Voorspel tandslijtage (PREDITOOTH)
Voorspelling van de tandslijtage-index op basis van een dataset van tandvormen: een retrospectief onderzoek
Tandslijtage, als gevolg van het geleidelijke verlies van hard tandweefsel als gevolg van mechanische en chemische factoren, heeft invloed op de tandstructuur, textuur en functie. Het beïnvloedt de kwaliteit van leven, met variërende prevalentie (26,9% tot 90,0%), en wordt traditioneel visueel gedetecteerd tijdens controles, vaak in een vergevorderd stadium. Het monitoren van veranderingen in de tandvorm via intra-orale scanners draagt bij aan vroege detectie, maar restauratie blijft een uitdaging. Preventie door vroegtijdige detectie is van cruciaal belang, omdat patiënten het verlies van de tandstructuur mogelijk pas volledig begrijpen als het zichtbaar is. Onlangs werd statistische vormanalyse (SSA) gebruikt om de tandanatomie te leren kennen en een referentievorm (biogene tand) te definiëren met behulp van. Het garanderen van de consistentie van oriëntatiepunten is echter een uitdaging, vooral vanwege de vooroordelen van de operator. Onlangs bood een robuuste methode genaamd MEG-IsoQuad geautomatiseerde, isotopologische remeshing aan. De combinatie hiervan met SSA is veelbelovend voor diagnostische en simulatiedoeleinden. Deze studie heeft tot doel de betrouwbaarheid van een remeshing-SSA-aanpak voor gewijzigde en intacte premolaaranalyse te beoordelen en machine learning-algoritmen te vergelijken voor het simuleren van de vorm van de aanvankelijk intacte tand of de toekomstige gewijzigde tand.
Het klinische perspectief van het huidige werk biedt mogelijkheden om:
- Voorkom toekomstige tandslijtage door deze in een vroeg stadium te detecteren; en beter communiceren met de patiënt door hem/haar potentiële toekomstige veranderde tanden voor te stellen
- Simuleer de aangepaste reconstructie voor de gewijzigde tand door de aanvankelijk intacte tand te simuleren
Studie Overzicht
Toestand
Conditie
Interventie / Behandeling
Studietype
Inschrijving (Geschat)
Contacten en locaties
Studiecontact
- Naam: Raphael Richet, Clinical Assistant
- Telefoonnummer: +33669523314
- E-mail: raphael.richert@univ-lyon1.fr
Studie Contact Back-up
- Naam: Maxime Ducret, Professor
- E-mail: maxime.ducret@univ-lyon1.fr
Studie Locaties
-
-
-
Leuven, België
- Werving
- KU Leuven University Hospital
-
Contact:
- Pierre Lahoud
-
-
-
-
-
Lyon, Frankrijk, 69007
- Werving
- Lyon Dental Hospital
-
Contact:
- Raphael Richert, PhD
- Telefoonnummer: +33669523314
- E-mail: raphael.richert@univ-lyon1.fr
-
-
-
-
-
Lucknow, Indië
- Werving
- King George Medical University
-
Contact:
- Akhilanand Chaurasia
-
-
-
-
-
Tel Aviv, Israël
- Werving
- Tel Aviv Universi
-
Contact:
- Rachel Sarig
-
-
-
-
Indiana
-
Indianapolis, Indiana, Verenigde Staten, 46202
- Werving
- Indiana University Hospital
-
Contact:
- Anderson Hara
-
-
Deelname Criteria
Geschiktheidscriteria
Leeftijden die in aanmerking komen voor studie
- Volwassen
- Oudere volwassene
Accepteert gezonde vrijwilligers
Bemonsteringsmethode
Studie Bevolking
Beschrijving
Inclusiecriteria:
- geavulseerde tanden met een tandslijtage-index tussen 0 en 3
- volwassen snijtand, hoektand, premolaar of kiezen (alleen 1e en 2e)
Uitsluitingscriteria:
- geavuleerde tanden met een tandslijtage-index van meer dan 3 (of een orale revalidatie die representatief is voor een vergelijkbare slijtage)
- onvolwassen tanden of tanden zonder wortelopbouw
- verstandskiezen
Studie plan
Hoe is de studie opgezet?
Ontwerpdetails
Cohorten en interventies
Groep / Cohort |
Interventie / Behandeling |
|---|---|
|
alle volwassen tanden die een intacte tandslijtage vertonen of een veranderde tandslijtage vertonen
Schalen van de tand vóór het scannen door de operator Evaluatie van de tandslijtage-index 0 of 1 (door 2 gekalibreerde experts)
|
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Voorspelling van de tandslijtage-index op basis van een dataset van tandvormen: een retrospectief onderzoek
Tijdsspanne: slechts één keer
|
Vier machine learning (ML)-algoritmen: een lineaire discriminantanalyse (LDA), een support vector machine (SVM), een random forest (RM) en een gradiënt boosting machine (GBM) zullen worden gebruikt om het tandtype en de verandering van de tand te voorspellen. anatomie.
De dataset zal worden opgesplitst in een 60/40 trein- en holdout-testdataset en de modellen zullen drievoudig worden gevalideerd.
Modelprestaties zullen worden geëvalueerd in verwarringsmatrices die leiden tot het definiëren van precisie, herinnering, F1-score en nauwkeurigheid.
|
slechts één keer
|
Medewerkers en onderzoekers
Sponsor
Studie record data
Bestudeer belangrijke data
Studie start (Werkelijk)
Primaire voltooiing (Geschat)
Studie voltooiing (Geschat)
Studieregistratiedata
Eerst ingediend
Eerst ingediend dat voldeed aan de QC-criteria
Eerst geplaatst (Geschat)
Updates van studierecords
Laatste update geplaatst (Geschat)
Laatste update ingediend die voldeed aan QC-criteria
Laatst geverifieerd
Meer informatie
Termen gerelateerd aan deze studie
Aanvullende relevante MeSH-voorwaarden
Andere studie-ID-nummers
- 69HCL23_1046
Plan Individuele Deelnemersgegevens (IPD)
Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?
Informatie over medicijnen en apparaten, studiedocumenten
Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel
Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct
product vervaardigd in en geëxporteerd uit de V.S.
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 .