Denne siden ble automatisk oversatt og nøyaktigheten av oversettelsen er ikke garantert. Vennligst referer til engelsk versjon for en kildetekst.

En utvikling av algoritme for identifisering av inflammatorisk tarmsykdom ved bruk av data fra kasusserier

4. mars 2020 oppdatert av: Hyangsook Lee, KMD, PhD

Urtemedisin for inflammatoriske tarmsykdommer: en utvikling av mønsteridentifikasjonsalgoritme ved retrospektiv analyse av data fra saksserier

Denne studien hadde som mål å identifisere mønstre for inflammatorisk tarmsykdom (IBD) basert på presenterende symptomer og å foreslå algoritmer for å bestemme mønster og urteresepter for tilsvarende mønstre. Etterforskerne samlet inn symptomdata fra 67 IBD-pasienter som oppnådde og opprettholdt kliniske remisjoner etter at de hadde tatt resepter på urtemedisin. Resepter ble kategorisert i 5 mønstre, som ble oppkalt etter hovedtrekk og symptomer hos inkluderte pasienter. Assosiasjoner mellom å presentere symptomer og mønstre ble visualisert ved hjelp av en term frequency inverse document frequency (TF-IDF) metode. Bestemmelse av IBD-mønstre fra symptomer hos pasienter ble analysert og kartlagt ved hjelp av beslutningstremodellering.

Studieoversikt

Status

Fullført

Forhold

Intervensjon / Behandling

Detaljert beskrivelse

Urteresepter er en av de mest ettertraktede komplementære og alternativmedisinske behandlingsstrategiene for pasienter med inflammatorisk tarmsykdom. Imidlertid har variasjon i mønsteridentifikasjon av tradisjonell kinesisk medisin (TCM) / tradisjonell østasiatisk medisin (TEAM) blitt kritisert. Ved å bruke data fra pasienter som oppnådde og opprettholdt klinisk remisjon etter resept på TCM/TEAM urtemedisin, hadde etterforskerne som mål å utvikle behandlingsalgoritmer raffinert med identifiserte mønstre og nøkkelsymptomer som utøvere lett kan skille mellom.

Basert på urteresepter som induserte klinisk remisjon, ble IBD-pasienter delt inn i 5 mønstre, dvs. tykktarmstype, vannfuktighetstype, respiratorisk type, øvre gastrointestinal (GI)-kanaltype og kuldetype. Ved term frequency-inverse document frequency (TF-IDF) metode ble assosiasjonen mellom 22 symptomer som ble beskrevet som indikasjoner på de urtemedisinske reseptene og 5 mønstre analysert. Beslutningstremodellering ble brukt for prediksjon av relevante mønstre fra symptomer.

Studietype

Observasjonsmessig

Registrering (Faktiske)

67

Kontakter og plasseringer

Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.

Studiesteder

  • Korea, Republikken
      • Seoul, Korea, Republikken, 02447
        • Acupuncture & Meridian Science Research Centre

Deltakelseskriterier

Forskere ser etter personer som passer til en bestemt beskrivelse, kalt kvalifikasjonskriterier. Noen eksempler på disse kriteriene er en persons generelle helsetilstand eller tidligere behandlinger.

Kvalifikasjonskriterier

Alder som er kvalifisert for studier

15 år til 65 år (Barn, Voksen, Eldre voksen)

Tar imot friske frivillige

Nei

Kjønn som er kvalifisert for studier

Alle

Prøvetakingsmetode

Ikke-sannsynlighetsprøve

Studiepopulasjon

Pasienter som hadde blitt diagnostisert med IBD av gastroenterolog og oppnådde klinisk remisjon etter behandling med urtemedisinske resepter

Beskrivelse

Inklusjonskriterier:

  • Diagnose av IBD av gastroenterolog
  • Pasienter har oppnådd og opprettholdt klinisk remisjon av IBD-symptomer etter at de tok urteresepter
  • Pasienter har gitt skriftlig informert samtykke

Ekskluderingskriterier:

  • Detaljer om noen av 25 symptomer ble utelatt

Studieplan

Denne delen gir detaljer om studieplanen, inkludert hvordan studien er utformet og hva studien måler.

Hvordan er studiet utformet?

Designdetaljer

Kohorter og intervensjoner

Gruppe / Kohort
Intervensjon / Behandling
Trening/testing av beslutningstrealgoritmer
Etterforskerne delte data fra 67 pasienter inn i 5 grupper for å utføre 5 ganger kryssvalidering. Fire grupper ble brukt til å trene beslutningstrealgoritmen og en gruppe ble brukt til å teste den.
Annen: Beslutningstremodellering

En beslutningstreanalyse ble brukt for å utforske prosessen med å ta beslutninger om typer mønster basert på eksistensen eller ikke-eksistensen av et symptom. På slutten av treet som presenteres er andelen pasienter som er kategorisert i hvert mønster.

I denne studien ble klassifiseringen utført ved å bruke algoritmen for klassifisering og regresjonstre (CART) ved å bruke Scikit-learn-pakken til Python, som utfører en divisjon ved å bruke Gini-koeffisienten eller dekrementering av spredning. Gini-koeffisienten er et av verktøyene for å måle entropi eller diversitet i hver node, og den måler reduksjonen ved å sammenligne informasjonsentropien før og etter separasjon. For å unngå overtilpasning ble maksimalt antall bladknuter begrenset til fire og beskjæringsmetoden som fulgte prinsippet om minimum beskrivelseslengde ble brukt.

Hva måler studien?

Primære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Nøyaktighet av mønsteridentifikasjonsalgoritme
Tidsramme: Oktober 2015
Mønsteridentifikasjonsalgoritme ble foreslått ved å bruke en beslutningstremetode. Beslutningstremetoden ble brukt for å utforske prosessen med å ta beslutninger om typer mønster basert på kliniske trekk ved pasienter.
Oktober 2015

Samarbeidspartnere og etterforskere

Det er her du vil finne personer og organisasjoner som er involvert i denne studien.

Sponsor

Hyangsook Lee, KMD, PhD

Publikasjoner og nyttige lenker

Den som er ansvarlig for å legge inn informasjon om studien leverer frivillig disse publikasjonene. Disse kan handle om alt relatert til studiet.

Generelle publikasjoner

Studierekorddatoer

Disse datoene sporer fremdriften for innsending av studieposter og sammendragsresultater til ClinicalTrials.gov. Studieposter og rapporterte resultater gjennomgås av National Library of Medicine (NLM) for å sikre at de oppfyller spesifikke kvalitetskontrollstandarder før de legges ut på det offentlige nettstedet.

Studer hoveddatoer

Studiestart (Faktiske)

1. november 2007

Primær fullføring (Faktiske)

28. februar 2015

Studiet fullført (Faktiske)

28. oktober 2015

Datoer for studieregistrering

Først innsendt

3. mars 2020

Først innsendt som oppfylte QC-kriteriene

3. mars 2020

Først lagt ut (Faktiske)

5. mars 2020

Oppdateringer av studieposter

Sist oppdatering lagt ut (Faktiske)

6. mars 2020

Siste oppdatering sendt inn som oppfylte QC-kriteriene

4. mars 2020

Sist bekreftet

1. mars 2020

Mer informasjon

Begreper knyttet til denne studien

Nøkkelord

Ytterligere relevante MeSH-vilkår

Andre studie-ID-numre

  • KyungheeU

Legemiddel- og utstyrsinformasjon, studiedokumenter

Studerer et amerikansk FDA-regulert medikamentprodukt

Nei

Studerer et amerikansk FDA-regulert enhetsprodukt

Nei

Denne informasjonen ble hentet direkte fra nettstedet clinicaltrials.gov uten noen endringer. Hvis du har noen forespørsler om å endre, fjerne eller oppdatere studiedetaljene dine, vennligst kontakt register@clinicaltrials.gov. Så snart en endring er implementert på clinicaltrials.gov, vil denne også bli oppdatert automatisk på nettstedet vårt. .

Abonnere