Esta página foi traduzida automaticamente e a precisão da tradução não é garantida. Por favor, consulte o versão em inglês para um texto fonte.

Um novo algoritmo de aprendizado de máquina para prever as demências de corpos de Lewy (MLDLB)

8 de setembro de 2020 atualizado por: Anastasia Bougea, National and Kapodistrian University of Athens

Um novo algoritmo de aprendizado de máquina para prever as demências de corpos de Lewy usando pontuações clínicas e neuropsicológicas

A demência da doença de Parkinson (PDD) e a demência com corpos de lewy (DLB) são síndromes demenciais que se sobrepõem em muitas características clínicas, tornando o seu diagnóstico difícil na prática clínica, particularmente em fases avançadas. Propomos um algoritmo de aprendizado de máquina, baseado apenas em preditores não invasivos e facilmente colecionáveis ​​na clínica, para identificar esses distúrbios com alto desempenho prognóstico.

Visão geral do estudo

Status

Desconhecido

Condições

Intervenção / Tratamento

Descrição detalhada

O algoritmo será desenvolvido usando um conjunto de dados de dois centros de memória especializados, empregando uma amostra de indivíduos PDD e DLB cujo acompanhamento diagnóstico esteja disponível por pelo menos 3 anos após a avaliação inicial. Um conjunto restrito de informações sobre características clínico-demográficas, 6 testes neuropsicológicos (mini mental, PD Cognitive Rating Scale, Breve Teste de Memória Visuoespacial, Símbolo digitado escrito, Escala Wechsler de inteligência adulta, trilha A e B) foi usado como preditores. Dois algoritmos de classificação, regressão logística e K-Nearest Neighbors (K-NNs), serão investigados por sua capacidade de prever com sucesso se os pacientes sofrem de PDD ou DLB.

Tipo de estudo

Observacional

Inscrição (Antecipado)

200

Contactos e Locais

Esta seção fornece os detalhes de contato para aqueles que conduzem o estudo e informações sobre onde este estudo está sendo realizado.

Locais de estudo

  • Grécia
    • Attiki
      • Athens, Attiki, Grécia, 16674
        • Recrutamento
        • Anastasia Bougea
        • Contato:
        • Subinvestigador:
          • Christos Goumas, dr

Critérios de participação

Os pesquisadores procuram pessoas que se encaixem em uma determinada descrição, chamada de critérios de elegibilidade. Alguns exemplos desses critérios são a condição geral de saúde de uma pessoa ou tratamentos anteriores.

Critérios de elegibilidade

Idades elegíveis para estudo

50 anos a 90 anos (Adulto, Adulto mais velho)

Aceita Voluntários Saudáveis

Não

Gêneros Elegíveis para o Estudo

Tudo

Método de amostragem

Amostra Não Probabilística

População do estudo

o grupo PDD composto por pacientes que preenchem os critérios para provável PDD e o grupo DLB. Os pacientes serão inscritos a partir do banco de dados baseado em registro de duas clínicas. Os seguintes dados foram coletados: sexo, idade, escolaridade, dominância da mão, duração da doença (anos) e dose diária equivalente de levodopa (LEDD). A carga da doença será avaliada pela Escala de Avaliação da Doença de Parkinson da Sociedade de Distúrbios do Movimento (MDS-UPDRS) parte III no estado sem medicação e os seis testes cognitivos/comportamentais a seguir: Mini-Mental State Examination (MMSE), PD- Escala de Avaliação Cognitiva (PD-CRS), Teste de Memória Visuoespacial Breve (BVMT-TR), Símbolo de dígito escrito (SDMT), Teste de trilha (TMT A,B), Escala Wechsler de inteligência adulta (WAIS-V). Todos os pacientes serão submetidos a ressonância magnética cerebral e exame de sangue para excluir causas secundárias de demência.

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

Esta seção fornece detalhes do plano de estudo, incluindo como o estudo é projetado e o que o estudo está medindo.

Como o estudo é projetado?

Detalhes do projeto

Coortes e Intervenções

Grupo / Coorte
Intervenção / Tratamento
Doença de Parkinson Demência
o grupo PDD composto por 58 pacientes que preenchem os critérios para provável PDD da Movement Disorders Society
Teste de diagnostico: modelo de aprendizado de máquina
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
Teste de diagnostico: modelo de aprendizado de máquina
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

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

É aqui que você encontrará pessoas e organizações envolvidas com este estudo.

Patrocinador

National and Kapodistrian University of Athens

Investigadores

  • Investigador principal: ANASTASIA BOUGEA, National and Kapodistrian University of Athens

Publicações e links úteis

A pessoa responsável por inserir informações sobre o estudo fornece voluntariamente essas publicações. Estes podem ser sobre qualquer coisa relacionada ao estudo.

Publicações Gerais

Datas de registro do estudo

Essas datas acompanham o progresso do registro do estudo e os envios de resumo dos resultados para ClinicalTrials.gov. Os registros do estudo e os resultados relatados são revisados ​​pela National Library of Medicine (NLM) para garantir que atendam aos padrões específicos de controle de qualidade antes de serem publicados no site público.

Datas Principais do Estudo

Início do estudo (Real)

1 de setembro de 2019

Conclusão Primária (Antecipado)

1 de outubro de 2020

Conclusão do estudo (Antecipado)

1 de março de 2021

Datas de inscrição no estudo

Enviado pela primeira vez

21 de junho de 2020

Enviado pela primeira vez que atendeu aos critérios de CQ

24 de junho de 2020

Primeira postagem (Real)

25 de junho de 2020

Atualizações de registro de estudo

Última Atualização Postada (Real)

10 de setembro de 2020

Última atualização enviada que atendeu aos critérios de controle de qualidade

8 de setembro de 2020

Última verificação

1 de setembro de 2020

Mais Informações

Termos relacionados a este estudo

Termos MeSH relevantes adicionais

Outros números de identificação do estudo

  • 251ATHENS HOSPITAL

Plano para dados de participantes individuais (IPD)

Planeja compartilhar dados de participantes individuais (IPD)?

NÃO

Informações sobre medicamentos e dispositivos, documentos de estudo

Estuda um medicamento regulamentado pela FDA dos EUA

Não

Estuda um produto de dispositivo regulamentado pela FDA dos EUA

Não

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 .

Ensaios clínicos em modelo de aprendizado de máquina

Pesquisar ensaios semelhantes

Patrocinadores e Colaboradores

Condições médicas

Intervenções de drogas

CROs by country

CROs in Austria

Condições

Doenças Raras

Intervenções de drogas

Suplementos Alimentares

Patrocinador / Colaboradores

Localizações

Se inscrever