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

Kunstmatige op intelligentie gebaseerde analyse van uroflowmetrypatronen bij kinderen: een machine learning perspectief

22 februari 2025 bijgewerkt door: Marmara University

Interpretatie van uroflowmetrymonsters van pediatrische patiënten door clinici en inleiding tot kunstmatige intelligentie, en interpretatie van de monsters door kunstmatige intelligentie

Uroflowmetry is een van de meest gebruikte niet-invasieve tests voor het evalueren van kinderen met lagere urinewegen symptomen (LUT's). Studies hebben echter een zwakke overeenkomst aangetoond tussen experts bij het interpreteren van uroflowmetrypatronen. Deze studie heeft als doel de impact van modellen voor machine learning te beoordelen, die in de geneeskunde steeds vaker voorkomen, op de interpretatie van uroflowmetrypatronen.

Studie Overzicht

Toestand

Voltooid

Conditie

Gedetailleerde beschrijving

De studie omvatte uroflowmetry-tests van kinderen van 4-17 jaar die naar onze kliniek werden verwezen met lagere urinewegsymptomen. Uroflowmetrypatronen werden onafhankelijk geïnterpreteerd door drie pediatrische urologie -experts. Discrepanties in interpretaties werden gezamenlijk opnieuw geëvalueerd door de drie waarnemers en er werd een consensus bereikt. Volume-volume, de duur van de leegte en de urinestroomsnelheden met intervallen van 0,5 seconden werden omgezet in numerieke gegevens voor analyse. Tachtig procent van de dataset werd gebruikt als trainingsgegevens voor machine learning, terwijl het hoofd van 20% was gereserveerd voor testen. In totaal werden vijf verschillende machine learning -modellen gebruikt voor classificatie: beslissingsboom, willekeurig bos, catboost, xgboost en LightGBM. De modellen die elk uroflowmetrypatroon het meest nauwkeurig identificeerden, werden bepaald.

Studietype

Observationeel

Inschrijving (Werkelijk)

500

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

Kalkoen
- - Istanbul, Kalkoen, 34890
    - Marmara University School of Medicine, Urology Department

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

Accepteert gezonde vrijwilligers

Bemonsteringsmethode

Kanssteekproef

Studie Bevolking

Kinderen van 4-17 jaar

Beschrijving

Inclusiecriteria:

Patiënten in de leeftijd van 4 en 17 jaar die van toepassing waren op onze kliniek met LUT's en die meer dan 50% van de verwachte blaascapaciteit op UF konden urineren, werden in de studie opgenomen.

Uitsluitingscriteria:

Patiënten die niet in staat waren samen te werken met het lege commando, hadden neurologische aandoeningen, konden minder dan 50% van de verwachte blaascapaciteit op UF urineren, waren jonger dan 4 jaar en waren ouder dan 18 jaar uitgesloten van de studie .

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

Wat meet het onderzoek?

Primaire uitkomstmaten

Uitkomstmaat	Maatregel Beschrijving	Tijdsspanne
Prestaties van machine learning -modellen bij het evalueren van lege patronen Tijdsspanne: Van oktober 2024 tot januari 2025	5 verschillende modellen voor machine learning werden gebruikt. De nauwkeurigheidspercentages werden voor elk model bepaald.	Van oktober 2024 tot januari 2025

Medewerkers en onderzoekers

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

Sponsor

Marmara 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 oktober 2024

Primaire voltooiing (Werkelijk)

1 januari 2025

Studie voltooiing (Werkelijk)

1 februari 2025

Studieregistratiedata

Eerst ingediend

3 februari 2025

Eerst ingediend dat voldeed aan de QC-criteria