Um novo algoritmo de aprendizado de máquina para prever as demências de corpos de Lewy (MLDLB)
Um novo algoritmo de aprendizado de máquina para prever as demências de corpos de Lewy usando pontuações clínicas e neuropsicológicas
Visão geral do estudo
Status
Status
Condições
Condições
Intervenção / Tratamento
Intervenção / Tratamento
Descrição detalhada
Tipo de estudo
Tipo de estudo
Inscrição (Antecipado)
Inscrição
Contactos e Locais
Contato de estudo
Contato de estudo
- Nome: ANASTASIA BOUGEA, DR
- Número de telefone: +306930481046
- E-mail: annita139@yahoo.gr
Estude backup de contato
- Nome: ANASTASIA BOUGEA
- Número de telefone: +306930481046
- E-mail: annita139@yahoo.gr
Locais de estudo
-
-
Attiki
-
Athens, Attiki, Grécia, 16674
- Recrutamento
- Anastasia Bougea
-
Contato:
- EFTHYMIA EFTHYMIIOPOULOU, dr
- Número de telefone: 00306943061632
- E-mail: faih.efthymiopoulou@gmail.com
-
Subinvestigador:
- Christos Goumas, dr
-
-
Critérios de participação
Critérios de elegibilidade
Critérios de elegibilidade
Idades elegíveis para estudo
Aceita Voluntários Saudáveis
Gêneros Elegíveis para o Estudo
Método de amostragem
População do estudo
Descrição
Critério de inclusão:
o grupo PDD composto por pacientes que preenchem os critérios para provável PDD da Movement Disorders Society (b) o grupo DLB composto por pacientes, de acordo com os critérios revisados recentemente para provável DLB.
Critério de exclusão:
- transtornos psiquiátricos maiores, depressão
Plano de estudo
Como o estudo é projetado?
Detalhes do projeto
Número de grupos/coortes
Coortes e Intervenções
Grupo / CoorteGrupo / Coorte |
Intervenção / TratamentoIntervenção / Tratamento |
|---|---|
|
Doença de Parkinson Demência
o grupo PDD composto por 58 pacientes que preenchem os critérios para provável PDD da Movement Disorders Society
|
Dois algoritmos de classificação, regressão logística e K-Nearest Neighbors (K-NNs), foram investigados por sua capacidade de prever com sucesso se os pacientes sofriam de PDD ou DLB.
|
|
Demência com corpos de Lewy
o grupo DLB composto por 40 pacientes, de acordo com os critérios revisados recentemente para provável DLB
|
Dois algoritmos de classificação, regressão logística e K-Nearest Neighbors (K-NNs), foram investigados por sua capacidade de prever com sucesso se os pacientes sofriam de PDD ou DLB.
|
O que o estudo está medindo?
Medidas de resultados primários
Medidas de resultados primários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
MMSE preditivo para dlb ou PDD
Prazo: 1 ano
|
Dois algoritmos de classificação, regressão logística e K-Nearest Neighbors (K-NNs), combinarão esses testes para investigar sua capacidade de prever com sucesso se os pacientes sofriam de PDD ou DLB.
|
1 ano
|
|
Doença de Parkinson - Escala de Avaliação Cognitiva (PD-CRS) preditiva para DLB ou PDD
Prazo: 1 ano
|
Dois algoritmos de classificação, regressão logística e K-Nearest Neighbors (K-NNs), combinarão esses testes para investigar sua capacidade de prever com sucesso se os pacientes sofriam de PDD ou DLB.
|
1 ano
|
|
Teste Breve de Memória Visuoespacial (BVMT-TR) preditivo para DLB ou PDD
Prazo: 1 ano
|
Dois algoritmos de classificação, regressão logística e K-Nearest Neighbors (K-NNs), combinarão esses testes para investigar sua capacidade de prever com sucesso se os pacientes sofriam de PDD ou DLB.
|
1 ano
|
|
Dígito do símbolo escrito preditivo para DLB ou PDD
Prazo: 1 ano
|
Dois algoritmos de classificação, regressão logística e K-Nearest Neighbors (K-NNs), combinarão esses testes para investigar sua capacidade de prever com sucesso se os pacientes sofriam de PDD ou DLB.
|
1 ano
|
|
Escala Wechsler de inteligência adulta, preditiva para DLB ou PDD
Prazo: 1 ano
|
Dois algoritmos de classificação, regressão logística e K-Nearest Neighbors (K-NNs), combinarão esses testes para investigar sua capacidade de prever com sucesso se os pacientes sofriam de PDD ou DLB.
|
1 ano
|
|
trilha tornando A e B preditivos para DLB ou PDD
Prazo: 1 ano
|
Dois algoritmos de classificação, regressão logística e K-Nearest Neighbors (K-NNs), combinarão esses testes para investigar sua capacidade de prever com sucesso se os pacientes sofriam de PDD ou DLB.
|
1 ano
|
Colaboradores e Investigadores
Patrocinador
Patrocinador
Investigadores
Investigadores
- Investigador principal: ANASTASIA BOUGEA, National and Kapodistrian University of Athens
Publicações e links úteis
Datas de registro do estudo
Datas Principais do Estudo
Início do estudo (Real)
Início do estudo
Conclusão Primária (Antecipado)
Conclusão Primária
Conclusão do estudo (Antecipado)
Conclusão do estudo
Datas de inscrição no estudo
Enviado pela primeira vez
Enviado pela primeira vez
Enviado pela primeira vez que atendeu aos critérios de CQ
Enviado pela primeira vez que atendeu aos critérios de CQ
Primeira postagem (Real)
Primeira postagem
Atualizações de registro de estudo
Última Atualização Postada (Real)
Última Atualização Postada
Última atualização enviada que atendeu aos critérios de controle de qualidade
Última atualização enviada que atendeu aos critérios de controle de qualidade
Última verificação
Última verificação
Mais Informações
Termos relacionados a este estudo
Termos MeSH relevantes adicionais
- Transtornos Mentais, Desordem Mental
- Doenças Cerebrais
- Doenças do Sistema Nervoso Central
- Doenças do Sistema Nervoso
- Distúrbios Neurocognitivos
- Distúrbios parkinsonianos
- Doenças dos Gânglios da Base
- Distúrbios do Movimento
- Sinucleinopatias
- Doenças Neurodegenerativas
- Demência
- Doença de corpos de Lewy
Outros números de identificação do estudo
Outros números de identificação do estudo
- 251ATHENS HOSPITAL
Plano para dados de participantes individuais (IPD)
Planeja compartilhar dados de participantes individuais (IPD)?
Informações sobre medicamentos e dispositivos, documentos de estudo
Estuda um medicamento regulamentado pela FDA dos EUA
Estuda um produto de dispositivo regulamentado pela FDA dos EUA
Essas informações foram obtidas diretamente do site clinicaltrials.gov sem nenhuma alteração. Se você tiver alguma solicitação para alterar, remover ou atualizar os detalhes do seu estudo, entre em contato com register@clinicaltrials.gov. Assim que uma alteração for implementada em clinicaltrials.gov, ela também será atualizada automaticamente em nosso site .