Føderal læringsalgoritme for et intelligent insulinbeslutningssystem for dynamisk glukosekontroll hos type 2-diabetespasienter
14. juli 2024 oppdatert av: Shanghai Zhongshan Hospital
En multisenter føderal læringsalgoritme for å bygge et intelligent insulinbeslutningssystem for dynamisk glukosekontroll hos type 2-diabetespasienter
Konstruere et intelligent insulinbeslutningssystem for dynamisk glukosekontroll ved type 2 diabetes mellitus via en multisenter føderert læringsalgoritme, sammenligne ytelsen til den fødererte læringsmodellen, den lokale modellen og den innledende modellen, og evaluere deres gjennomførbarhet og sikkerhet.
Studieoversikt
Detaljert beskrivelse
Konstruere et intelligent insulinbeslutningssystem for dynamisk glukosekontroll ved type 2 diabetes mellitus via en multisenter føderert læringsalgoritme, sammenligne ytelsen til den fødererte læringsmodellen, den lokale modellen og den innledende modellen, og evaluere deres gjennomførbarhet og sikkerhet.
Studietype
Observasjonsmessig
Registrering (Antatt)
30100
Kontakter og plasseringer
Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.
Studiekontakt
- Navn: Xiaoying Li, PhD.
- Telefonnummer: 02164041990
- E-post: li.xiaoying@zs-hospital.sh.cn
Studer Kontakt Backup
- Navn: Ying Chen
- Telefonnummer: 13482
- E-post: chen.ying4@zs-hospital.sh.cn
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
- Eldre voksen
Tar imot friske frivillige
Nei
Prøvetakingsmetode
Ikke-sannsynlighetsprøve
Studiepopulasjon
type 2 diabetes hvem
Beskrivelse
Inklusjonskriterier:
- Innlagte pasienter med diabetes type 2 som får insulinbehandling
Ekskluderingskriterier:
- bruk av insulinpumper eller glukokortikoider under sykehusinnleggelse
- mindre enn to dager med insulinbehandling
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 |
|---|---|
|
pasientjournal
|
bruke pasientjournal for å konstruere AI-modeller
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tidsramme |
|---|---|
|
nøyaktigheten til AI-modeller
Tidsramme: opptil 2 år
|
opptil 2 år
|
Samarbeidspartnere og etterforskere
Det er her du vil finne personer og organisasjoner som er involvert i denne studien.
Sponsor
Etterforskere
- Studieleder: Xiaoying Li, Professor, Fudan University
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 (Antatt)
1. september 2024
Primær fullføring (Antatt)
1. juni 2026
Studiet fullført (Antatt)
30. juni 2026
Datoer for studieregistrering
Først innsendt
23. mai 2024
Først innsendt som oppfylte QC-kriteriene
29. mai 2024
Først lagt ut (Faktiske)
30. mai 2024
Oppdateringer av studieposter
Sist oppdatering lagt ut (Faktiske)
16. juli 2024
Siste oppdatering sendt inn som oppfylte QC-kriteriene
14. juli 2024
Sist bekreftet
1. mai 2024
Mer informasjon
Begreper knyttet til denne studien
Andre studie-ID-numre
- 20240324025304420
Plan for individuelle deltakerdata (IPD)
Planlegger du å dele individuelle deltakerdata (IPD)?
UBESLUTTE
Legemiddel- og utstyrsinformasjon, studiedokumenter
Studerer et amerikansk FDA-regulert medikamentprodukt
Ja
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. .