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

Wczesna diagnoza i przewidywanie chorób matczynych i noworodków: (EDPMND)

16 kwietnia 2025 zaktualizowane przez: Kang Zhang, The Eye Hospital of Wenzhou Medical University

Wczesne przewidywanie i diagnoza chorób matczynych i noworodków z wykorzystaniem multimodalnych danych zdrowotnych

Jest to wieloośrodkowe, retrospektywne badanie kliniczne mające na celu ocenę zastosowania i skuteczności modelu predykcyjnego wspomaganego przez AI w identyfikacji chorób matek i noworodków, wykorzystujące multimodalne dane zdrowotne.

Przegląd badań

Status

Rekrutacyjny

Warunki

Interwencja / Leczenie

Szczegółowy opis

Zdrowie matki i noworodka znacząco wpływa na dobrostan zarówno matek, jak i niemowląt. Wczesne badania przesiewowe, diagnoza i interwencja mają kluczowe znaczenie w zapobieganiu wystąpieniu i postępowi chorób związanych z ciążą i noworodków. W praktyce klinicznej położnicy i pediatrzy często muszą integrować szeroki zakres danych pacjentów, w tym informacje demograficzne, historię medyczną, markery biochemiczne, takie jak poziom glukozy i lipidów we krwi, a także różne dane obrazowe, takie jak USG, monitorowanie płodu i badania laboratoryjne. wyników badań, aby postawić trafną diagnozę i opracować odpowiedni plan opieki. W czasach, gdy medycyna precyzyjna i spersonalizowana zajmują czołowe miejsca w opiece zdrowotnej, wczesne wykrywanie i diagnozowanie chorób matki i noworodka, a także wybór odpowiednich strategii diagnostycznych i terapeutycznych stały się poważnymi wyzwaniami w warunkach klinicznych. Ostatnie postępy w technikach obrazowania medycznego i analizy danych znacznie zwiększyły dokładność i skuteczność diagnostyki chorób matek i noworodków. Celem tego badania jest opracowanie systemu podejmowania decyzji wspomaganego sztuczną inteligencją poprzez integrację danych multimodalnych z elektronicznej dokumentacji medycznej, badań obrazowych i wyników badań laboratoryjnych w połączeniu z technikami głębokiego uczenia się. Celem jest poprawa dokładności diagnostycznej, usprawnienie procesów klinicznych i zapewnienie bardziej spersonalizowanych opcji opieki dla matek i niemowląt. Docelowo system ten ma na celu poprawę wyników zdrowotnych i ogólnej jakości życia zarówno matek, jak i ich noworodków.

Typ studiów

Obserwacyjny

Zapisy (Szacowany)

1000000

Kontakty i lokalizacje

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

Kontakt w sprawie studiów

Lokalizacje studiów

  • Chiny
    • Guangdong
      • Guangzhou, Guangdong, Chiny
        • Rekrutacyjny
        • Guangzhou Women and Children's Medical Center
        • Kontakt:
    • Zhejiang
      • Wenzhou, Zhejiang, Chiny
        • Rekrutacyjny
        • First Affiliated Hospital of Wenzhou Medical University
        • Kontakt:
      • Wenzhou, Zhejiang, Chiny
        • Rekrutacyjny
        • Second Affiliated Hospital of Wenzhou Medical University
        • Kontakt:

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

Akceptuje zdrowych ochotników

Tak

Metoda próbkowania

Próbka bez prawdopodobieństwa

Badana populacja

Badana populacja składa się z kobiet w ciąży w wieku od 18 do 45 lat, które otrzymały opiekę w uczestniczących centrach badań. Uczestnicy muszą mieć dostępną kompleksową elektroniczną dokumentację medyczną (EHR), w tym dane dotyczące opieki prenatalnej, wyniki laboratoryjne lub dane obrazowe. Zarówno zdrowe matki, jak i te z chorobami związanymi z ciążą (np. Stan przedrzucawkowy, cukrzyca ciążowa) zostaną uwzględnione w badaniu w celu oceny zdolności diagnostycznych modelu wspomaganego przez AI. Badanie koncentruje się na pacjentach z udokumentowanymi rekordami opieki z uczestniczących centrów.

Opis

Kryteria włączenia:

  1. Kobiety w ciąży w wieku od 18 do 45 lat.
  2. Kobiety, które otrzymały opiekę prenatalną w centrach uczestniczących (np. Szpitale lub kliniki).
  3. Dostępność kompleksowej elektronicznej dokumentacji zdrowotnej, w tym danych dotyczących opieki prenatalnej, wyników badań laboratoryjnych i dokumentacji obrazowej.
  4. Chęć udzielenia zgody na udział w badaniu i wykorzystanie historycznych danych zdrowotnych do analizy.

Kryteria wykluczenia:

  1. Kobiety poniżej 18. roku życia lub powyżej 45. roku życia.
  2. Uczestnicy posiadający niewystarczające dane uzupełniające lub brakujących kluczowych informacji klinicznych wymaganych do modelowania predykcyjnego.

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
Zdrowa kohorta matki i noworodków
Ta grupa składa się z ciężarnych matek bez chorób związanych z ciążą i ich zdrowych noworodków. Uczestnicy tej grupy będą służyć jako grupa kontrolna do porównania z grupą eksperymentalną. W tej kohorcie nie będą podawane interwencje ani zabiegi, ponieważ reprezentują one podstawę zdrowych ciąż i noworodków.
Test diagnostyczny: Model diagnostyczny i prognostyczny oparty na sztucznej inteligencji
Ta interwencja obejmuje system AI, który integruje dane multimodalne, w tym dokumentację zdrowotną matki, wyniki badań laboratoryjnych i dane obrazowe, w celu przewidywania ryzyka chorób matek i noworodków. System wykorzystuje algorytmy głębokiego uczenia się w celu zapewnienia dokładnych prognoz w czasie rzeczywistym, umożliwiając wczesną identyfikację powikłań zdrowotnych. Analizując historyczne dane zdrowotne, model ma na celu przewidywanie potencjalnego ryzyka zarówno matek, jak i niemowląt, poprawiając wczesną interwencję i wyniki.
Kohorta chorób matek i noworodków
Ta grupa składa się z ciężarnych matek, u których zdiagnozowano choroby związane z ciążą lub ich dotknięte noworodki. Uczestnicy tej grupy będą służyć jako grupa eksperymentalna do oceny skuteczności modelu wczesnego prognozowania w identyfikacji zagrożeń dla zdrowia matek i noworodków.
Test diagnostyczny: Model diagnostyczny i prognostyczny oparty na sztucznej inteligencji
Ta interwencja obejmuje system AI, który integruje dane multimodalne, w tym dokumentację zdrowotną matki, wyniki badań laboratoryjnych i dane obrazowe, w celu przewidywania ryzyka chorób matek i noworodków. System wykorzystuje algorytmy głębokiego uczenia się w celu zapewnienia dokładnych prognoz w czasie rzeczywistym, umożliwiając wczesną identyfikację powikłań zdrowotnych. Analizując historyczne dane zdrowotne, model ma na celu przewidywanie potencjalnego ryzyka zarówno matek, jak i niemowląt, poprawiając wczesną interwencję i wyniki.

Co mierzy badanie?

Podstawowe miary wyniku

Miara wyniku
Opis środka
Ramy czasowe
Obszar pod krzywą (AUC)
Ramy czasowe: 1 rok
AUC krzywej ROC, stosowane do ilościowego określenia dokładności diagnostycznej. Brak jednostki (stosunek lub wartość procentowa, zwykle wyrażana jako liczba z zakresu od 0 do 1).
1 rok
Wynik F1
Ramy czasowe: 1 rok
Wynik F1 jest średnią harmoniczną precyzji i czułości (wycofanie). Jest to dobra miara zdolności modelu do identyfikacji zarówno prawdziwych pozytywów, jak i minimalizacji fałszywych pozytywów, szczególnie w przypadkach, w których klasy są niezrównoważone (np. Gdy liczba zdrowych przypadków jest znacznie wyższa niż przypadki choroby). Wynik F1 wynosi od 0 do 1, a 1 wskazuje idealną precyzję i wycofanie.
1 rok

Miary wyników drugorzędnych

Miara wyniku
Opis środka
Ramy czasowe
Czułość (prawdziwie dodatni współczynnik)
Ramy czasowe: 1 rok
Czułość mierzy, jak dobrze model sztucznej inteligencji identyfikuje prawdziwie pozytywne przypadki, takie jak prawidłowe diagnozowanie powikłań u kobiet w ciąży lub identyfikacja zaburzeń noworodkowych.
1 rok
Specyficzność (prawdziwa wskaźnik ujemny)
Ramy czasowe: 1 rok
Swoistość mierzy zdolność modelu sztucznej inteligencji do prawidłowego identyfikowania przypadków wolnych od chorób, co gwarantuje, że zdrowe matki i niemowlęta zostaną prawidłowo zidentyfikowane jako negatywne.
1 rok

Współpracownicy i badacze

Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.

Sponsor

The Eye Hospital of Wenzhou Medical University

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 2023

Zakończenie podstawowe (Szacowany)

1 maja 2025

Ukończenie studiów (Szacowany)

1 maja 2025

Daty rejestracji na studia

Pierwszy przesłany

19 stycznia 2025

Pierwszy przesłany, który spełnia kryteria kontroli jakości

19 stycznia 2025

Pierwszy wysłany (Rzeczywisty)

24 stycznia 2025

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (Rzeczywisty)

17 kwietnia 2025

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

16 kwietnia 2025

Ostatnia weryfikacja

1 kwietnia 2025

Więcej informacji

Terminy związane z tym badaniem

Słowa kluczowe

Dodatkowe istotne warunki MeSH

Inne numery identyfikacyjne badania

  • Maternal and Neonatal Diseases

Plan dla danych uczestnika indywidualnego (IPD)

Planujesz udostępniać dane poszczególnych uczestników (IPD)?

NIE

Informacje o lekach i urządzeniach, dokumenty badawcze

Bada produkt leczniczy regulowany przez amerykańską FDA

Nie

Bada produkt urządzenia regulowany przez amerykańską FDA

Nie

produkt wyprodukowany i wyeksportowany z USA

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 .

Subskrybuj