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

AI-gestuurde voorspelling van de biologische leeftijd met EPD

1 april 2025 bijgewerkt door: Kang Zhang, The Eye Hospital of Wenzhou Medical University

Het voorspellen van de biologische leeftijd met behulp van elektronische medische dossiers: een op AI gebaseerde aanpak

Dit is een multi-center, retrospectief klinisch onderzoek dat is ontworpen om de toepassing en effectiviteit van een AI-ondersteund voorspellend model te evalueren voor het voorspellen van de biologische leeftijd met behulp van elektronische gezondheidsdossiers (EPD). De studie zal verschillende gezondheidsgegevenspunten analyseren, waaronder medische geschiedenis, laboratoriumresultaten en klinische observaties, om de biologische leeftijd van patiënten te schatten. Door de biologische leeftijd te vergelijken met chronologische leeftijd, heeft de studie als doel de nauwkeurigheid van het model en het potentieel ervan bij het identificeren van leeftijdsgebonden gezondheidsrisico's en het verbeteren van de patiëntenzorg te beoordelen.

Studie Overzicht

Toestand

Werving

Conditie

Interventie / Behandeling

Gedetailleerde beschrijving

Biologische leeftijdsvoorspelling is van cruciaal belang voor het beoordelen van de algehele gezondheid, het bepalen van het risico op leeftijdsgebonden ziekten en het bieden van gepersonaliseerde gezondheidszorg. Hoewel de chronologische leeftijd een sleutelfactor is, weerspiegelt deze niet altijd het werkelijke biologische verouderingsproces van een individu. Vroegtijdige identificatie van versnelde biologische veroudering en de daarmee samenhangende gezondheidsrisico's kan een aanzienlijke impact hebben op vroege interventies en gezondheidsresultaten op de lange termijn. In de klinische praktijk integreren zorgverleners een breed scala aan patiëntgegevens, waaronder de medische geschiedenis, laboratoriumtestresultaten en klinische observaties, om de gezondheidsstatus van een individu te begrijpen en potentiële toekomstige risico's te voorspellen. Nu precisiegeneeskunde steeds belangrijker wordt, is het vermogen om de biologische leeftijd te voorspellen en zorgplannen te personaliseren essentieel. Recente ontwikkelingen op het gebied van kunstmatige intelligentie en data-analysetechnieken zijn veelbelovend gebleken bij het verbeteren van de nauwkeurigheid van biologische leeftijdsvoorspellingen. Deze studie heeft tot doel een AI-ondersteund besluitvormingssysteem te ontwikkelen door multimodale gegevens uit elektronische medische dossiers, laboratoriumresultaten, klinische observaties en demografische gegevens van patiënten te integreren. Het doel is om de diagnostische nauwkeurigheid te verbeteren, klinische workflows te optimaliseren en meer gepersonaliseerde gezondheidszorg voor patiënten te bieden door de biologische leeftijd te voorspellen, risicovolle personen te identificeren en de gezondheidsresultaten te verbeteren.

Studietype

Observationeel

Inschrijving (Geschat)

1000000

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

Studie Locaties

  • China
    • Guangdong
      • Guangzhou, Guangdong, China
    • Zhejiang
      • Wenzhou, Zhejiang, China
        • Werving
        • First Affiliated Hospital of Wenzhou Medical University
        • Contact:
      • Wenzhou, Zhejiang, China
        • Werving
        • The Eye Hospital of Wenzhou Medical University
        • Contact:
      • Wenzhou, Zhejiang, China
        • Werving
        • Second Affiliated Hospital of Wenzhou Medical University
        • Contact:

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

  • Kind
  • Volwassen
  • Oudere volwassene

Accepteert gezonde vrijwilligers

Ja

Bemonsteringsmethode

Niet-waarschijnlijkheidssteekproef

Studie Bevolking

De onderzoekspopulatie bestaat uit personen die zorg hebben gekregen in deelnemende ziekenhuizen of gezondheidscentra met toegankelijke elektronische gezondheidsdossiers (EHR). Deelnemers zullen die met volledige EPD -gegevens opnemen, waaronder medische geschiedenis, laboratoriumtestresultaten, beeldvormingsgegevens en levensstijlfactoren zoals dieet, lichamelijke activiteit en rookgewoonten. Het cohort omvat zowel personen die gezond zijn als mensen met chronische aandoeningen of comorbiditeiten om biologische leeftijdsvoorspelling in verschillende gezondheidstoestand te analyseren. De studie zal worden uitgevoerd in meerdere zorginstellingen om te zorgen voor een diverse patiëntenpopulatie die een breed scala aan leeftijdsgroepen, gezondheidsproblemen en demografie vertegenwoordigt.

Beschrijving

Inclusiecriteria:

  1. Patiënten met uitgebreide en toegankelijke EPD -gegevens, waaronder medische geschiedenis, laboratoriumresultaten, behandelingsgegevens, beeldvormingsgegevens (indien beschikbaar) en levensstijlfactoren (bijvoorbeeld roken, lichamelijke activiteit, dieet).
  2. Patiënten zonder significante cognitieve stoornissen die hen ervan zouden weerhouden geïnformeerde toestemming te geven of aan het onderzoek deel te nemen.
  3. Alle deelnemers moeten geïnformeerde toestemming geven voor het gebruik van hun medische gegevens voor onderzoeksdoeleinden.

Uitsluitingscriteria:

  1. Patiënten met onvolledige of ontbrekende kritische EPD -gegevens zoals medische geschiedenis, laboratoriumresultaten of behandelingsgegevens die nodig zijn voor het voorspellen van de biologische leeftijd.
  2. Patiënten met ernstige cognitieve stoornissen (bijv. dementie, ernstige mentale handicaps) die niet in staat zijn geïnformeerde toestemming te geven of op zinvolle wijze aan het onderzoek deel te nemen.
  3. Patiënten met terminale ziekten of patiënten met een beperkte levensverwachting waarbij voorspellingen van de biologische leeftijd mogelijk niet relevant zijn voor de doeleinden van het onderzoek.

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
Biologisch jongere groep
Deelnemers van wie wordt voorspeld dat de biologische leeftijd jonger is dan hun chronologische leeftijd.
Ander: AI-ondersteund voorspellend model
Deze studie maakt gebruik van een AI-geassisteerd voorspellend model dat multimodale gegevens analyseert uit elektronische gezondheidsdossiers, waaronder medische geschiedenis, laboratoriumresultaten, beeldvormingsgegevens en levensstijlfactoren, om de biologische leeftijd te schatten. Het model maakt gebruik van diepleeralgoritmen om de biologische leeftijd te voorspellen, te vergelijken met chronologische leeftijd en vroege tekenen van leeftijdsgebonden gezondheidsrisico's te identificeren. De interventie is geen directe behandeling of procedure, maar is bedoeld om een ​​hulpmiddel te ontwikkelen om de biologische leeftijd te voorspellen om de zorg te helpen personaliseren en de gezondheidsresultaten op de lange termijn te verbeteren.
Biologisch oudere groep
Deelnemers van wie wordt voorspeld dat de biologische leeftijd ouder is dan hun chronologische leeftijd.
Ander: AI-ondersteund voorspellend model
Deze studie maakt gebruik van een AI-geassisteerd voorspellend model dat multimodale gegevens analyseert uit elektronische gezondheidsdossiers, waaronder medische geschiedenis, laboratoriumresultaten, beeldvormingsgegevens en levensstijlfactoren, om de biologische leeftijd te schatten. Het model maakt gebruik van diepleeralgoritmen om de biologische leeftijd te voorspellen, te vergelijken met chronologische leeftijd en vroege tekenen van leeftijdsgebonden gezondheidsrisico's te identificeren. De interventie is geen directe behandeling of procedure, maar is bedoeld om een ​​hulpmiddel te ontwikkelen om de biologische leeftijd te voorspellen om de zorg te helpen personaliseren en de gezondheidsresultaten op de lange termijn te verbeteren.

Wat meet het onderzoek?

Primaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Nauwkeurigheid van de voorspelling van biologische leeftijd
Tijdsspanne: 1 jaar
De nauwkeurigheid van het AI -model bij het voorspellen van de biologische leeftijd in vergelijking met chronologische leeftijd. Dit zal worden geëvalueerd met behulp van de Pearson Correlation Coëfficiënt (PCC) om de sterkte van de correlatie tussen voorspelde biologische leeftijd en chronologische leeftijd te beoordelen. Bovendien zal r-kwadraat (r²) worden gebruikt om het variantieaandeel in de biologische leeftijd te evalueren die door het model wordt uitgelegd.
1 jaar

Secundaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Gezondheidsrisico -correlatie
Tijdsspanne: 1 jaar
De correlatie tussen de voorspelde biologische leeftijd en verschillende gezondheidsrisico's, zoals de ontwikkeling van chronische ziekten (bijvoorbeeld hart- en vaatziekten, diabetes), waarbij PCC wordt gebruikt om de relatie tussen biologische leeftijdsvoorspellingen en gezondheidsresultaten te evalueren.
1 jaar

Medewerkers en onderzoekers

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

Sponsor

The Eye Hospital of Wenzhou Medical University

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 maart 2023

Primaire voltooiing (Geschat)

2 april 2025

Studie voltooiing (Geschat)

2 april 2025

Studieregistratiedata

Eerst ingediend

19 januari 2025

Eerst ingediend dat voldeed aan de QC-criteria

19 januari 2025

Eerst geplaatst (Werkelijk)

25 maart 2025

Updates van studierecords

Laatste update geplaatst (Werkelijk)

2 april 2025

Laatste update ingediend die voldeed aan QC-criteria

1 april 2025

Laatst geverifieerd

1 april 2025

Meer informatie

Termen gerelateerd aan deze studie

Trefwoorden

Andere studie-ID-nummers

  • Biological Age

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

product vervaardigd in en geëxporteerd uit de V.S.

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