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

Dialyse -efficiëntie en transporter evaluatie computationele tool in peritoneale dialyse (DETECT-PD)

7 april 2025 bijgewerkt door: Ka Chun Leung, Tuen Mun Hospital

Detect-PD-Dialyse-efficiëntie en transporterevaluatie Computationeel tool in peritoneale dialyse

Het doel van deze prospectieve diagnostische test (Correlation) -studie is het ontwikkelen en onderzoeken van de prestaties van kunstmatige intelligentie bij het voorspellen van de status van peritoneumtransporter en dialyse -efficiëntie bij volwassen patiënten die peritoneale dialysis (PD) ondergaan.

De belangrijkste vragen die het wil beantwoorden zijn:

Kan kunstmatige intelligentie peritoneale transporterstatus voorspellen op basis van eenvoudige klinische en biochemische metingen? Kan kunstmatige intelligentie dialyse -adequaatheid (KT/V) voorspellen met behulp van deze functies?

Onderzoekers zullen de prestaties van het AI -model vergelijken met de gouden standaard peritoneale equilibratietest (PET) en KT/V om de nauwkeurigheid en betrouwbaarheid ervan te evalueren.

Deelnemers zullen:

Zorg voor peritoneale dialysaat en spot urinemonsters voor biochemische analyse. Ondergaan routinematige dialyse -adequaatheid en peritoneale equilibratietests (PET). Heb klinische en laboratoriumgegevens verzameld voor AI -modelopleiding en validatie.

De studie zal ongeveer 350 peritoneale dialysepatiënten werven, met 280 deelnemers aan de training/validatie -arm en 70 deelnemers aan de testarm. De onderzoeksduur is 12 maanden na de inschrijving.

Studie Overzicht

Gedetailleerde beschrijving

De Detect-PD (Dialysis Efficiency and Transporter Evaluation Computational Tool in peritoneale dialysis) studie is een dubbelblinde, prospectieve diagnostische test (correlatie) studie die is ontworpen om de haalbaarheid en effectiviteit van kunstmatige intelligentie (AI) te evalueren in het voorspellen van peritoneale transporterstatus en dialyse en dialyse en dialyse en dialyse en dialyse en dialyse en dialyse en dialyse en dialyse-dialyse en dialyse en dialyse en dialyse en dialyse en dialyse en dialyse en dialyse en dialyse en dialyse en dialyse en dialyse en dialyse en dialyse en dialyse en dialyse en dialyse en dialyse evalueren en dialyse evalueren Efficiëntie bij patiënten die peritoneale dialyse (PD) ondergaan. De studie heeft als doel een computermodel te ontwikkelen dat gebruik maakt van klinische, biochemische en peritoneale transportgegevens om een ​​niet-invasief en efficiënt beoordelingsinstrument te bieden, waardoor het dialysebeheer en de resultaten van de patiënt uiteindelijk wordt verbeterd.

Werving van patiënten en gegevensverzameling worden uitgevoerd tijdens routinematige dialyse -adequaatheid en peritoneale transporterstatusbeoordelingen. De volgende klinische en biochemische parameters worden verzameld:

Demografie en medische geschiedenis peritoneale dialysegegevens biochemische gegevens

Het AI -model zal worden ontwikkeld met behulp van Python 3.11 en Pytorch 2.41 voor diep leren en voorspellende analyses.

De belangrijkste methodologische stappen zijn onder meer:

Gegevens voorbewerking: het verwerken van ontbrekende waarden, functieschaling en een-warm codering voor categorische variabelen.

Selectie van functies: het identificeren van de meest voorspellende klinische en biochemische markers.

Modelopleiding: gebruik van diepe leerregressiemodellen om PET- en KT/V -resultaten te voorspellen.

Prestatie -evaluatie: evaluatie van modelnauwkeurigheid met behulp van:

Gemiddelde absolute fout (MAE) gemiddelde kwadratische fout (MSE) R²-score (bepalingcoëfficiënt) Bland-Altman-plots en correlatiecoëfficiënten voor overeenstemming met gemeten waarden.

Studietype

Observationeel

Inschrijving (Geschat)

350

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

      • Tuen Mun, Hongkong
        • Tuen Mun Hospital

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

Nee

Bemonsteringsmethode

Niet-waarschijnlijkheidssteekproef

Studie Bevolking

Patiënten in het eindstadium nierfalen die peritoneale dialyse nodig hebben als niervervangingstherapie

Beschrijving

Inclusiecriteria:

  • Leeftijd 18 jaar of ouder
  • Diagnose van nierfalen in het eindstadium dat peritoneale dialyse vereist als niervervangingstherapie
  • Mogelijkheid om geïnformeerde toestemming te geven en te voldoen aan onderzoeksprocedures.

Uitsluitingscriteria:

  • Geschiedenis van hernia of peritoneaal lek, inclusief pleuroperitoneale fistel (PPF), patentprocesus vaginalis (PPV) en retroperitoneaal lek
  • Lopende PD -peritonitis met of zonder antibioticatherapie
  • Net voltooid PD peritonitis antibioticabehandeling binnen de afgelopen 4 weken
  • Zwangerschap
  • Weigering van de patiënt

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
Training/validatie
Deelnemers aan training/validatie -arm ontvangen dezelfde standaardonderzoeken en zorg als onderdeel van hun routinematige PD -beheer, inclusief klinische evaluaties, biochemische testen en metingen van peritoneale transporterstatus via de Peritoneale evenwichtstest (PET) en dialysisis adequaatheid (KT/V. ).

Een extra verzameling peritoneale dialysaat en spot urinemonsters zal worden verzameld.

Deelnemers gerandomiseerd naar de training/validatie -arm zullen hun gegevens gebruiken voor modelontwikkeling, inclusief de training- en validatiefasen.

Andere namen:
  • modelopleiding
Test
Deelnemers aan training/validatie -arm ontvangen dezelfde standaardonderzoeken en zorg als onderdeel van hun routinematige PD -beheer, inclusief klinische evaluaties, biochemische testen en metingen van peritoneale transporterstatus via de Peritoneale evenwichtstest (PET) en dialysisis adequaatheid (KT/V. ).
Een extra verzameling peritoneale dialysaat en spot urinemonsters zal worden verzameld. Deelnemers gerandomiseerd naar de testarm zullen hun gegevens geïsoleerd en exclusief gereserveerd zijn voor het evalueren van de prestaties van het uiteindelijke AI -model
Andere namen:
  • modeltests

Wat meet het onderzoek?

Primaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Peritoneale equilibratietest (PET) parameters
Tijdsspanne: Gemeten bij aanvang tijdens de studie -inschrijving
Voorspellende nauwkeurigheid van het AI-model voor Peritoneale Equilibration Test (PET) Parameters Resultaat: AI-voorspelde versus werkelijke 2-uur en 4-uur dialysaat-plasma creatinine-verhouding (D/P CR) prestatiemetrieken: gemiddelde absolute fout (MAE) Meet -eenheid: absolute fout
Gemeten bij aanvang tijdens de studie -inschrijving
Peritoneale equilibratietest (PET) parameters
Tijdsspanne: Gemeten bij aanvang tijdens de studie -inschrijving
Voorspellende nauwkeurigheid van het AI-model voor peritoneale evenwichtstest (PET) Parameters Uitkomst: AI-voorspelde versus werkelijke dialysaat-tot-baseline dialysaat glucoseconcentratie ratio (D/D0 GLU) prestatiestatistieken: gemiddelde absolute fout (MAE) eenheid van maatregel: Absolute: Absolute fout
Gemeten bij aanvang tijdens de studie -inschrijving
Peritoneale equilibratietest (PET) parameters
Tijdsspanne: Gemeten bij aanvang tijdens de studie -inschrijving
Voorspellende nauwkeurigheid van het AI-model voor Peritoneale Equilibration Test (PET) Parameters Resultaat: AI-voorspelde versus werkelijke 2-uur en 4-uur dialysaat-plasma creatinine-verhouding (D/P CR) prestatiemetrieken: gemiddelde kwadratische fout (MSE) (MSE) Meet -eenheid: kwadraatfout
Gemeten bij aanvang tijdens de studie -inschrijving
Peritoneale equilibratietest (PET) parameters
Tijdsspanne: Gemeten bij aanvang tijdens de studie -inschrijving
Voorspellende nauwkeurigheid van het AI-model voor peritoneale equilibratietest (PET) Parameters Uitkomst: AI-voorspelde versus werkelijke dialysaat-tot-baseline dialysaat glucoseconcentratieverhouding (D/D0 GLU) prestatiestatistieken: gemiddelde kwadratische fout (MSE) eenheid van maatregel: in het kwadraat Fout
Gemeten bij aanvang tijdens de studie -inschrijving
Peritoneale equilibratietest (PET) parameters
Tijdsspanne: Gemeten bij aanvang tijdens de studie -inschrijving
Voorspellende nauwkeurigheid van het AI-model voor peritoneale equilibratietest (PET) Parameters Resultaat: AI-voorspelde versus werkelijke 2-uur en 4 uur dialysaat-plasma creatinine-verhouding (D/P CR) prestatiemetrieken: Bepalingscoëfficiënt (R²) Meeteenheid: r² waarde (bereik: 0 tot 1, hogere waarden duiden op betere modelprestaties)
Gemeten bij aanvang tijdens de studie -inschrijving
Peritoneale equilibratietest (PET) parameters
Tijdsspanne: Gemeten bij aanvang tijdens de studie -inschrijving
Voorspellende nauwkeurigheid van het AI-model voor Peritoneale equilibratietest (PET) Parameters Uitkomst: AI-voorspelde versus werkelijke dialysaat-tot-baseline dialysaat Glucoseconcentratie Ratio (D/D0 GLU) Performance-metrieken: Bepalingscoëfficiënt (R²) Eenheid van maatregel: R² Waarde (bereik: 0 tot 1, hogere waarden duiden op betere modelprestaties)
Gemeten bij aanvang tijdens de studie -inschrijving
Peritoneale equilibratietest (PET) parameters
Tijdsspanne: Gemeten bij aanvang tijdens de studie -inschrijving
Voorspellende nauwkeurigheid van het AI-model voor Peritoneale Equilibration Test (PET) Parameters Resultaat: AI-voorspelde versus werkelijke 2-uur en 4-uur dialysaat-tot-plasma creatinine ratio (D/P CR) prestatiestatistieken: Intraclass Correlation Coëfficiënt (ICC) Meeteenheid: ICC -waarde (bereik: 0 tot 1, hogere waarden duiden op een betere overeenkomst)
Gemeten bij aanvang tijdens de studie -inschrijving
Peritoneale equilibratietest (PET) parameters
Tijdsspanne: Gemeten bij aanvang tijdens de studie -inschrijving
Voorspellende nauwkeurigheid van het AI-model voor Peritoneale equilibratietest (PET) Parameters Resultaat: AI-voorspelde versus werkelijke dialysaat-tot-baseline dialysaat glucoseconcentratieverhouding (D/D0 GLU) prestatiemetrieken: Intraclass Correlation Coëfficiënt (ICC) Meet: ICC: ICC: ICC: ICC Waarde (bereik: 0 tot 1, hogere waarden duiden op een betere overeenkomst)
Gemeten bij aanvang tijdens de studie -inschrijving

Secundaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Dialysevoorzitters (KT/V) parameters
Tijdsspanne: Gemeten bij aanvang tijdens de studie -inschrijving
Voorspellende nauwkeurigheid van het AI-model voor dialysesis-adequaatheid (KT/V) Uitkomst: AI-voorspelde versus werkelijke totale wekelijkse KT/V-prestatiestatistieken: gemiddelde absolute fouteenheid (MAE) Meeteenheid: absolute fout
Gemeten bij aanvang tijdens de studie -inschrijving
Dialysevoorzitters (KT/V) parameters
Tijdsspanne: Gemeten bij aanvang tijdens de studie -inschrijving
Voorspellende nauwkeurigheid van het AI-model voor dialysesis-adequaatheid (KT/V) Uitkomst: AI-voorspelde versus werkelijke totale wekelijkse KT/V Performance Metrics: Mean Squared Fout (MSE) Eenheid van meeteenheid: kwadratische fout
Gemeten bij aanvang tijdens de studie -inschrijving
Dialysevoorzitters (KT/V) parameters
Tijdsspanne: Gemeten bij aanvang tijdens de studie -inschrijving
Voorspellende nauwkeurigheid van het AI-model voor dialysesis-adequaatheid (KT/V) Uitkomst: AI-voorspelde versus werkelijke totale wekelijkse KT/V-prestatiestatistieken: Bepalingscoëfficiënt (R²) Meeteenheid: R² Waarde (Bereik: 0 tot 1, hogere waarden, hogere waarden duiden op betere modelprestaties)
Gemeten bij aanvang tijdens de studie -inschrijving
Dialysevoorzitters (KT/V) parameters
Tijdsspanne: Gemeten bij aanvang tijdens de studie -inschrijving
Voorspellende nauwkeurigheid van het AI-model voor dialysisisisatie-adequaatheid (KT/V) Uitkomst: AI-voorspelde versus werkelijke totale wekelijkse KT/V-prestatiestatistieken: Intraclass Correlation Coëfficiënt (ICC) Meeteenheid: ICC-waarde (Bereik: 0 tot 1, hogere waarden duiden op een betere overeenkomst)
Gemeten bij aanvang tijdens de studie -inschrijving
Discriminerend vermogen van AI -model
Tijdsspanne: Gemeten bij aanvang tijdens de studie -inschrijving
Resultaat: Classificatie van het peritoneale transportertype (laag, laaggemiddeld, hooggemiddeld, hoog) op basis van PET-prestatiestatistieken: gebied onder de ontvanger operationele karakteristieke curve (AUC-ROC) Meeteenheid: AUC-ROC-waarde (Bereik: 0 tot 1, hogere waarden duiden op een beter discriminerend vermogen)
Gemeten bij aanvang tijdens de studie -inschrijving
Discriminerend vermogen van AI -model
Tijdsspanne: Gemeten bij aanvang tijdens de studie -inschrijving
Resultaat: Classificatie van peritoneaal transportertype (laag, laaggemiddeld, hooggemiddeld, hoog) op basis van PET-prestatiestatistieken: gebied onder de Precision-Recall Curve (AUC-PR) Meeteenheid: AUC-PR-waarde (Bereik: 0 tot 1, hogere waarden duiden op betere modelprestaties)
Gemeten bij aanvang tijdens de studie -inschrijving
Discriminerend vermogen van AI -model
Tijdsspanne: Gemeten bij aanvang tijdens de studie -inschrijving
Resultaat: Classificatie van peritoneaal transportertype (laag, laaggemiddeld, hooggemiddeld, hoog) op basis van PET-prestatiestatistieken: Gevoeligheidseenheid van meeteenheid: gevoeligheid (%)
Gemeten bij aanvang tijdens de studie -inschrijving
Discriminerend vermogen van AI -model
Tijdsspanne: Gemeten bij aanvang tijdens de studie -inschrijving
Uitkomst: Classificatie van het peritoneale transportertype (laag, laaggemiddeld, hooggemiddeld, hoog) op basis van PET-prestatiestatistieken: F1-score meeteenheid: F1-score (bereik: 0 tot 1, hogere waarden duiden op een betere balans tussen precisie en terugroepen)
Gemeten bij aanvang tijdens de studie -inschrijving
Kalibratieprestaties van AI -model
Tijdsspanne: Gemeten bij aanvang tijdens de studie -inschrijving
Resultaat: modelvoorspelling versus werkelijke transporterstatus en dialysevoorzitting (KT/V) Prestatiemetrieken: kalibratielope-meeteenheid: kalibratielope (ideale waarde = 1)
Gemeten bij aanvang tijdens de studie -inschrijving
Kalibratieprestaties van AI -model
Tijdsspanne: Gemeten bij aanvang tijdens de studie -inschrijving
Resultaat: modelvoorspelling versus werkelijke transporterstatus en dialysevoorzitting (KT/V) Prestatiemetrieken: kalibratie-in-de-grote meeteenheid (gemiddelde kalibratiefout): gemiddelde fout (lagere waarden duiden op betere kalibratie)
Gemeten bij aanvang tijdens de studie -inschrijving
Kalibratieprestaties van AI -model
Tijdsspanne: Gemeten bij aanvang tijdens de studie -inschrijving

Uitkomst: modelvoorspelling versus werkelijke transporterstatus en dialyse-adequaatheid (KT/V)

Prestatiestatistieken:

Kalibratiehelling kalibratie-in-de-groot (gemiddelde kalibratiefout) Brier-score

Gemeten bij aanvang tijdens de studie -inschrijving
Kalibratieprestaties van AI -model
Tijdsspanne: Gemeten bij aanvang tijdens de studie -inschrijving
Resultaat: modelvoorspelling versus werkelijke transporterstatus en dialysevoorzitting (KT/V) Performance metrics: Brier Score Unit of Measure: Brier Score (Bereik: 0 tot 1, lagere waarden duiden op een betere kalibratie)
Gemeten bij aanvang tijdens de studie -inschrijving

Medewerkers en onderzoekers

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

Publicaties en nuttige links

De persoon die verantwoordelijk is voor het invoeren van informatie over het onderzoek stelt deze publicaties vrijwillig ter beschikking. Dit kan gaan over alles wat met het onderzoek te maken heeft.

Algemene publicaties

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)

3 maart 2025

Primaire voltooiing (Geschat)

28 februari 2026

Studie voltooiing (Geschat)

31 maart 2026

Studieregistratiedata

Eerst ingediend

2 februari 2025

Eerst ingediend dat voldeed aan de QC-criteria

19 februari 2025

Eerst geplaatst (Werkelijk)

24 februari 2025

Updates van studierecords

Laatste update geplaatst (Werkelijk)

9 april 2025

Laatste update ingediend die voldeed aan QC-criteria

7 april 2025

Laatst geverifieerd

1 april 2025

Meer informatie

Termen gerelateerd aan deze studie

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