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

Machine Learning-voorspelling van 1-jaars refractiefout na SMILE (SMILE)

12 maart 2026 bijgewerkt door: yuhao shao, Tongji University

Ontwikkeling en Interne Validatie van een Multi-output Machine Learning-model voor het Voorspellen van 1-Jaar Postoperatieve Refractieve Voorspellingsfout Na Small Incision Lenticule Extractie en Vergelijkende Virtuele Plananalyse Tegen ZEISS 4.0

Deze retrospectieve observationele studie met één centrum is ontworpen om een multi-output machine learning-model te ontwikkelen en intern te valideren voor het voorspellen van de postoperatieve refractieve voorspellingsfout na 1 jaar na small incision lenticule extraction (SMILE). Het primaire modelleringsdoel is de voorspellingsfout van de sferische equivalent na 1 jaar. Secundaire doelen omvatten de J0-voorspellingsfout, de J45-voorspellingsfout en de postoperatieve ongecorrigeerde afstandsgezichtsscherpte in logaritme van de minimale resolutiehoek. Een secundair doel is om het voorspellingsraamwerk te gebruiken om geïndividualiseerde nomogramaanbevelingen af te leiden en deze aanbevelingen te vergelijken met ZEISS 4.0-planning in een virtuele behandelplananalyse.

Studie Overzicht

Studietype

Observationeel

Inschrijving (Werkelijk)

1100

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

    • Shanghai Municipality
      • Shanghai, Shanghai Municipality, China, 200072
        • Shanghai Tenth People's 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

Accepteert gezonde vrijwilligers

Nee

Bemonsteringsmethode

Niet-waarschijnlijkheidssteekproef

Studie Bevolking

Mensen met matige bijziendheid die een SMILE-operatie hebben ondergaan

Beschrijving

Insluitingscriteria:

  • Ogen die SMILE hebben ondergaan voor correctie van bijziendheid of bijziend astigmatisme
  • Beschikbaarheid van preoperatieve onderzoeksgegevens en chirurgische planningsgegevens
  • Beschikbaarheid van postoperatieve follow-upgegevens na ongeveer 1 jaar
  • Leeftijd ≥ 18 jaar

Uitsluitingscriteria:

  • Eerdere oogchirurgie in het onderzoeksoog
  • Oculaire comorbiditeit die waarschijnlijk de refractieve of visuele uitkomst beïnvloedt
  • Intraoperatieve of postoperatieve complicaties die standaard uitkomstbeoordeling verhinderden
  • Ontbrekende sleutelvariabelen die nodig zijn voor analyse

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
Trainingscohort
Ogen opgenomen in de vooraf gespecificeerde trainingsdataset voor de ontwikkeling van het multi-output machine learning-model.
Testcohort
Ogen opgenomen in de vooraf gespecificeerde onafhankelijke testdataset voor interne validatie van het multi-output machine learning-model.

Wat meet het onderzoek?

Primaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Gemiddelde Absolute Fout van Voorspelde 1-Jaar Postoperatieve Sferische Equivalent Voorspellingsfout
Tijdsspanne: 1 jaar na SMILE
Modelprestaties voor de voorspelling van de 1-jaar postoperatieve sferisch equivalente voorspellingsfout, uitgedrukt in dioptrieën.
1 jaar na SMILE

Secundaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Gemiddelde absolute fout van voorspelde 1-jaar postoperatieve J0 voorspellingsfout
Tijdsspanne: 1 jaar na SMILE
Modelprestaties voor de voorspelling van de cardiale astigmatische vectorcomponent (J0), beoordeeld in dioptrieën.
1 jaar na SMILE
Gemiddelde Absolute Fout van Voorspelde 1-Jaar Postoperatieve J45 Voorspellingsfout
Tijdsspanne: 1 jaar na SMILE
Gemiddelde absolute fout van voorspelde 1-jaar postoperatieve J45 voorspellingsfout
1 jaar na SMILE

Medewerkers en onderzoekers

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

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 2018

Primaire voltooiing (Werkelijk)

31 december 2025

Studie voltooiing (Werkelijk)

31 januari 2026

Studieregistratiedata

Eerst ingediend

12 maart 2026

Eerst ingediend dat voldeed aan de QC-criteria

12 maart 2026

Eerst geplaatst (Werkelijk)

17 maart 2026

Updates van studierecords

Laatste update geplaatst (Werkelijk)

17 maart 2026

Laatste update ingediend die voldeed aan QC-criteria

12 maart 2026

Laatst geverifieerd

1 maart 2026

Meer informatie

Termen gerelateerd aan deze studie

Aanvullende relevante MeSH-voorwaarden

Andere studie-ID-nummers

  • 2026ML
  • SHDC12025144 (Ander subsidie-/financieringsnummer: Shanghai Hospital Development Center Foundation)

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

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