Rollen til inflammatoriske markører og Doppler-parametre i sen-debut fostervekstrestriksjon: en maskinlæringsmetode
4. juli 2024 oppdatert av: Can Ozan Ulusoy, Ankara Etlik City Hospital
Fostervekstbegrensning (FGR) er en alvorlig komplikasjon i svangerskapet som kan føre til ulike uønskede utfall.
Det er klassifisert i tidlig-debut (før 32 uker) og sent-debut (etter 32 uker), med sen-debut assosiert med langsiktige risikoer som hypoksemi og utviklingsforsinkelser.
Studien fokuserer på rollen til betennelse i FGR, og introduserer nye blodmarkører for bedre forståelse og diagnose.
Den tar også opp utfordringene med å bruke avanserte diagnostiske verktøy i lavressursmessige innstillinger og utforsker bruken av maskinlæring for å forutsi FGR basert på inflammatoriske markører, og fremhever potensialet til kunstig intelligens for å overvinne disse utfordringene.
Studieoversikt
Status
Aktiv, ikke rekrutterende
Intervensjon / Behandling
Detaljert beskrivelse
Fostervekstbegrensning (FGR), også kjent som intrauterin vekstbegrensning, er en utbredt graviditetskomplikasjon med potensielt negative utfall for nyfødte.
Tilstandens årsaker er varierte, og involverer genetiske faktorer, morsbetennelse, infeksjoner og andre patologier.
FGR er kategorisert basert på utbruddet: tidlig debut FGR forekommer før 32 ukers svangerskap, mens sent debut skjer etter 32 uker.
Sent-debut FGR, men mindre risikabelt i perinatale komplikasjoner sammenlignet med tidlig debut, er knyttet til en økt risiko for hypoksemi og nevroutviklingsforsinkelser.
Diagnose er først og fremst avhengig av ultralydmålinger og Doppler-flowanalyse av spesifikke arterier.
Studien fremhever kompleksiteten ved å diagnostisere og håndtere sen-debut FGR, og understreker de uklare patofysiologiske mekanismene.
Den foreslår utforskning av inflammatoriske prosesser og den potensielle rollen til nye markører som systemisk immunbetennelsesindeks (SII), systemisk inflammatorisk responsindeks (SIRI) og nøytrofil-prosent-til-albumin-forhold (NPAR) for å forstå FGR.
Disse markørene kan enkelt måles gjennom blodprøver og er signifikante ved ulike sykdommer.
Teksten diskuterer også utfordringene med å bruke avanserte diagnostiske metoder i lavinntektsland på grunn av behovet for sofistikert utstyr, i kontrast til tilgjengeligheten til kunstig intelligens og maskinlæringsmodeller via internett.
Studien hadde som mål å vurdere virkningen av inflammatoriske prosesser på sent-debut FGR ved å analysere NPAR, sammen med andre markører, og evaluere deres prediktive verdi ved hjelp av maskinlæringsalgoritmer.
Studietype
Observasjonsmessig
Registrering (Faktiske)
240
Kontakter og plasseringer
Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.
Studiesteder
-
-
Yenimahalle
-
Ankara, Yenimahalle, Tyrkia, 06170
- Etlik City Hospital
-
-
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
- Voksen
Tar imot friske frivillige
Ja
Prøvetakingsmetode
Sannsynlighetsprøve
Studiepopulasjon
Denne studien vil inkludere 240 pasienter mellom 32-37 uker med svangerskapsalder som ble innlagt på Perinatologiklinikken, Helsedepartementet, Etlik City Hospital, Ankara/Tyrkia mellom 2023 og 2024.
Hode-hoftelengde i første trimester ble brukt for å bekrefte svangerskapsalderen.
Av pasientene inkludert i studien vil 120 pasienter diagnostisert med sent-debut FGR og 120 pasienter med utviklende fostre i henhold til svangerskapsalder inkluderes i kontrollgruppen.
Beskrivelse
Inklusjonskriterier:
- Mellom 18-45 år
- Fullførte svangerskapsoppfølgingen i vårt senter
- Gravide kvinner hvis data er tilgjengelig
- Singletonsgraviditeter uten andre systemiske morskomorbiditeter enn FGR
Ekskluderingskriterier:
- Flergangsgraviditet
- Å ha en morssykdom
- Fosterets medfødte og kromosomale anomalier
- Kronisk narkotikabruk, alkohol og sigarettbruk
- Medfølgende ekstra graviditetskomplikasjoner under oppfølging
- Saker hvis data ikke er tilgjengelig
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 |
|---|---|
|
Gravide kvinner med fostervekstbegrensning
120 pasienter vil bli inkludert diagnostisert med sent innsettende fostervekstrestriksjon.
|
Diagnosen FGR ble stilt i henhold til følgende Delphi-kriterier.
EFW
Laboratorieverdiene ble målt på tidspunktet for FGR-diagnose (mellom 32 og 37 uker av svangerskapet). Etter evaluering av hemoglobin (g/dl), leukocytter (103/μL), monocytter (103/μL), lymfocytter (103/μL), nøytrofiler (103/μL), blodplater (103/μL) og albumin (g/dl) ), ble inflammasjonsverdiene beregnet som følger: ;
|
|
Sunne graviditeter
120 pasienter vil bli inkludert i en kontrollgruppe av fostre i utvikling etter svangerskapsalder.
|
Diagnosen FGR ble stilt i henhold til følgende Delphi-kriterier.
EFW
Laboratorieverdiene ble målt på tidspunktet for FGR-diagnose (mellom 32 og 37 uker av svangerskapet). Etter evaluering av hemoglobin (g/dl), leukocytter (103/μL), monocytter (103/μL), lymfocytter (103/μL), nøytrofiler (103/μL), blodplater (103/μL) og albumin (g/dl) ), ble inflammasjonsverdiene beregnet som følger: ;
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Evaluering av data
Tidsramme: Innen 1 måned etter datainnsamling
|
For å bestemme den statistiske korrelasjonen av demografiske data og inflammatoriske indekser for svangerskapsperioden med diagnostiske ultrasonografiske målinger (føtale biometriske målinger og foster-doppler-funn) relatert til fostervekstretardasjon i SPSS-miljø og for å avsløre viktigheten av forholdet.
|
Innen 1 måned etter datainnsamling
|
Sekundære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Maskinlæringsmodellering
Tidsramme: Innen 1 måned med data etter dataanalyse
|
Klasseklassifiseringsmodellen RandomForestClassifier vil bli utviklet ved å flytte dataene fra SPSS-miljøet til Python-miljøet.
Maskinlæringssystemmodellering vil bli utviklet der modellen vil lære av treningssettet ved å bruke pasientdata og bruke denne informasjonen til å forutsi fremtidige data.
|
Innen 1 måned med data etter dataanalyse
|
Samarbeidspartnere og etterforskere
Det er her du vil finne personer og organisasjoner som er involvert i denne studien.
Sponsor
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)
31. januar 2024
Primær fullføring (Antatt)
6. juli 2024
Studiet fullført (Antatt)
20. juli 2024
Datoer for studieregistrering
Først innsendt
7. april 2024
Først innsendt som oppfylte QC-kriteriene
16. april 2024
Først lagt ut (Faktiske)
18. april 2024
Oppdateringer av studieposter
Sist oppdatering lagt ut (Faktiske)
8. juli 2024
Siste oppdatering sendt inn som oppfylte QC-kriteriene
4. juli 2024
Sist bekreftet
1. juli 2024
Mer informasjon
Begreper knyttet til denne studien
Ytterligere relevante MeSH-vilkår
Andre studie-ID-numre
- AEŞH-BADEK-2024-43
Plan for individuelle deltakerdata (IPD)
Planlegger du å dele individuelle deltakerdata (IPD)?
NEI
IPD-planbeskrivelse
På grunn av sykehuspolitikken kan ikke data deles.
Ved behov kan imidlertid hovedetterforskeren kontaktes.
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. .