Risicovoorspellingsmodel voor het verergeren van het fenotype bij patiënten met chronische obstructieve longziekte
27 december 2023 bijgewerkt door: Li An
Een risicovoorspellend model voor het fenotype van frequente acute exacerbaties bij patiënten met ernstige chronische obstructieve longziekte
Het is de bedoeling dat dit onderzoek wordt uitgevoerd op basis van het cohort patiënten met ernstige chronische obstructieve longziekte in ons ziekenhuis.
Op basis van de darmmicrobiota werd willekeurig bos gebruikt om te zoeken naar potentiële diagnostische biomarkers bij patiënten met frequente acute exacerbaties en controles met niet-frequente acute exacerbaties; Construeer een model voor het voorspellen van het risico op frequente acute exacerbaties met behulp van willekeurige bossen, ondersteunende vectormachines en BP neurale netwerkmodellen.
De ontwikkeling van deze studie zal waardevolle referenties opleveren voor de klinische classificatie en prognose-evaluatie van chronische obstructieve longziekte (COPD), en het gezondheidsniveau van COPD-patiënten verbeteren door verder te zoeken naar behandelbare doelen.
Studie Overzicht
Toestand
Werving
Studietype
Observationeel
Inschrijving (Geschat)
365
Contacten en locaties
In dit gedeelte vindt u de contactgegevens van degenen die het onderzoek uitvoeren en informatie over waar dit onderzoek wordt uitgevoerd.
Studiecontact
- Naam: Li An
- Telefoonnummer: CHN+13681133265
- E-mail: bjzy818@sina.com
Studie Locaties
-
-
Beijing
-
Beijing, Beijing, China, 100000
- Werving
- Beijing Chaoyang Hospital Affiliated to Capital Medical University
-
Contact:
- Li An, doctorate
- Telefoonnummer: CHN+13681133265
- E-mail: bjzy818@sina.com
-
-
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
- Volwassen
- Oudere volwassene
Accepteert gezonde vrijwilligers
NVT
Bemonsteringsmethode
Niet-waarschijnlijkheidssteekproef
Studie Bevolking
Een patiënt met ernstige chronische obstructieve longziekte die sinds januari 2023 de afdeling Respiratoire en Critical Care Medicine, Beijing Chaoyang Hospital, Capital Medical University bezocht
Beschrijving
Inclusiecriteria:
- Patiënten die voldoen aan de diagnostische criteria voor COPD van het mondiale initiatief voor chronische obstructieve longziekten (GOLD 2022) en GOLD-beoordeling Ⅲ - Ⅳ (FEV1/FVC<70%, FEV1% voorspelde waarde ≤ 50% na bronchiëctasie)
- Leeftijd>40 jaar oud
- COPD stabiel gedurende meer dan 4 weken
- Kortwerkende bronchiëctasieën zijn niet binnen 24 uur vóór dit experiment gebruikt, langwerkende bronchiëctasieën zijn niet binnen 48 uur gebruikt en er zijn de afgelopen maand niet door het hele lichaam glucocorticoïden gebruikt.
- Patiënt geïnformeerd en ondertekend toestemmingsformulier
Uitsluitingscriteria:
- Astma, actieve longtuberculose, interstitiële pneumonie en ernstige bronchiëctasie
- Gecompliceerd door ernstige ziekten (acute infectie, diabetes, beroerte, hartziekte, lever- en nierstoornissen, kanker of auto-immuunziekte)
- Voorgeschiedenis van chronische diarree of constipatie
- Geschiedenis van gastro-intestinale chirurgie
- Gebruik van probiotica of antibiotica in de afgelopen 4 weken
- Geen geschiedenis van het gebruik van orale hormonen of traditionele Chinese geneeskunde in de afgelopen drie maanden
- Zwangerschap of borstvoeding
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 |
|---|
|
Frequente exacerbatie van COPD
|
|
Niet-frequente exacerbatie van COPD
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Evalueer de voorspellende prestaties van het COPD-risicovoorspellingsmodel voor frequente aanvallen op basis van het gebied onder de ROC-curve.
Tijdsspanne: Een jaar
|
Volgens de Area Under Curve (AUC) van ROC heeft de grootste de beste voorspellende prestaties.
Wanneer AUC>0,5: hoe dichter deze bij 1 ligt, hoe beter de voorspellende prestaties van het model.
Wanneer AUC = 0,5 duidt dit op een slechte modelaanpassing en geen potentiële voorspellende waarde.
|
Een jaar
|
Medewerkers en onderzoekers
Hier vindt u mensen en organisaties die betrokken zijn bij dit onderzoek.
Sponsor
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 mei 2023
Primaire voltooiing (Geschat)
1 december 2027
Studie voltooiing (Geschat)
1 december 2027
Studieregistratiedata
Eerst ingediend
27 december 2023
Eerst ingediend dat voldeed aan de QC-criteria
27 december 2023
Eerst geplaatst (Werkelijk)
10 januari 2024
Updates van studierecords
Laatste update geplaatst (Werkelijk)
10 januari 2024
Laatste update ingediend die voldeed aan QC-criteria
27 december 2023
Laatst geverifieerd
1 december 2023
Meer informatie
Termen gerelateerd aan deze studie
Aanvullende relevante MeSH-voorwaarden
Andere studie-ID-nummers
- al123456
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 .