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

Een nieuw algoritme voor machinaal leren om de Lewy Body-dementie te voorspellen (MLDLB)

8 september 2020 bijgewerkt door: Anastasia Bougea, National and Kapodistrian University of Athens

Een nieuw algoritme voor machinaal leren om de Lewy Body-dementie te voorspellen met behulp van klinische en neuropsychologische scores

Dementie door de ziekte van Parkinson (PDD) en dementie met lewy body's (DLB) zijn dementiesyndromen die elkaar in veel klinische kenmerken overlappen, waardoor de diagnose ervan in de klinische praktijk moeilijk wordt, vooral in gevorderde stadia. We stellen een algoritme voor machinaal leren voor, uitsluitend gebaseerd op niet-invasieve en gemakkelijk in de kliniek te verzamelen voorspellers, om deze aandoeningen met een hoge prognostische prestatie te identificeren.

Studie Overzicht

Toestand

Onbekend

Conditie

Interventie / Behandeling

Gedetailleerde beschrijving

Het algoritme zal worden ontwikkeld met behulp van een dataset van twee gespecialiseerde geheugencentra, waarbij gebruik wordt gemaakt van een steekproef van PDD- en DLB-proefpersonen van wie de diagnostische follow-up beschikbaar is gedurende ten minste 3 jaar na de basisbeoordeling. Een beperkte set informatie met betrekking tot klinisch-demografische kenmerken, 6 neuropsychologische tests (mini-mentaal, PD Cognitieve beoordelingsschaal, korte visueel-ruimtelijke geheugentest, symboolcijfer geschreven, Wechsler-intelligentieschaal voor volwassenen, spoorvorming A en B) werd gebruikt als voorspellers. Twee classificatie-algoritmen, logistische regressie en K-Nearest Neighbours (K-NN's), zullen worden onderzocht op hun vermogen om met succes te voorspellen of patiënten lijden aan PDD of DLB.

Studietype

Observationeel

Inschrijving (Verwacht)

200

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

  • Griekenland
    • Attiki
      • Athens, Attiki, Griekenland, 16674
        • Werving
        • Anastasia Bougea
        • Contact:
        • Onderonderzoeker:
          • Christos Goumas, dr

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

50 jaar tot 90 jaar (Volwassen, Oudere volwassene)

Accepteert gezonde vrijwilligers

Nee

Geslachten die in aanmerking komen voor studie

Allemaal

Bemonsteringsmethode

Niet-waarschijnlijkheidssteekproef

Studie Bevolking

de PDD-groep bestaat uit patiënten die voldoen aan de criteria voor waarschijnlijke PDD en de DLB-groep. Patiënten worden ingeschreven vanuit de op registers gebaseerde database van twee klinieken. De volgende gegevens werden verzameld: geslacht, leeftijd, opleiding, handdominantie, ziekteduur (jaren) en levodopa-equivalente dagelijkse dosis (LEDD). De ziektelast zal worden beoordeeld aan de hand van de Movement Disorders Society-United Parkinson's Disease Rating Scale (MDS-UPDRS) deel III in de medicatievrije toestand en de volgende zes cognitieve/gedragstesten: Mini-Mental State Examination (MMSE), PD- Cognitieve beoordelingsschaal (PD-CRS), korte visueel-ruimtelijke geheugentest (BVMT-TR), symboolcijfer geschreven (SDMT), trail-making-test (TMT A,B), Wechsler volwassenintelligentieschaal (WAIS-V). Alle patiënten ondergaan hersen-MRI en bloedonderzoek om secundaire oorzaken van dementie uit te sluiten.

Beschrijving

Inclusiecriteria:

de PDD-groep bestaat uit patiënten die voldoen aan de criteria voor waarschijnlijke PDD van de Movement Disorders Society (b) de DLB-groep bestaat uit patiënten, volgens de recent herziene criteria voor waarschijnlijke DLB.

Uitsluitingscriteria:

  • ernstige psychiatrische stoornissen, depressie

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
Ziekte van Parkinson Dementie
de PDD-groep bestond uit 58 patiënten die voldeden aan de criteria voor waarschijnlijke PDD van de Movement Disorders Society
Diagnostische toets: machine learning-model
Twee classificatie-algoritmen, logistische regressie en K-Nearest Neighbours (K-NN's), werden onderzocht op hun vermogen om met succes te voorspellen of patiënten leden aan PDD of DLB.
Dementie met Lewy Bodies
de DLB-groep bestond uit 40 patiënten, volgens de recent herziene criteria voor waarschijnlijke DLB
Diagnostische toets: machine learning-model
Twee classificatie-algoritmen, logistische regressie en K-Nearest Neighbours (K-NN's), werden onderzocht op hun vermogen om met succes te voorspellen of patiënten leden aan PDD of DLB.

Wat meet het onderzoek?

Primaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
MMSE voorspellend voor dlb of PDD
Tijdsspanne: 1 jaar
Twee classificatie-algoritmen, logistische regressie en K-Nearest Neighbours (K-NN's), zullen deze tests combineren om te onderzoeken of ze succesvol kunnen voorspellen of patiënten lijden aan PDD of DLB.
1 jaar
Ziekte van Parkinson - Cognitive Rating Scale (PD-CRS) voorspellend voor DLB of PDD
Tijdsspanne: 1 jaar
Twee classificatie-algoritmen, logistische regressie en K-Nearest Neighbours (K-NN's), zullen deze tests combineren om te onderzoeken of ze succesvol kunnen voorspellen of patiënten lijden aan PDD of DLB.
1 jaar
Korte Visuospatial Memory Test (BVMT-TR) voorspellend voor DLB of PDD
Tijdsspanne: 1 jaar
Twee classificatie-algoritmen, logistische regressie en K-Nearest Neighbours (K-NN's), zullen deze tests combineren om te onderzoeken of ze succesvol kunnen voorspellen of patiënten lijden aan PDD of DLB.
1 jaar
Symbool cijfer geschreven voorspellend voor DLB of PDD
Tijdsspanne: 1 jaar
Twee classificatie-algoritmen, logistische regressie en K-Nearest Neighbours (K-NN's), zullen deze tests combineren om te onderzoeken of ze succesvol kunnen voorspellen of patiënten lijden aan PDD of DLB.
1 jaar
Wechsler intelligentieschaal voor volwassenen, voorspellend voor DLB of PDD
Tijdsspanne: 1 jaar
Twee classificatie-algoritmen, logistische regressie en K-Nearest Neighbours (K-NN's), zullen deze tests combineren om te onderzoeken of ze succesvol kunnen voorspellen of patiënten lijden aan PDD of DLB.
1 jaar
spoor waardoor A en B voorspellend zijn voor DLB of PDD
Tijdsspanne: 1 jaar
Twee classificatie-algoritmen, logistische regressie en K-Nearest Neighbours (K-NN's), zullen deze tests combineren om te onderzoeken of ze succesvol kunnen voorspellen of patiënten lijden aan PDD of DLB.
1 jaar

Medewerkers en onderzoekers

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

Sponsor

National and Kapodistrian University of Athens

Onderzoekers

  • Hoofdonderzoeker: ANASTASIA BOUGEA, National and Kapodistrian University of Athens

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 september 2019

Primaire voltooiing (Verwacht)

1 oktober 2020

Studie voltooiing (Verwacht)

1 maart 2021

Studieregistratiedata

Eerst ingediend

21 juni 2020

Eerst ingediend dat voldeed aan de QC-criteria

24 juni 2020

Eerst geplaatst (Werkelijk)

25 juni 2020

Updates van studierecords

Laatste update geplaatst (Werkelijk)

10 september 2020

Laatste update ingediend die voldeed aan QC-criteria

8 september 2020

Laatst geverifieerd

1 september 2020

Meer informatie

Termen gerelateerd aan deze studie

Aanvullende relevante MeSH-voorwaarden

Andere studie-ID-nummers

  • 251ATHENS HOSPITAL

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 Dementie

Klinische onderzoeken op machine learning-model

Zoek naar vergelijkbare onderzoeken

Sponsors en medewerkers

Medische omstandigheden

Geneesmiddelinterventies

CROs by country

CROs in Brazil

Voorwaarden

Zeldzame ziekten

Geneesmiddelinterventies

Voedingssupplementen

Sponsor / medewerkers

Locaties

Abonneren