Przewidywanie nawrotów epizodów maniakalnych i depresyjnych w chorobie afektywnej dwubiegunowej
Przegląd badań
Status
Status
Warunki
Warunki
Interwencja / Leczenie
Interwencja / Leczenie
Typ studiów
Typ studiów
Zapisy (Szacowany)
Zapisy
Kontakty i lokalizacje
Kontakt w sprawie studiów
Kontakt w sprawie studiów
- Nazwa: Yi-Ling Chien
- Numer telefonu: +886223123456#66013
- E-mail: chienyiling@gmail.com
Lokalizacje studiów
-
-
-
Taipei, Tajwan
- Rekrutacyjny
- National Taiwan University Hospital
-
Kontakt:
- Yi-Ling Chien, MD, PhD
- Numer telefonu: +886223123456#66013
- E-mail: chienyiling@gmail.com
-
-
Kryteria uczestnictwa
Kryteria kwalifikacji
Kryteria kwalifikacji
Wiek uprawniający do nauki
- Dorosły
Akceptuje zdrowych ochotników
Metoda próbkowania
Badana populacja
Opis
Kryteria przyjęcia:
- DSM-5 Zaburzenie afektywne dwubiegunowe lub zaburzenie depresyjne
- 20~60 lat
- Chętny do noszenia smartwatcha i smartfona przez większość czasu
Kryteria wyłączenia:
- Współwystępują z zaburzeniami związanymi z używaniem substancji
- Nie można używać smartwatcha i smartfona
Plan studiów
Jak projektuje się badanie?
Szczegóły projektu
Liczba grup / kohort
Kohorty i interwencje
Grupa / KohortaGrupa / Kohorta |
Interwencja / LeczenieInterwencja / Leczenie |
|---|---|
|
Ciśnienie krwi
100 pacjentów z zaburzeniami nastroju z oddziału psychiatrycznego i poradni ambulatoryjnych Kliniki Psychiatrii Narodowego Szpitala Uniwersyteckiego Tajwanu
|
Smartwatch Garmin będzie rejestrował funkcje, takie jak aktywność, tętno, sen, za pośrednictwem aplikacji na smartfona
|
Co mierzy badanie?
Podstawowe miary wyniku
Podstawowe miary wyniku
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Opracowanie i weryfikacja algorytmu przewidywania epizodów nastroju
Ramy czasowe: 1 rok
|
Zgromadzone dane będą dotyczyć algorytmu uczącego się, lasu losowego, który w czasie uczenia konstruuje wiele drzew decyzyjnych i wyprowadza klasę będącą trybem klas poszczególnych drzew.
Wydajność wytrenowanego modelu predykcyjnego oceniono, oceniając dokładność modelu, czułość, specyficzność i pole pod krzywą.
W procesie oceny uczenia maszynowego część danych jest używana do szkolenia modeli, a druga część do testowania modeli.
|
1 rok
|
Współpracownicy i badacze
Sponsor
Sponsor
Daty zapisu na studia
Główne daty studiów
Rozpoczęcie studiów (Rzeczywisty)
Rozpoczęcie studiów
Zakończenie podstawowe (Szacowany)
Zakończenie podstawowe
Ukończenie studiów (Szacowany)
Ukończenie studiów
Daty rejestracji na studia
Pierwszy przesłany
Pierwszy przesłany
Pierwszy przesłany, który spełnia kryteria kontroli jakości
Pierwszy przesłany, który spełnia kryteria kontroli jakości
Pierwszy wysłany (Rzeczywisty)
Pierwszy wysłany
Aktualizacje rekordów badań
Ostatnia wysłana aktualizacja (Rzeczywisty)
Ostatnia wysłana aktualizacja
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
Ostatnia weryfikacja
Ostatnia weryfikacja
Więcej informacji
Terminy związane z tym badaniem
Słowa kluczowe
Dodatkowe istotne warunki MeSH
Inne numery identyfikacyjne badania
Inne numery identyfikacyjne badania
- 202002006RINA
Plan dla danych uczestnika indywidualnego (IPD)
Planujesz udostępniać dane poszczególnych uczestników (IPD)?
Opis planu IPD
Informacje o lekach i urządzeniach, dokumenty badawcze
Bada produkt leczniczy regulowany przez amerykańską FDA
Bada produkt urządzenia regulowany przez amerykańską FDA
Te informacje zostały pobrane bezpośrednio ze strony internetowej clinicaltrials.gov bez żadnych zmian. Jeśli chcesz zmienić, usunąć lub zaktualizować dane swojego badania, skontaktuj się z register@clinicaltrials.gov. Gdy tylko zmiana zostanie wprowadzona na stronie clinicaltrials.gov, zostanie ona automatycznie zaktualizowana również na naszej stronie internetowej .