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

Przewidywanie odpowiedzi motorycznej STN DBS w PD (DBS-PREDICT)

31 sierpnia 2020 zaktualizowane przez: Maastricht University Medical Center

Uczenie maszynowe przewidywania odpowiedzi motorycznej po STN DBS u pacjentów z chorobą Parkinsona, retrospektywne wieloośrodkowe badanie walidacyjne

Pomimo starannej selekcji pacjentów do głębokiej stymulacji jądra podwzgórza (STN DBS), niektórzy pacjenci z chorobą Parkinsona (PD) wykazują ograniczoną poprawę niepełnosprawności ruchowej. Niejednoznaczne wyniki i brak praktycznego wszczepialnego algorytmu przewidywania z poprzednich badań prognostycznych podtrzymują zapotrzebowanie na proste narzędzie dla neurologów, które zapewnia wiarygodną prognozę pooperacyjnej poprawy motorycznej u poszczególnych pacjentów.

W tym badaniu zweryfikowano opracowany wcześniej model przewidywania odpowiedzi motorycznej po STN DBS u pacjentów z PD. Model generuje indywidualne prawdopodobieństwa wystąpienia słabej odpowiedzi rok po operacji. Model zostanie zweryfikowany w kohorcie walidacyjnej zebranej z kilku międzynarodowych ośrodków.

Model predykcyjny jest udostępniany publicznie przed zebraniem danych na stronie: https://github.com/jgvhabets/DBSPREDICT

Przegląd badań

Status

Zakończony

Warunki

Interwencja / Leczenie

Szczegółowy opis

Przewidywanie wyniku motorycznego po STN DBS w chorobie Parkinsona może stanowić wyzwanie dla klinicysty. Obecne badania prognostyczne dostarczają niejednoznacznych wyników dotyczących najważniejszych predyktorów i są ograniczone przez stosowane metody obliczeniowe. Tradycyjne analizy statystyczne, które koncentrują się na korelacjach, są obciążone przez selekcję predyktorów i czynników zakłócających przez badaczy. Nowoczesne metody obliczeniowe, takie jak modele predykcyjne uczenia maszynowego, są mniej ograniczone wielkością próby i mogą uwzględniać szerszy zakres predyktorów, co prowadzi do mniejszego błędu selekcji.

Retrospektywne dane pacjentów są zbierane z wielu międzynarodowych ośrodków. Ta retrospektywna, wieloośrodkowa kohorta służy do walidacji modelu opracowanego na podstawie jednoośrodkowej kohorty retrospektywnej.

Celem jest opracowanie narzędzia do prognozowania, które daje klinicyście prawdopodobieństwo wystąpienia słabej odpowiedzi w fazie przedoperacyjnej. Może to pomóc klinicyście we włączeniu lub poinformowaniu pacjenta podczas poradnictwa przedoperacyjnego.

Model predykcyjny jest udostępniany publicznie przed zebraniem danych na stronie: https://github.com/jgvhabets/DBSPREDICT.

Typ studiów

Obserwacyjny

Zapisy (Rzeczywisty)

322

Kontakty i lokalizacje

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

Lokalizacje studiów

  • Holandia
    • Limburg
      • Maastricht, Limburg, Holandia, 6229 AZ
        • MaastrichtUMC

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

18 lat i starsze (Dorosły, Starszy dorosły)

Akceptuje zdrowych ochotników

Nie

Płeć kwalifikująca się do nauki

Wszystko

Metoda próbkowania

Próbka bez prawdopodobieństwa

Badana populacja

Jedna kohorta składająca się z pacjentów z PD, którzy przeszli STN DBS w kilku międzynarodowych ośrodkach.

Opis

Kryteria przyjęcia:

  • przeszedł STN DBS z powodu choroby Parkinsona
  • zakończył roczną obserwację po operacji

Kryteria wyłączenia:

- brak danych w pooperacyjnym UPDRS II, III, IV

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

  • Modele obserwacyjne: Kohorta
  • Perspektywy czasowe: Z mocą wsteczną

Kohorty i interwencje

Grupa / Kohorta
Interwencja / Leczenie
wieloośrodkowa kohorta walidacyjna
Zbieramy retrospektywne dane z kilku międzynarodowych ośrodków zawierających zmienne przedoperacyjne (demograficzne i kliniczne) oraz wyniki pooperacyjne (UPDRS II, III, IV) rok po operacji i łączymy te dane z jedną kohortą walidacyjną.
Inny: Prognozowanie wyniku motorycznego po STN DBS na podstawie zmiennych przedoperacyjnych
Generowanie indywidualnych prawdopodobieństw reakcji motorycznych na podstawie zmiennych przedoperacyjnych

Co mierzy badanie?

Podstawowe miary wyniku

Miara wyniku
Opis środka
Ramy czasowe
pole pod krzywą krzywej operatora odbiornika
Ramy czasowe: rok po operacji

Wynik motoryczny jest klasyfikowany jako binarna zmienna wyniku. Model pozwoli przewidzieć, do której grupy wynikowej pacjent będzie należeć rok po operacji. Podstawową miarą wyniku jest wydajność przewidywanych kategorii wyników z rzeczywistymi kategoriami wyników.

Wydajność modeli predykcyjnych jest wyrażana jako pole pod krzywą krzywej operatora odbiornika, dokładność predykcyjna, prawdziwie dodatni współczynnik predykcji i fałszywie dodatni współczynnik predykcji.
rok po operacji
predykcyjna dokładność
Ramy czasowe: rok po operacji
Zobacz opis główny wynik 1.
rok po operacji
prawdziwie pozytywny wskaźnik przewidywania
Ramy czasowe: rok po operacji
Zobacz opis główny wynik 1.
rok po operacji
wskaźnik fałszywie dodatnich prognoz
Ramy czasowe: rok po operacji
Zobacz opis główny wynik 1.
rok po operacji

Współpracownicy i badacze

Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.

Sponsor

Maastricht University Medical Center

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)

1 sierpnia 2019

Zakończenie podstawowe (Rzeczywisty)

17 grudnia 2019

Ukończenie studiów (Rzeczywisty)

17 grudnia 2019

Daty rejestracji na studia

Pierwszy przesłany

17 września 2019

Pierwszy przesłany, który spełnia kryteria kontroli jakości

17 września 2019

Pierwszy wysłany (Rzeczywisty)

18 września 2019

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (Rzeczywisty)

1 września 2020

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

31 sierpnia 2020

Ostatnia weryfikacja

1 lutego 2020

Więcej informacji

Terminy związane z tym badaniem

Słowa kluczowe

Dodatkowe istotne warunki MeSH

Inne numery identyfikacyjne badania

  • 2019-0739-A9

Plan dla danych uczestnika indywidualnego (IPD)

Planujesz udostępniać dane poszczególnych uczestników (IPD)?

TAk

Opis planu IPD

Zanonimizowane dane zostaną udostępnione po zakończeniu analizy

Ramy czasowe udostępniania IPD

Po zebraniu i analizie danych.

Kryteria dostępu do udostępniania IPD

Dane mogą zostać udostępnione na żądanie.

Typ informacji pomocniczych dotyczących udostępniania IPD

  • Protokół badania
  • Kod analityczny

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 Choroba Parkinsona

Wyszukaj podobne próby

Sponsorzy i współpracownicy

Warunki medyczne

Interwencje lekowe

CROs by country

CROs in Oman

Warunki

Rzadkie choroby

Interwencje lekowe

Suplementy diety

Sponsor / Współpracownicy

Lokalizacje

Subskrybuj