Machine Learning voor herclassificatie van obesitas
23 juni 2020 bijgewerkt door: Shen Qu, Shanghai 10th People's Hospital
Gegevensgestuurde clustering voor metabole classificatie van obesitas met behulp van machine learning
Het doel van deze studie is om computationele modelleringstechnieken te gebruiken of te ontwikkelen voor de precieze herindeling van obesitas in subgroepen.
Klinische kenmerken, risico's van niet-overdraagbare ziekten, evenals gewichtsverlieseffecten van bariatrische chirurgie zullen ook binnen de subgroepen worden bestudeerd en vergeleken.
Studie Overzicht
Toestand
Voltooid
Conditie
Interventie / Behandeling
Studietype
Observationeel
Inschrijving (Werkelijk)
2495
Contacten en locaties
In dit gedeelte vindt u de contactgegevens van degenen die het onderzoek uitvoeren en informatie over waar dit onderzoek wordt uitgevoerd.
Studie Locaties
-
-
Shanghai
-
Shanghai, Shanghai, China, 200072
- Shanghai Tenth People's Hospital
-
-
Deelname Criteria
Onderzoekers zoeken naar mensen die aan een bepaalde beschrijving voldoen, de zogenaamde geschiktheidscriteria. Enkele voorbeelden van deze criteria zijn iemands algemene gezondheidstoestand of eerdere behandelingen.
Geschiktheidscriteria
Leeftijden die in aanmerking komen voor studie
10 jaar tot 70 jaar (Kind, Volwassen, Oudere volwassene)
Accepteert gezonde vrijwilligers
Ja
Geslachten die in aanmerking komen voor studie
Allemaal
Bemonsteringsmethode
Kanssteekproef
Studie Bevolking
Patiënten met overgewicht/obesitas.
Beschrijving
Inclusiecriteria:
- Patiënten met overgewicht/obesitas
- Patiënten met een normaal gewicht als controles
Uitsluitingscriteria:
- ooit was uitgevoerd met een bariatrische operatie voordat het eerste bezoek van de studie is gepland;
- op dit moment exogene insuline, medicatie die het glucosemetabolisme beïnvloedt of urinezuurmedicatie heeft gebruikt;
- gediagnosticeerd zijn met diabetes type 1, secundaire diabetes, erfelijke ziekte of ernstige ziekte (bijv. kwaadaardige tumor, hartfalen, leverfalen, enz.);
- tijdens de zwangerschap van borstvoeding;
- had niet de volledige gegevens voor het model;
- voor controles met een normaal gewicht werden patiënten met diabetes of hyperurikemie uitgesloten.
Studie plan
Dit gedeelte bevat details van het studieplan, inclusief hoe de studie is opgezet en wat de studie meet.
Hoe is de studie opgezet?
Ontwerpdetails
Cohorten en interventies
Groep / Cohort |
Interventie / Behandeling |
|---|---|
|
NW
normale gewichtscontrole
|
|
|
MHO
metabole gezonde obesitas
|
Computationele modelleringstechnieken zullen worden gebruikt voor de precieze herclassificatie van obesitas in vier subgroepen, verschillende variabelen volgens de klinische ervaring en de modelleringsresultaten zullen worden geselecteerd voor de clusteranalyse.
|
|
LMO
hypometabole obesitas
|
Computationele modelleringstechnieken zullen worden gebruikt voor de precieze herclassificatie van obesitas in vier subgroepen, verschillende variabelen volgens de klinische ervaring en de modelleringsresultaten zullen worden geselecteerd voor de clusteranalyse.
|
|
HMO-U
hypermetabolische obesitas met hyperurikemie
|
Computationele modelleringstechnieken zullen worden gebruikt voor de precieze herclassificatie van obesitas in vier subgroepen, verschillende variabelen volgens de klinische ervaring en de modelleringsresultaten zullen worden geselecteerd voor de clusteranalyse.
|
|
HMO-I
hypermetabolische obesitas met hyperinsulinemie
|
Computationele modelleringstechnieken zullen worden gebruikt voor de precieze herclassificatie van obesitas in vier subgroepen, verschillende variabelen volgens de klinische ervaring en de modelleringsresultaten zullen worden geselecteerd voor de clusteranalyse.
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Tijdsspanne |
|---|---|
|
Metabole classificatie van patiënten met obesitas met behulp van machine learning
Tijdsspanne: basislijn
|
basislijn
|
Secundaire uitkomstmaten
Uitkomstmaat |
Tijdsspanne |
|---|---|
|
Metabole kenmerken bij patiënten van verschillende subgroepen
Tijdsspanne: basislijn
|
basislijn
|
|
Risico's voor niet-overdraagbare ziekten bij patiënten van verschillende subgroepen
Tijdsspanne: basislijn
|
basislijn
|
|
Effect van bariatrische chirurgie bij patiënten van verschillende subgroepen
Tijdsspanne: 1 jaar na bariatrische chirurgie
|
1 jaar na bariatrische chirurgie
|
Medewerkers en onderzoekers
Hier vindt u mensen en organisaties die betrokken zijn bij dit onderzoek.
Publicaties en nuttige links
De persoon die verantwoordelijk is voor het invoeren van informatie over het onderzoek stelt deze publicaties vrijwillig ter beschikking. Dit kan gaan over alles wat met het onderzoek te maken heeft.
Studie record data
Deze datums volgen de voortgang van het onderzoeksdossier en de samenvatting van de ingediende resultaten bij ClinicalTrials.gov. Studieverslagen en gerapporteerde resultaten worden beoordeeld door de National Library of Medicine (NLM) om er zeker van te zijn dat ze voldoen aan specifieke kwaliteitscontrolenormen voordat ze op de openbare website worden geplaatst.
Bestudeer belangrijke data
Studie start (Werkelijk)
1 maart 2020
Primaire voltooiing (Werkelijk)
30 april 2020
Studie voltooiing (Werkelijk)
20 juni 2020
Studieregistratiedata
Eerst ingediend
21 februari 2020
Eerst ingediend dat voldeed aan de QC-criteria
21 februari 2020
Eerst geplaatst (Werkelijk)
25 februari 2020
Updates van studierecords
Laatste update geplaatst (Werkelijk)
25 juni 2020
Laatste update ingediend die voldeed aan QC-criteria
23 juni 2020
Laatst geverifieerd
1 juni 2020
Meer informatie
Termen gerelateerd aan deze studie
Aanvullende relevante MeSH-voorwaarden
Andere studie-ID-nummers
- Obesity Reclassification
Plan Individuele Deelnemersgegevens (IPD)
Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?
NEE
Informatie over medicijnen en apparaten, studiedocumenten
Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel
Nee
Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct
Nee
Deze informatie is zonder wijzigingen rechtstreeks van de website clinicaltrials.gov gehaald. Als u verzoeken heeft om uw onderzoeksgegevens te wijzigen, te verwijderen of bij te werken, neem dan contact op met register@clinicaltrials.gov. Zodra er een wijziging wordt doorgevoerd op clinicaltrials.gov, wordt deze ook automatisch bijgewerkt op onze website .
Klinische onderzoeken op AI-classificatie van patiënten met obesitas
-
The Christie NHS Foundation TrustManchester University NHS Foundation Trust; Aptus Clinical Ltd.; Zenzium Ltd.Voltooid