Deze pagina is automatisch vertaald en de nauwkeurigheid van de vertaling kan niet worden gegarandeerd. Raadpleeg de Engelse versie voor een brontekst.

Een ontwikkeling van patroonidentificatiealgoritme voor inflammatoire darmaandoeningen met behulp van casusreeksgegevens

4 maart 2020 bijgewerkt door: Hyangsook Lee, KMD, PhD

Kruidengeneeskunde voor inflammatoire darmziekten: een ontwikkeling van patroonidentificatie-algoritme door retrospectieve analyse van case-seriegegevens

Deze studie was gericht op het identificeren van patronen van inflammatoire darmaandoeningen (IBD) op basis van symptomen en het suggereren van algoritmen voor het bepalen van patronen en kruidenvoorschriften voor overeenkomstige patronen. De onderzoekers verzamelden symptoomgegevens van 67 IBD-patiënten die klinische remissies bereikten en behielden nadat ze kruidengeneesmiddelen hadden voorgeschreven. Voorschriften werden onderverdeeld in 5 patronen, die werden genoemd naar de belangrijkste kenmerken en symptomen van geïncludeerde patiënten. Associaties tussen aanwezige symptomen en patronen werden gevisualiseerd met behulp van een term frequency inverse document frequency (TF-IDF)-methode. Het bepalen van IBD-patronen op basis van symptomen van patiënten werd geanalyseerd en in kaart gebracht door middel van beslisboommodellering.

Studie Overzicht

Toestand

Voltooid

Conditie

Interventie / Behandeling

Gedetailleerde beschrijving

Kruidenrecepten zijn een van de meest gezochte complementaire en alternatieve geneeswijzen voor patiënten met inflammatoire darmaandoeningen. Er is echter kritiek op de variabiliteit in patroonidentificatie van traditionele Chinese geneeskunde (TCM) / traditionele Oost-Aziatische geneeskunde (TEAM). Met behulp van gegevens van patiënten die klinische remissie bereikten en behielden na het voorschrijven van TCM / TEAM-kruidengeneesmiddelen, probeerden de onderzoekers behandelingsalgoritmen te ontwikkelen die verfijnd waren door geïdentificeerd patroon en sleutelsymptomen die beoefenaars gemakkelijk kunnen onderscheiden.

Op basis van kruidenrecepten die klinische remissie veroorzaakten, werden IBD-patiënten verdeeld in 5 patronen, d.w.z. het type dikke darm, het type waterdamp, het type ademhaling, het type bovenste gastro-intestinale (GI) en het koude type. Door middel van de term frequency-inverse document frequency (TF-IDF)-methode werd de associatie tussen 22 symptomen die werden beschreven als indicaties van de kruidengeneesmiddelenvoorschriften en 5 patronen geanalyseerd. Beslisboommodellering werd gebruikt voor het voorspellen van relevante patronen van symptomen.

Studietype

Observationeel

Inschrijving (Werkelijk)

67

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

  • Korea, republiek van
      • Seoul, Korea, republiek van, 02447
        • Acupuncture & Meridian Science Research Centre

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

15 jaar tot 65 jaar (Kind, Volwassen, Oudere volwassene)

Accepteert gezonde vrijwilligers

Nee

Geslachten die in aanmerking komen voor studie

Allemaal

Bemonsteringsmethode

Niet-waarschijnlijkheidssteekproef

Studie Bevolking

Patiënten bij wie de gastro-enteroloog de diagnose IBD had gesteld en die klinische remissie bereikten na behandeling met recepten voor kruidengeneesmiddelen

Beschrijving

Inclusiecriteria:

  • Diagnose van IBD door gastro-enteroloog
  • Patiënten hebben klinische remissie van IBD-symptomen bereikt en behouden nadat ze kruidenrecepten hadden ingenomen
  • Patiënten hebben schriftelijke geïnformeerde toestemming gegeven

Uitsluitingscriteria:

  • Details met betrekking tot een van de 25 symptomen werden weggelaten

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
Beslissingsboom algoritme training/testen
De onderzoekers verdeelden de gegevens van 67 patiënten in 5 groepen om 5-voudige kruisvalidatie uit te voeren. Vier groepen werden gebruikt om het algoritme voor de beslissingsboom te trainen en één groep werd gebruikt om het te testen.
Ander: Modellering van beslissingsbomen

Een beslissingsboomanalyse werd gebruikt om het proces van besluitvorming over soorten patronen op basis van het al dan niet bestaan ​​van een symptoom te onderzoeken. Aan het einde van de gepresenteerde boom staat het percentage patiënten dat in elk patroon is ingedeeld.

In deze studie werd de classificatie uitgevoerd door het algoritme voor classificatie en regressieboom (CART) toe te passen met behulp van het Scikit-learn-pakket van Python, dat een deling uitvoert met behulp van de Gini-coëfficiënt of de decrement of dispersion. De Gini-coëfficiënt is een van de hulpmiddelen voor het meten van entropie of diversiteit in elk knooppunt en meet de afname door de informatie-entropie voor en na scheiding te vergelijken. Om overfitting te voorkomen werd het maximum aantal bladknopen beperkt tot vier en werd de snoeimethode toegepast die voldeed aan het principe van minimale beschrijvingslengte.

Wat meet het onderzoek?

Primaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Nauwkeurigheid van het algoritme voor patroonidentificatie
Tijdsspanne: Oktober 2015
Het algoritme voor patroonidentificatie werd voorgesteld met behulp van een beslissingsboommethode. De beslissingsboommethode werd gebruikt om het proces van besluitvorming over soorten patronen op basis van klinische kenmerken van patiënten te onderzoeken.
Oktober 2015

Medewerkers en onderzoekers

Hier vindt u mensen en organisaties die betrokken zijn bij dit onderzoek.

Sponsor

Hyangsook Lee, KMD, PhD

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.

Algemene publicaties

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 november 2007

Primaire voltooiing (Werkelijk)

28 februari 2015

Studie voltooiing (Werkelijk)

28 oktober 2015

Studieregistratiedata

Eerst ingediend

3 maart 2020

Eerst ingediend dat voldeed aan de QC-criteria

3 maart 2020

Eerst geplaatst (Werkelijk)

5 maart 2020

Updates van studierecords

Laatste update geplaatst (Werkelijk)

6 maart 2020

Laatste update ingediend die voldeed aan QC-criteria

4 maart 2020

Laatst geverifieerd

1 maart 2020

Meer informatie

Termen gerelateerd aan deze studie

Trefwoorden

Aanvullende relevante MeSH-voorwaarden

Andere studie-ID-nummers

  • KyungheeU

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 .

Abonneren