Aprendizado de máquina para diagnóstico precoce de endometriose (MLEndo) (MLEndo)
FEMaLe: O uso de aprendizado de máquina para diagnóstico precoce de endometriose com base em dados autorreferidos pela paciente - Protocolo de estudo de um ensaio multicêntrico
Visão geral do estudo
Status
Condições
Intervenção / Tratamento
Descrição detalhada
Introdução: A endometriose é uma doença complexa e crônica que afeta 176 milhões de mulheres em idade reprodutiva e permanece em grande parte sem solução. É definida pela presença de tecido semelhante ao endométrio fora do útero e está comumente associada a dor pélvica crônica, infertilidade e diminuição da qualidade de vida. Apesar dos numerosos métodos de triagem e triagem propostos, como biomarcadores, análise genômica, técnicas de imagem e questionários para substituir a laparoscopia diagnóstica invasiva, nenhum foi amplamente adotado na prática clínica.
. Apesar da disponibilidade de vários métodos de rastreio (por exemplo, biomarcadores, análise genómica, técnicas de imagem) que se destinam a substituir a necessidade de laparoscopia diagnóstica invasiva, o tempo para o diagnóstico permanece na faixa de 4 a 11 anos. Objetivos: O projeto visa criar um grande banco de dados prospectivos usando o aplicativo móvel médico Lucy e coletar e analisar perfis de pacientes e dados clínicos estruturados com inteligência artificial. Além disso, os autores investigarão a associação de componentes dietéticos removidos ou restritos com qualidade de vida, dor e sensibilização central. Métodos: Um questionário de linha de base e longitudinal no aplicativo Lucy coleta informações autorrelatadas sobre sintomas relacionados à endometriose, dados sociodemográficos, saúde física e mental, nutricionais e outros fatores de estilo de vida. 5.000 mulheres com endometriose e 5.000 mulheres em um grupo de controle serão inscritas e acompanhadas por um ano. Com essas informações, quaisquer conexões entre sintomas e endometriose serão analisadas com aprendizado de máquina. Conclusões: Os autores podem desenvolver uma descrição fenotípica de mulheres com endometriose vinculando os dados coletados com informações existentes baseadas em registros sobre diagnóstico de endometriose, utilização de serviços de saúde e abordagem de big data. Isto pode ajudar a alcançar a detecção precoce da endometriose com dor pélvica e reduzir significativamente o atual atraso no diagnóstico. Além disso, os autores podem identificar componentes nutricionais que podem piorar a qualidade de vida e a dor em mulheres com endometriose; assim, os autores podem criar recomendações dietéticas baseadas em evidências.
Palavras-chave: Endometriose, Aprendizado de máquina, Diagnóstico não invasivo, Dieta
Tipo de estudo
Inscrição (Estimado)
Contactos e Locais
Contato de estudo
- Nome: Attila Bokor
- Número de telefone: 0036 703118868
- E-mail: attila.z.bokor@gmail.com
Locais de estudo
-
-
-
Budapest, Hungria, 1088
- Recrutamento
- Semmelweis University
-
Contato:
- Attila Bokor, MD, PhD
- Número de telefone: +36703118868
- E-mail: attila.z.bokor@gmail.com
-
Contato:
- Dora Balogh, PhD
- Número de telefone: Bokor +3604591500
- E-mail: attila.z.bokor@gmail.com
-
Investigador principal:
- Attila Bokor, MD PhD
-
Budapest, Hungria, 1028
- Recrutamento
- Bokor Attila
-
Contato:
- Bokor Attila
- Número de telefone: 06703118868
- E-mail: attila.z.bokor@gmail.com
-
-
Critérios de participação
Critérios de elegibilidade
Idades elegíveis para estudo
- Filho
- Adulto
Aceita Voluntários Saudáveis
Método de amostragem
População do estudo
Descrição
Critério de inclusão:
- Mulheres em idade reprodutiva
- 5.000 pacientes com endometriose
- 5.000 pacientes sem endometriose
Critério de exclusão:
- Gravidez em curso
- Condição maligna do ovário/útero/mama
Plano de estudo
Como o estudo é projetado?
Detalhes do projeto
Coortes e Intervenções
Grupo / Coorte |
Intervenção / Tratamento |
|---|---|
|
Pacientes com endometriose e controles saudáveis
5.000 pessoas com endometriose serão inscritas e acompanhadas por um ano.
Para participar do estudo, as mulheres deveriam atender aos critérios de inclusão.
|
Avaliação de ML dos dados coletados
Outros nomes:
|
|
Ao controle
5.000 pessoas em um grupo de controle serão inscritas e acompanhadas por 1 ano.
Para participar do estudo, as mulheres deveriam atender aos critérios de inclusão.
|
Avaliação de ML dos dados coletados
Outros nomes:
|
O que o estudo está medindo?
Medidas de resultados primários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Perfil do paciente usando o aplicativo Lucy
Prazo: 24 meses
|
Estabeleça um repositório prospectivo de big data abrangente e extenso usando o aplicativo Lucy. Esta iniciativa visa identificar coortes clínicas únicas, aproveitando vários fatores, como pegadas digitais, sintomas, experiências dos pacientes, comorbidades, gravidade clínica e padrões de estilo de vida. Ao empregar o uso de ML para análise de big data, os autores podem construir perfis de pacientes e dados clínicos estruturados que facilitam a detecção precoce de endometriose com dor pélvica. Os dados autorrelatados dos participantes serão medidos da seguinte forma:
|
24 meses
|
Medidas de resultados secundários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Impacto da dieta e estilo de vida no desenvolvimento da endometriose
Prazo: 24 meses
|
Além disso, os autores podem identificar componentes nutricionais que podem piorar a qualidade de vida e a dor em mulheres com endometriose; assim, eles podem criar recomendações dietéticas baseadas em evidências. As mudanças na qualidade de vida serão avaliadas usando dados autorrelatados dos participantes que serão medidos da seguinte forma: Mudança da linha de base nas pontuações de dor na escala visual analógica em 12 meses. Alterações dos valores basais no EHP5 aos 12 meses |
24 meses
|
Outras medidas de resultado
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Carga econômica da endometriose
Prazo: 24 meses
|
Encargo económico tendo em conta o custo da alimentação e da utilização de cuidados de saúde.
O custo exato da dieta relacionada à endometriose será informado por mês em euros.
|
24 meses
|
Colaboradores e Investigadores
Patrocinador
Colaboradores
Investigadores
- Investigador principal: Attila Bokor, Semmelweis University
Datas de registro do estudo
Datas Principais do Estudo
Início do estudo (Real)
Conclusão Primária (Estimado)
Conclusão do estudo (Estimado)
Datas de inscrição no estudo
Enviado pela primeira vez
Enviado pela primeira vez que atendeu aos critérios de CQ
Primeira postagem (Real)
Atualizações de registro de estudo
Última Atualização Postada (Real)
Última atualização enviada que atendeu aos critérios de controle de qualidade
Última verificação
Mais Informações
Termos relacionados a este estudo
Palavras-chave
Termos MeSH relevantes adicionais
Outros números de identificação do estudo
- Semmelweis
Plano para dados de participantes individuais (IPD)
Planeja compartilhar dados de participantes individuais (IPD)?
Descrição do plano IPD
Prazo de Compartilhamento de IPD
Critérios de acesso de compartilhamento IPD
Tipo de informação de suporte de compartilhamento de IPD
- PROTOCOLO DE ESTUDO
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 .