V) 매개 변수
기간: 연구 등록 중에 기준선에서 측정
|
투석 적정성 (KT/V) 결과에 대한 AI 모델의 예측 정확도 : AI 예측 대 실제 주간 KT/V 성능 지표 : 측정 계수 (R²) 측정 단위 : R² 값 (범위 : 0 ~ 1, 더 높은 값 더 나은 모델 성능을 나타냅니다)
|
연구 등록 중에 기준선에서 측정
|
|
투석 적절성 (KT/V) 매개 변수
기간: 연구 등록 중에 기준선에서 측정
|
투석 적정성 (KT/V) 결과에 대한 AI 모델의 예측 정확도 : AI 예측 대 실제 총 주간 KT/V 성능 지표 : ICC (intraclass 상관 계수) 단위 : ICC 값 (범위 : 0 ~ 1, 더 높은 값 더 나은 계약을 표시)
|
연구 등록 중에 기준선에서 측정
|
|
AI 모델의 차별적 능력
기간: 연구 등록 중에 기준선에서 측정
|
결과 : PET 성능 메트릭을 기반으로 한 복막 수송 체 유형 (낮음, 저 평균, 높은 평균, 높은)의 분류 : 수신기 작동 특성 곡선 (AUC-ROC) 측정 단위의 영역 : AUC-ROC 값 (범위 : 0 1에서 1, 높은 값은 더 나은 차별적 능력을 나타냅니다)
|
연구 등록 중에 기준선에서 측정
|
|
AI 모델의 차별적 능력
기간: 연구 등록 중에 기준선에서 측정
|
결과 : PET 성능 지표를 기반으로 한 복막 수송 체 유형 (낮은 평균, 평균, 높은 평균, 높은)의 분류 : AUC-PR (Accision-Recall Curve)의 영역 : AUC-PR 값 (범위 : 0 1에서 1, 높은 값은 모델 성능이 향상됨을 나타냅니다)
|
연구 등록 중에 기준선에서 측정
|
|
AI 모델의 차별적 능력
기간: 연구 등록 중에 기준선에서 측정
|
결과 : PET 성능 지표를 기반으로 한 복막 수송 체 유형 (낮은 평균, 낮은 평균, 높은 평균, 높은)의 분류 : 민감도 측정 단위 : 감도 (%)
|
연구 등록 중에 기준선에서 측정
|
|
AI 모델의 차별적 능력
기간: 연구 등록 중에 기준선에서 측정
|
결과 : PET 성능 지표를 기반으로 한 복막 수송 체 유형 (낮음, 낮은 평균, 높은 평균, 높은)의 분류 : F1- 점수 측정 단위 : F1- 점수 (범위 : 0 ~ 1, 높은 값은 정밀도 사이의 균형이 향상됩니다. 그리고 리콜)
|
연구 등록 중에 기준선에서 측정
|
|
AI 모델의 교정 성능
기간: 연구 등록 중에 기준선에서 측정
|
결과 : 모델 예측 대 실제 운송 체 상태 및 투석 적정성 (KT/V) 성능 메트릭 : 교정 경사 단위 : 교정 경사 (이상적인 값 = 1)
|
연구 등록 중에 기준선에서 측정
|
|
AI 모델의 교정 성능
기간: 연구 등록 중에 기준선에서 측정
|
결과 : 모델 예측 대 실제 운송업자 상태 및 투석 적 적정성 (KT/V) 성능 메트릭 : 교정 (평균 교정 오차) 측정 단위 : 평균 오차 (낮은 값이 더 나은 교정을 나타냅니다).
|
연구 등록 중에 기준선에서 측정
|
|
AI 모델의 교정 성능
기간: 연구 등록 중에 기준선에서 측정
|
결과 : 모델 예측 대 실제 운송 체 상태 및 투석 적절성 (KT/V) 성능 지표 : 교정 슬로프 교정 (평균 교정 오류) Brier 점수 |
연구 등록 중에 기준선에서 측정
|
|
AI 모델의 교정 성능
기간: 연구 등록 중에 기준선에서 측정
|
결과 : 모델 예측 대 실제 운송 체 상태 및 투석 적 적정성 (KT/V) 성능 지표 : Brier 점수 측정 단위 : Brier 점수 (범위 : 0 ~ 1, 낮은 값이 더 나은 교정을 나타냅니다)
|
연구 등록 중에 기준선에서 측정
|
공동 작업자 및 조사자
여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.
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
- Twardowski ZJ. Clinical value of standardized equilibration tests in CAPD patients. Blood Purif. 1989;7(2-3):95-108. doi: 10.1159/000169582.
- Riley RD, Ensor J, Snell KIE, Harrell FE Jr, Martin GP, Reitsma JB, Moons KGM, Collins G, van Smeden M. Calculating the sample size required for developing a clinical prediction model. BMJ. 2020 Mar 18;368:m441. doi: 10.1136/bmj.m441. No abstract available.
- Bello AK, Okpechi IG, Osman MA, Cho Y, Cullis B, Htay H, Jha V, Makusidi MA, McCulloch M, Shah N, Wainstein M, Johnson DW. Epidemiology of peritoneal dialysis outcomes. Nat Rev Nephrol. 2022 Dec;18(12):779-793. doi: 10.1038/s41581-022-00623-7. Epub 2022 Sep 16.
- SPRINT Research Group; Wright JT Jr, Williamson JD, Whelton PK, Snyder JK, Sink KM, Rocco MV, Reboussin DM, Rahman M, Oparil S, Lewis CE, Kimmel PL, Johnson KC, Goff DC Jr, Fine LJ, Cutler JA, Cushman WC, Cheung AK, Ambrosius WT. A Randomized Trial of Intensive versus Standard Blood-Pressure Control. N Engl J Med. 2015 Nov 26;373(22):2103-16. doi: 10.1056/NEJMoa1511939. Epub 2015 Nov 9. Erratum In: N Engl J Med. 2017 Dec 21;377(25):2506. doi: 10.1056/NEJMx170008.
- Szeto CC, Wong TY, Chow KM, Leung CB, Li PK. Dialysis adequacy and transport test for characterization of peritoneal transport type in Chinese peritoneal dialysis patients receiving three daily exchanges. Am J Kidney Dis. 2002 Jun;39(6):1287-99. doi: 10.1053/ajkd.2002.33405.
- Chen CA, Lin SH, Hsu YJ, Li YC, Wang YF, Chiu JS. Neural network modeling to stratify peritoneal membrane transporter in predialytic patients. Intern Med. 2006;45(9):663-4. doi: 10.2169/internalmedicine.45.1419. Epub 2006 Jun 1. No abstract available.
- Gu J, Bai E, Ge C, Winograd J, Shah AD. Peritoneal equilibration testing: Your questions answered. Perit Dial Int. 2023 Sep;43(5):361-373. doi: 10.1177/08968608221133629. Epub 2022 Nov 9.
- Morelle J, Stachowska-Pietka J, Oberg C, Gadola L, La Milia V, Yu Z, Lambie M, Mehrotra R, de Arteaga J, Davies S. ISPD recommendations for the evaluation of peritoneal membrane dysfunction in adults: Classification, measurement, interpretation and rationale for intervention. Perit Dial Int. 2021 Jul;41(4):352-372. doi: 10.1177/0896860820982218. Epub 2021 Feb 10.
- Blake PG, Bargman JM, Brimble KS, Davison SN, Hirsch D, McCormick BB, Suri RS, Taylor P, Zalunardo N, Tonelli M; Canadian Society of Nephrology Work Group on Adequacy of Peritoneal Dialysis. Clinical Practice Guidelines and Recommendations on Peritoneal Dialysis Adequacy 2011. Perit Dial Int. 2011 Mar-Apr;31(2):218-39. doi: 10.3747/pdi.2011.00026. No abstract available.
- Chen JB, Lam KK, Su YJ, Lee WC, Cheng BC, Kuo CC, Wu CH, Lin E, Wang YC, Chen TC, Liao SC. Relationship between Kt/V urea-based dialysis adequacy and nutritional status and their effect on the components of the quality of life in incident peritoneal dialysis patients. BMC Nephrol. 2012 Jun 14;13:39. doi: 10.1186/1471-2369-13-39.
- Lin YL, Lee YC, Lee CC, Wu MH. Role of Peritoneal Equilibration Test in Assessing Folate Transport During Peritoneal Dialysis. J Ren Nutr. 2024 Sep;34(5):463-468. doi: 10.1053/j.jrn.2024.02.003. Epub 2024 Mar 13.
- Cnossen TT, Smit W, Konings CJ, Kooman JP, Leunissen KM, Krediet RT. Quantification of free water transport during the peritoneal equilibration test. Perit Dial Int. 2009 Sep-Oct;29(5):523-7.
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)
2025년 3월 3일
기본 완료 (추정된)
2026년 2월 28일
연구 완료 (추정된)
2026년 3월 31일
연구 등록 날짜
최초 제출
2025년 2월 2일
QC 기준을 충족하는 최초 제출
2025년 2월 19일
처음 게시됨 (실제)
2025년 2월 24일
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
2025년 4월 9일
QC 기준을 충족하는 마지막 업데이트 제출
2025년 4월 7일
마지막으로 확인됨
2025년 4월 1일
추가 정보
이 연구와 관련된 용어
추가 관련 MeSH 약관
기타 연구 ID 번호
- CIRB-2024-569-5
개별 참가자 데이터(IPD) 계획
개별 참가자 데이터(IPD)를 공유할 계획입니까?
미정
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. .