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

Digitale gegevens gebruiken om CHD te voorspellen

8 oktober 2025 bijgewerkt door: University of Pennsylvania

Digitale gegevens gebruiken om de cardiovasculaire gezondheid en het gebruik van de gezondheidszorg te voorspellen

Dit project probeert kenmerken te identificeren en te karakteriseren die zijn afgeleid van digitale gegevens (bijv. sociale media, online zoeken, mobiele media) die in verband worden gebracht met coronaire hartziekte (CHD) en gerelateerde risicofactoren, en modellen ontwikkelen die digitale gegevens en conventionele voorspellende modellen gebruiken om het risico op CHD en het gebruik van de gezondheidszorg te voorspellen.

Studie Overzicht

Toestand

Voltooid

Conditie

Interventie / Behandeling

Gedetailleerde beschrijving

Hart- en vaatziekten zijn de belangrijkste doodsoorzaak in de VS. Hoewel secundaire preventiebenaderingen de levensduur van patiënten hebben verbeterd, komen risicofactoren en ongunstig gezondheidsgedrag (bijv. lichamelijke inactiviteit, roken) veel voor, en in de meeste hedendaagse series voldoet minder dan 1% van de volwassenen aan alle factoren van een ideale CV-gezondheid. De logistiek en praktische aspecten van het bereiken van het doel van een ideale CV-gezondheid zijn niet duidelijk opgehelderd. Praktijkrichtlijnen bevelen het gebruik van de Framingham-risicoscore (FRS) of andere risicovoorspellingstools aan om het risico van patiënten op CV ziekte te classificeren. Deze modellen zijn echter onnauwkeurig en er wordt steeds meer aandacht besteed aan het identificeren van markers die betere risicometingen opleveren. Aangezien digitale platforms steeds vaker worden gebruikt om levensstijl en gezondheidsgedrag te documenteren, kunnen gegevens uit digitale bronnen een venster bieden op manifestaties van nieuwe risicofactoren en mogelijk een betere karakterisering van bestaande risicofactoren. Hoewel het een cliché lijkt om de diepgaande impact van digitale gegevens op het dagelijks leven te noemen, is er inderdaad een grote substantie in de kansen die deze nieuwe media bieden voor het begrijpen van gedrags-, sociale en omgevingsdeterminanten van gezondheid. Dit project probeert kenmerken te identificeren en te karakteriseren die zijn afgeleid van digitale gegevens (bijv. sociale media, online zoeken, mobiele media) die in verband worden gebracht met coronaire hartziekte (CHD) en gerelateerde risicofactoren, en modellen ontwikkelen die digitale gegevens en conventionele voorspellende modellen gebruiken om het risico op CHD en het gebruik van de gezondheidszorg te voorspellen.

Studietype

Observationeel

Inschrijving (Werkelijk)

781

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

  • Verenigde Staten
    • Pennsylvania
      • Philadelphia, Pennsylvania, Verenigde Staten, 19101
        • University of Pennsylvania Health System

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

30 jaar tot 74 jaar (Volwassen, Oudere volwassene)

Accepteert gezonde vrijwilligers

Ja

Bemonsteringsmethode

Niet-waarschijnlijkheidssteekproef

Studie Bevolking

We identificeren patiënten van 30-74 jaar met en zonder CHZ (ICD 9:414.0, ICD 10: I63, I20-I25)

Beschrijving

Inclusiecriteria:

  • 30 - 74 jaar oud
  • Bereid om geïnformeerde toestemming te ondertekenen
  • Voornamelijk Engels sprekend (voor taalanalyse)
  • Heeft een account op een van de volgende digitale dataplatforms (Facebook, Instagram, Twitter Reddit, Google (gmail), of smartphone of draagbaar apparaat zoals Apple Health, Fitbit, Samsung Health, MapMyFitness of Garmin) en is bereid om gegevens te delen
  • Indien een social media-account, Instagram of Facebook heeft, bereid is om historische en toekomstige gegevens te delen (60 dagen) Indien een Google (gmail)-account heeft, bereid is om het zip-bestand van Google Takeout te downloaden en te delen
  • Als hij een smartphone of draagbaar apparaat heeft, bereid om stapgegevens te delen
  • Bereid om toegang tot medische gezondheidsdossiers te delen
  • Bereid om informatie over zorgverzekeringen te delen

Uitsluitingscriteria:

  • Patiënt voldoet niet aan de leeftijdscriteria hierboven
  • Gebruikt en plaatst geen digitale gegevensbronnen die we bestuderen of die we niet willen doneren
  • Patiënt is in ernstige nood, b.v. respiratoire, fysieke of emotionele nood
  • Patiënt is dronken, bewusteloos of niet in staat om op de juiste manier op vragen te reageren

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

  • Observatiemodellen: Case-control
  • Tijdsperspectieven: Dwarsdoorsnede

Cohorten en interventies

Groep / Cohort
Interventie / Behandeling
Geval
Patiënten van 30-74 jaar met en zonder CHD (IICD 10: I63, I20-I25) in de afgelopen 5 jaar.
Ander: Vragenlijst
Geïnteresseerde deelnemers kunnen de geïnformeerde toestemming online invullen. Na geïnformeerde toestemming wordt de deelnemer gevraagd om de digitale gegevenstypen die hij gebruikt (Facebook, Instagram, Twitter, Google zoeken, stappengegevens) te delen en vervolgens vullen de deelnemers een cross-sectionele enquête in.
Controle
Patiënten van 30-74 jaar met een niet-cardiovasculaire voorgeschiedenis
Ander: Vragenlijst
Geïnteresseerde deelnemers kunnen de geïnformeerde toestemming online invullen. Na geïnformeerde toestemming wordt de deelnemer gevraagd om de digitale gegevenstypen die hij gebruikt (Facebook, Instagram, Twitter, Google zoeken, stappengegevens) te delen en vervolgens vullen de deelnemers een cross-sectionele enquête in.

Wat meet het onderzoek?

Primaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Latente Dirichlet Allocatie (LDA) Onderwerpen - Onderwerpen / Thema's Besproken Tussen Patiënten Met en Zonder Hartziekte
Tijdsspanne: Gedurende de volledige studieduur, gemiddeld 3 jaar

De primaire uitkomst zijn onderwerpen en kenmerken (afgeleid met behulp van de LDA-methode voor het clusteren van taalgegevens).

Voor elke deelnemer hebben we alle beschikbare Facebook-berichten op de tijdlijn opgenomen vanaf het begin van hun accountgeschiedenis tot aan de gegevensverzameling, ongeacht of deze plaatsvonden vóór of na een CHD-diagnose. We onderzochten verbanden tussen taalkenmerken (unigrammen, LIWC-categorieën, LDA-onderwerpen) en cardiovasculaire casusstatus (aanwezigheid versus afwezigheid van CHD) met behulp van Pearson-correlatie en logistische regressie. Latente LDA, een systematische methode om tekstgebaseerde thema's te identificeren, werd toegepast om 200 clusters van samen voorkomende woorden ("onderwerpen") te genereren. Voor elk kenmerktype (unigram, LIWC-categorie, LDA-onderwerp) hebben we aparte logistische regressiemodellen toegepast en Pearson-correlatiecoëfficiënten berekend om de voorspellende waarde voor de casusstatus te beoordelen. Elk taalkundig afgeleid kenmerk werd gecodeerd als een genormaliseerde frequentietelling per gebruiker om een consistente vergelijking tussen deelnemers mogelijk te maken.
Gedurende de volledige studieduur, gemiddeld 3 jaar

Andere uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
CHD-gebeurtenis
Tijdsspanne: Gedurende de gehele studieduur, gemiddeld 3 jaar

Betrouwbaarheid in het voorspellen van CHD-gerelateerde gebeurtenissen bij patiënten zoals gemeten door de Framingham Risicoscore.

De Framingham Risicoscore (FRS) is een gevalideerde methode voor het voorspellen van het risico op cardiovasculaire aandoeningen (CVD). Invoervariabelen omvatten leeftijd, sigarettenrook, totaal cholesterol, HDL-cholesterol, systolische bloeddrukmeting en behandeling voor hypertensie. Puntwaarden worden berekend op basis van elk van deze risico's. Een 10-jaars risicoscore kan worden afgeleid als een percentage. Risicoscores variëren van 0-20%.

Laag risico: Minder dan 10% risico dat u in de komende 10 jaar een hartaanval krijgt of overlijdt aan coronaire hartziekte.

Gemiddeld risico: Een 10 tot 20% risico dat u in de komende 10 jaar een hartaanval krijgt of overlijdt aan coronaire hartziekte.

Hoog risico: Een groter dan 20% risico dat u in de komende 10 jaar een hartaanval krijgt of overlijdt aan coronaire hartziekte.
Gedurende de gehele studieduur, gemiddeld 3 jaar
Gezondheidszorggebruik
Tijdsspanne: Gedurende de volledige studieduur, gemiddeld 3 jaar
Voorspelling van kosten voor gezondheidszorggebruik tussen personen met hartziekte en personen zonder hartziekte gemeten via verzekeringsclaimsgegevens
Gedurende de volledige studieduur, gemiddeld 3 jaar

Medewerkers en onderzoekers

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

Sponsor

University of Pennsylvania

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)

25 september 2020

Primaire voltooiing (Werkelijk)

30 mei 2025

Studie voltooiing (Werkelijk)

1 juni 2025

Studieregistratiedata

Eerst ingediend

28 september 2020

Eerst ingediend dat voldeed aan de QC-criteria

28 september 2020

Eerst geplaatst (Werkelijk)

5 oktober 2020

Updates van studierecords

Laatste update geplaatst (Geschat)

4 november 2025

Laatste update ingediend die voldeed aan QC-criteria

8 oktober 2025

Laatst geverifieerd

1 oktober 2025

Meer informatie

Termen gerelateerd aan deze studie

Trefwoorden

Aanvullende relevante MeSH-voorwaarden

Andere studie-ID-nummers

  • 833699

Plan Individuele Deelnemersgegevens (IPD)

Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?

ONBESLIST

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