Ta strona została przetłumaczona automatycznie i dokładność tłumaczenia nie jest gwarantowana. Proszę odnieść się do angielska wersja za tekst źródłowy.

Bipolar Disorder and Oxidative Stress Injury Mechanism - Clinical Big Data Analysis Based on Machine Learning

13 maja 2019 zaktualizowane przez: Yiru FANG M.D., Ph.D., Shanghai Mental Health Center
This study is a single-center, retrospective, cross-sectional study. We plan to work with our network information center to analysis the related indicators of oxidative stress injury in patients with bipolar disorder based on oxidative stress data. During the study, machine learning was used as a data analysis method to screen out the biomarker risk factors with sensitivity and specificity for early recognition of bipolar disorder from major depression disorder with oxidative stress injury as the core. And then build up effective clinical predictive models for early identification of bipolar disorder, which can predict the early quantitative probabilistic of the onset of bipolar disorder.

Przegląd badań

Status

Zakończony

Typ studiów

Obserwacyjny

Zapisy (Rzeczywisty)

3702

Kontakty i lokalizacje

Ta sekcja zawiera dane kontaktowe osób prowadzących badanie oraz informacje o tym, gdzie badanie jest przeprowadzane.

Lokalizacje studiów

    • Shanghai
      • Shanghai, Shanghai, Chiny, 200030
        • Shanghai Mental Health Center

Kryteria uczestnictwa

Badacze szukają osób, które pasują do określonego opisu, zwanego kryteriami kwalifikacyjnymi. Niektóre przykłady tych kryteriów to ogólny stan zdrowia danej osoby lub wcześniejsze leczenie.

Kryteria kwalifikacji

Wiek uprawniający do nauki

  • Dziecko
  • Dorosły
  • Starszy dorosły

Akceptuje zdrowych ochotników

Nie dotyczy

Płeć kwalifikująca się do nauki

Wszystko

Metoda próbkowania

Próbka bez prawdopodobieństwa

Badana populacja

Subjects are hospitalized patients in SMHC from 2009 to 2018; meet ICD-10 diagnosis of F31 bipolar disorder, F32 depressive disorder criteria and its subtype (mental examination was conducted by three levels of doctors including at least one attending physician and one chief physician in psychiatric); available relevant HIS system biochemical data; hospitalized patients need to the first admission; age and gender is not limited

Opis

Inclusion Criteria:

  • age is not limited
  • gender is not limited
  • meets the diagnostic criteria for bipolar disorder of ICD-10 F31,F32 and its sub-categories
  • has relevant HIS system data that can be utilized.

Exclusion Criteria:

  • patients who did not meet the appeal diagnosis after three-level rounds of ward
  • patients who met the above three diagnoses but had severe data loss (missing value ≥ estimated data value of 30%)

Plan studiów

Ta sekcja zawiera szczegółowe informacje na temat planu badania, w tym sposób zaprojektowania badania i jego pomiary.

Jak projektuje się badanie?

Szczegóły projektu

Kohorty i interwencje

Grupa / Kohorta
bipolar disorder(BD)
hospitalized patients BD patients in SMHC from 2009 to 2018; meet ICD-10 diagnosis of F31 bipolar disorder criteria and its subtype (mental examination was conducted by three levels of doctors including at least one attending physician and one chief physician in psychiatric); available relevant HIS system biochemical data; hospitalized patients need to the first admission; age and gender is not limited
major depressive disorder(MDD)
hospitalized patients MDD patients in SMHC from 2009 to 2018; meet ICD-10 diagnosis of F32 depressive disorder criteria and its subtype (mental examination was conducted by three levels of doctors including at least one attending physician and one chief physician in psychiatric); available relevant HIS system biochemical data; hospitalized patients need to the first admission; age and gender is not limited

Co mierzy badanie?

Podstawowe miary wyniku

Miara wyniku
Opis środka
Ramy czasowe
Early prediction model of bipolar disorder with oxidative stress index as the core
Ramy czasowe: at August 2019
Based on the oxidative stress data, the study will analysis related indicators of oxidative stress injury in patients with bipolar disorder. Then use the method of machine learning to build up the early prediction model of bipolar disorder.
at August 2019

Współpracownicy i badacze

Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.

Śledczy

  • Główny śledczy: Yiru Fang, Shanghai Mental Health Center

Publikacje i pomocne linki

Osoba odpowiedzialna za wprowadzenie informacji o badaniu dobrowolnie udostępnia te publikacje. Mogą one dotyczyć wszystkiego, co jest związane z badaniem.

Daty zapisu na studia

Daty te śledzą postęp w przesyłaniu rekordów badań i podsumowań wyników do ClinicalTrials.gov. Zapisy badań i zgłoszone wyniki są przeglądane przez National Library of Medicine (NLM), aby upewnić się, że spełniają określone standardy kontroli jakości, zanim zostaną opublikowane na publicznej stronie internetowej.

Główne daty studiów

Rozpoczęcie studiów (Rzeczywisty)

20 listopada 2018

Zakończenie podstawowe (Rzeczywisty)

20 listopada 2018

Ukończenie studiów (Rzeczywisty)

20 listopada 2018

Daty rejestracji na studia

Pierwszy przesłany

13 maja 2019

Pierwszy przesłany, który spełnia kryteria kontroli jakości

13 maja 2019

Pierwszy wysłany (Rzeczywisty)

14 maja 2019

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (Rzeczywisty)

14 maja 2019

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

13 maja 2019

Ostatnia weryfikacja

1 maja 2019

Więcej informacji

Terminy związane z tym badaniem

Informacje o lekach i urządzeniach, dokumenty badawcze

Bada produkt leczniczy regulowany przez amerykańską FDA

Nie

Bada produkt urządzenia regulowany przez amerykańską FDA

Nie

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 .

Badania kliniczne na Zaburzenie afektywne dwubiegunowe

3
Subskrybuj