Data Mining van Populatiegezondheid-subgezondheid-ziekte Gebaseerd op Dynamische Systeemtheorie
24 januari 2026 bijgewerkt door: Lv, Han, Beijing Friendship Hospital
Dit onderzoek heeft tot doel de dynamische evolutiepatronen van de gezondheid, subgezondheid en ziektebeelden van de bevolking te onderzoeken via dynamische systeemtheorie en big data-miningmethoden, om wetenschappelijk bewijs te leveren voor gepersonaliseerde preventie en gezondheidsmanagement.
Studie Overzicht
Toestand
Actief, niet wervend
Conditie
Interventie / Behandeling
Gedetailleerde beschrijving
Specifieke doelstellingen omvatten: (1) Het identificeren van individuele gezondheids-, subgezondheids- en ziekte-toestanden met behulp van onbewaakte systeemmodelleringstechnieken, terwijl hun onderlinge transformatiepaden worden onderzocht.
(2) Het identificeren van sleutelindicatoren die staatsovergangen bepalen, hun mechanismen en interacties verduidelijken.
(3) Het ontwikkelen van dynamische systeemmodellen om staatsovergangstrajecten onder multivariabele invloeden te simuleren, en individuele waarschijnlijkheden van progressie van gezondheid naar subgezondheid of ziekte te voorspellen.
(4) Het creëren van interpreteerbare gezondheidsvoorspellingsinstrumenten op basis van modelleringsresultaten om precisie-interventies te ondersteunen.
Het uiteindelijke doel is het opzetten van een wetenschappelijk gevalideerd maar uitvoerbaar gezondheidstoestand-modelleringssysteem, dat kwantificeerbare instrumenten biedt voor vroege interventie en gepersonaliseerd gezondheidsmanagement om de incidentie van chronische ziekten en de gezondheidszorglasten te verminderen.
Studietype
Observationeel
Inschrijving (Geschat)
380000
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
-
-
Beijing Municipality
-
Beijing, Beijing Municipality, China, 100050
- Beijing Friendship hospital, Capital Medical University
-
-
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
Kanssteekproef
Studie Bevolking
Gezondheidsgegevens Wetenschap Database van Beijing Friendship Hospital
Beschrijving
Inclusiecriteria:
- Deelnemers moeten ten minste twee opeenvolgende lichamelijke onderzoeken hebben voltooid bij het Lichamelijk Onderzoekscentrum van het Beijing Friendship Hospital, Capital Medical University, tussen juni 2007 en augustus 2025, met een minimale tussenpoos van 6 maanden tussen aangrenzende gegevens.
- Gegevensrecords moeten relatief compleet zijn, met ontbrekende percentages voor belangrijke onderzoeksvariabelen (bijv. kern biochemische indicatoren, demografische informatie en essentiële vragenlijstitems) ≤30%.
- Deelnemers mogen vóór hun eerste opname in de studie geen voorgeschiedenis hebben van ernstige organische ziekten (zoals gedocumenteerd in medische dossiers, voornamelijk inclusief: kwaadaardige tumoren (niet-geneeslijk/eindstadium), ernstig hartfalen (NYHA Klasse III-IV), eindstadium nierziekte (CKD Stadium 5), gedecompenseerde cirrose, of significante functionele beperking veroorzaakt door gevolgen van ernstige cerebrovasculaire ziekte).
Exclusiecriteria:
- Personen met een ernstig gebrek aan basisgegevens (zoals unieke identificatie, belangrijke demografische informatie en kernindicatoren van detectie) of die niet effectief geanonimiseerd kunnen worden.
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 |
|---|---|
|
Health Data Science Database van het Beijing Friendship Hospital
|
Dit is een observatieonderzoek.
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Discriminatieve nauwkeurigheid voor volgende diagnose
Tijdsspanne: Evalueer op een interne validatiedataset. Deze dataset bevat individuele historische gegevens tot 1 januari 2018, op basis waarvan het model het volgende diagnostische evenement voorspelt dat onmiddellijk zal plaatsvinden. Bereken AUC voor ziekten met meer dan 1000 ICD-10
|
Leeftijd- en geslachtsgestratificeerde Area Under the Receiver Operating Characteristic Curve, AUC
|
Evalueer op een interne validatiedataset. Deze dataset bevat individuele historische gegevens tot 1 januari 2018, op basis waarvan het model het volgende diagnostische evenement voorspelt dat onmiddellijk zal plaatsvinden. Bereken AUC voor ziekten met meer dan 1000 ICD-10
|
|
Langetermijnvoorspellingsnauwkeurigheid
Tijdsspanne: Evalueer de AUC-waarden van ziektevoorkomen in het 1e, 2e, 3e, 5e en 10e jaar na voorspelling op de interne validatiedataset.
|
AUC gestratificeerd op leeftijd en geslacht, waarbij het risico op het optreden van de ziekte wordt beoordeeld binnen specifieke tijdsintervallen (1 jaar, 2 jaar,..., 10 jaar) na voorspelling.
Deze indicator meet het verval van het voorspellend vermogen van een model over tijd.
|
Evalueer de AUC-waarden van ziektevoorkomen in het 1e, 2e, 3e, 5e en 10e jaar na voorspelling op de interne validatiedataset.
|
|
Trajectniveau Voorspellende Nauwkeurigheid
Tijdsspanne: Op de validatiesubset, evalueer de nauwkeurigheid van ziektegebeurtenisvoorspellingen voor elk jaar vanaf het startpunt van de simulatie (60 jaar oud) tot de volgende 1 tot 20 jaar.
|
Het aandeel correct voorspelde ziektegevallen.
In elk gesimuleerd toekomstig jaar, koppel de gegenereerde ziektegevallen aan de daadwerkelijke ziektegevallen die bij individuen voorkomen, en bereken het slagingspercentage (%) van de koppeling.
|
Op de validatiesubset, evalueer de nauwkeurigheid van ziektegebeurtenisvoorspellingen voor elk jaar vanaf het startpunt van de simulatie (60 jaar oud) tot de volgende 1 tot 20 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 september 2025
Primaire voltooiing (Geschat)
31 augustus 2028
Studie voltooiing (Geschat)
31 augustus 2030
Studieregistratiedata
Eerst ingediend
9 december 2025
Eerst ingediend dat voldeed aan de QC-criteria
24 januari 2026
Eerst geplaatst (Werkelijk)
29 januari 2026
Updates van studierecords
Laatste update geplaatst (Werkelijk)
29 januari 2026
Laatste update ingediend die voldeed aan QC-criteria
24 januari 2026
Laatst geverifieerd
1 januari 2026
Meer informatie
Termen gerelateerd aan deze studie
Andere studie-ID-nummers
- 202511
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 .