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

Forbindelse mellom tungetegn og gallerefluks analysert med kunstig intelligens

20. juni 2022 oppdatert av: Xiuli Zuo, Shandong University

Analyse av koblingen mellom tungetegn og gallerefluks ved hjelp av kunstig intelligens

Ved å introdusere kunstig intelligens i tungediagnose i kinesisk medisin, samlet og samlet vi inn tungebilder, angst- og depresjonsskalaer og gastroskopirapporter, minet og analyserte sammenhengen mellom tungebilder og gallerefluks og angst og depresjon og konstruerte en prediksjonsmodell for å analysere muligheten for forutsi gallerefluks og angst og depresjon hos pasienter basert på tungebilder.

Studieoversikt

Status

Har ikke rekruttert ennå

Detaljert beskrivelse

For det første, etter at pasienten har signert skjemaet for informert samtykke, vil forskeren samle inn bilder av pasientens tunge og innhente grunnleggende informasjon om pasienten.

For det andre skåres pasientene på angst- og depresjonsskalaen.

For det tredje, etter at pasienten gjennomgår gastroskopi, innhentes pasientens gastroskopirapport.

Til slutt matches pasientens tungebilde, informasjon og gastroskopirapport for å konstruere en kunstig intelligensmodell av tungebilde og gallerefluks og angst og depresjon, og kvaliteten på modellen vurderes.

Studietype

Observasjonsmessig

Registrering (Forventet)

1500

Kontakter og plasseringer

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

Studiesteder

    • Shandong
      • Jinan, Shandong, Kina, 250012
        • Qilu hosipital

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

18 år til 80 år (VOKSEN, OLDER_ADULT)

Tar imot friske frivillige

Ja

Kjønn som er kvalifisert for studier

Alle

Prøvetakingsmetode

Sannsynlighetsprøve

Studiepopulasjon

Pasienter i alderen 18-80 år som skal gjennomgå gastroskopi og som oppfyller inklusjonskriteriene og ikke oppfyller eksklusjonskriteriene.

Beskrivelse

Inklusjonskriterier:

  • Pasienter i alderen 18 til 80 år som ønsker å gjennomgå gastroskopi.
  • Pasienter har gitt sitt informerte samtykke og signert på skjemaet for informert samtykke.

Ekskluderingskriterier:

  • Alvorlig hjerte-, lever-, nyre- eller annen underliggende sykdom, eller psykisk sykdom.
  • Pasienter som tar medisiner mot angst eller depresjon innen 3 måneder.
  • Nåværende H. pylori-infeksjon.
  • Historie om kirurgi på fordøyelses- eller galleveiene.
  • Magesår, ondartet svulst i fordøyelseskanalen, etc.
  • Pasienter som tar vismut eller andre fargemedisiner.
  • Gravide eller ammende kvinner.

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
Bile Reflux Group

Gastroskopiske rapporter om innrullerte pasienter vil bli ekstrahert og pasienter vil bli identifisert som har gallerefluks i henhold til Kellosalo J-klassifiseringen.

Grad I: liten mengde gulaktig refluks som kommer fra pylorusåpningen og/eller gulaktig farging av slimsjøen, som er blekgul i fargen.

Grad II: intermitterende refluksstrøm fra pylorusåpningen og/eller gulaktig farging av slimsjøen, som er mørkegul.

Grad III: hyppig strøm av gulgrønn refluks fra pylorusåpningen og/eller gulgrønt slim som dekker magen.

Ikke-biliær refluksgruppe
Gastroskopiske rapporter vil bli hentet fra pasienter som er registrert i gruppen som ikke oppfyller Kellosalo J-klassifiseringen som ikke-biliær refluksgruppe.

Hva måler studien?

Primære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Følsomhet
Tidsramme: 3 år
Sensitivitet av kunstig intelligens-modeller Sensitivitet = antall sanne positive / (antall sanne positive + antall falske negative) * 100 %.
3 år
Spesifisitet
Tidsramme: 3 år

Spesifisitet av kunstig intelligensmodeller Spesifisitet = antall sanne negative / (antall sanne negative + antall falske positive))

*100 %

3 år
Positive prediktive verdier (PPV)
Tidsramme: 3 år
Positive prediktive verdier fra kunstig intelligens-modeller Positiv prediktiv verdi = sann positiv / (sann positiv + falsk positiv) *100 %
3 år
Negative prediktive verdier (NPV)
Tidsramme: 3 år
Negative prediktive verdier for kunstig intelligens-modeller Negativ prediktiv verdi = Sann negativ / (sann negativ + falsk negativ) *100 %
3 år
AUC (95 % KI)
Tidsramme: 3 år
område under mottakerens driftskarakteristikk (AUC),
3 år
Nøyaktighet
Tidsramme: 3 år
Nøyaktighet for modeller med kunstig intelligens Nøyaktighet = (sanne positive + sanne negative) / totalt antall forsøkspersoner * 100 %
3 år

Samarbeidspartnere og etterforskere

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

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 (FORVENTES)

30. juni 2022

Primær fullføring (FORVENTES)

30. juni 2024

Studiet fullført (FORVENTES)

30. juni 2025

Datoer for studieregistrering

Først innsendt

5. mai 2022

Først innsendt som oppfylte QC-kriteriene

5. mai 2022

Først lagt ut (FAKTISKE)

11. mai 2022

Oppdateringer av studieposter

Sist oppdatering lagt ut (FAKTISKE)

22. juni 2022

Siste oppdatering sendt inn som oppfylte QC-kriteriene

20. juni 2022

Sist bekreftet

1. juni 2022

Mer informasjon

Begreper knyttet til denne studien

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. .

3
Abonnere