Przewidywanie wyników MMSE dla zaburzeń poznawczych
22 listopada 2024 zaktualizowane przez: Blekinge Institute of Technology
Przewidywanie wyników MMSE dla zaburzeń poznawczych: analiza uczenia maszynowego danych demograficznych i stanu zdrowia jamy ustnej u osób powyżej 60. roku życia
Celem tego badania jest zbadanie potencjału wykorzystania algorytmów uczenia maszynowego (ML) do przewidywania stanu poznawczego, w szczególności wyników MMSE, w oparciu o dane demograficzne i dotyczące zdrowia jamy ustnej.
Celem jest ocena skuteczności różnych modeli ML i identyfikacja najważniejszych wskaźników zdrowia jamy ustnej do przewidywania wyników MMSE na poziomie 30 (normalne funkcje poznawcze) lub ≤26 (upośledzenia funkcji poznawczych) u osób w wieku 60 lat i starszych.
Przegląd badań
Status
Zakończony
Interwencja / Leczenie
Szczegółowy opis
W tym przekrojowym badaniu wykorzystano dane demograficzne i dotyczące zdrowia jamy ustnej z dwóch istniejących badań kohortowych: europejskiego wspólnego badania Support Monitoring and Reminder Technology for Mild Dementia (SMART4MD) oraz szwedzkiego Krajowego Studium dotyczącego starzenia się i opieki (SNAC-B). Do analizy zostaną włączeni uczestnicy w wieku 60 lat i starsi. Dane zostaną wykorzystane do opracowania i oceny modeli uczenia maszynowego do przewidywania stanu poznawczego.
Cele:
- Cel główny: Ocena potencjału parametrów zdrowia jamy ustnej do binarnej klasyfikacji wyników MMSE (30 vs. ≤26).
- Cel drugorzędny: Identyfikacja najważniejszych parametrów zdrowia jamy ustnej wpływających na przewidywanie upośledzenia funkcji poznawczych.
- Cel trzeci: Porównanie wydajności klasyfikatorów Random Forest (RF), maszyny wektorów nośnych (SVM) i CatBoost (CB) w przewidywaniu wyników MMSE na podstawie danych dotyczących zdrowia jamy ustnej.
Typ studiów
Obserwacyjny
Zapisy (Rzeczywisty)
693
Kontakty i lokalizacje
Ta sekcja zawiera dane kontaktowe osób prowadzących badanie oraz informacje o tym, gdzie badanie jest przeprowadzane.
Lokalizacje studiów
-
-
-
Karlskrona, Szwecja, 37179
- Blekinge Institute of Technology
-
-
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
- Dorosły
- Starszy dorosły
Akceptuje zdrowych ochotników
Tak
Metoda próbkowania
Próbka bez prawdopodobieństwa
Badana populacja
Przeanalizowane zostaną dane zebrane z europejskiego wspólnego badania Support Monitoring and Reminder Technology for Mild Dementia (SMART4MD) oraz szwedzkiego krajowego badania dotyczącego starzenia się i opieki (SNAC-B).
Do analizy zostaną włączeni uczestnicy w wieku 60 lat i starsi.
Opis
Kryteria włączenia:
- Osoby w wieku 60 lat i starsze.
- Uczestnicy z zarejestrowanymi parametrami zdrowia jamy ustnej i wynikami MMSE 30 lub ≤26.
Kryteria wykluczenia:
- Osoby z wynikami MMSE wynoszącymi 27, 28 lub 29, ponieważ wyniki te reprezentują fazę przejściową między normalnym poznaniem a zaburzeniami poznawczymi, co może wprowadzić zmienność.
- Osoby młodsze niż 60 lat.
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 |
Interwencja / Leczenie |
|---|---|
|
MMSE ≤26
339 uczestników
|
Zbiór danych obejmujący uczestników z wynikami MMSE ≤ 26 i 30 zostanie wykorzystany do oceny skuteczności klasyfikacji różnych technik uczenia maszynowego.
Inne nazwy:
|
|
MMSE 30
354 uczestników
|
Zbiór danych obejmujący uczestników z wynikami MMSE ≤ 26 i 30 zostanie wykorzystany do oceny skuteczności klasyfikacji różnych technik uczenia maszynowego.
Inne nazwy:
|
Co mierzy badanie?
Podstawowe miary wyniku
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Wydajność wykrywania
Ramy czasowe: 5 miesięcy
|
W badaniu zmierzono skuteczność klasyfikacji klasyfikatorów uczenia maszynowego.
Do oceny zostaną wykorzystane wskaźniki wydajności, dokładność, precyzja, przypominanie, wynik F1 i macierz zamieszania.
Badanie najważniejszych cech opierało się na wykresach podsumowujących SHAP, zapewniających wizualizacje wpływu grup parametrów na wynik, uporządkowane według ich ważności.
Znaczenie to opiera się na wartościach SHAP, oferując wgląd w wpływ funkcji na proces podejmowania decyzji w modelu ML
|
5 miesięcy
|
Współpracownicy i badacze
Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.
Sponsor
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)
10 czerwca 2024
Zakończenie podstawowe (Rzeczywisty)
10 października 2024
Ukończenie studiów (Rzeczywisty)
10 listopada 2024
Daty rejestracji na studia
Pierwszy przesłany
17 września 2024
Pierwszy przesłany, który spełnia kryteria kontroli jakości
20 września 2024
Pierwszy wysłany (Rzeczywisty)
25 września 2024
Aktualizacje rekordów badań
Ostatnia wysłana aktualizacja (Szacowany)
25 listopada 2024
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
22 listopada 2024
Ostatnia weryfikacja
1 września 2024
Więcej informacji
Terminy związane z tym badaniem
Słowa kluczowe
Dodatkowe istotne warunki MeSH
Inne numery identyfikacyjne badania
- BTH-6.1.1-0156-2024
Plan dla danych uczestnika indywidualnego (IPD)
Planujesz udostępniać dane poszczególnych uczestników (IPD)?
NIE
Opis planu IPD
Dane uczestników nie mogą być udostępniane ze względu na RODO.
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 .