Прогноз моторной реакции STN DBS при БП (DBS-PREDICT)
Прогнозирование двигательной реакции с помощью машинного обучения после STN DBS у пациентов с болезнью Паркинсона, ретроспективное многоцентровое проверочное исследование
Несмотря на тщательный отбор пациентов для глубокой стимуляции субталамического ядра (STN DBS), у некоторых пациентов с болезнью Паркинсона (БП) наблюдается ограниченное улучшение двигательной инвалидности. Неубедительные результаты и отсутствие практического имплантируемого алгоритма прогнозирования из предыдущих исследований по прогнозированию поддерживают потребность в простом инструменте для неврологов, который обеспечивает надежный прогноз послеоперационного улучшения моторики у отдельных пациентов.
В этом исследовании подтверждается ранее разработанная модель прогнозирования двигательной реакции после STN DBS у пациентов с БП. Модель генерирует индивидуальные вероятности того, что через год после операции человек станет слабо реагирующим. Модель будет проверена в когорте, собранной из нескольких международных центров.
Прогностическая модель становится общедоступной перед сбором данных на: https://github.com/jgvhabets/DBSPREDICT.
Обзор исследования
Статус
Условия
Подробное описание
Прогнозирование двигательного исхода после STN DBS при болезни Паркинсона может быть сложной задачей для клинициста. Текущие исследования по прогнозированию сообщают о неокончательных результатах по наиболее важным предикторам и ограничены используемыми вычислительными методами. Традиционный статистический анализ, который фокусируется на корреляциях, смещен из-за выбора исследователями предикторов и вмешивающихся факторов. Современные вычислительные методы, такие как модели прогнозирования машинного обучения, менее ограничены размером выборки и могут учитывать более широкий диапазон предикторов, что приводит к меньшему смещению выбора.
Ретроспективные данные о пациентах собираются из нескольких международных центров. Эта ретроспективная многоцентровая когорта используется для проверки модели, разработанной на основе одноцентровой ретроспективной когорты.
Цель состоит в том, чтобы разработать инструмент прогнозирования, который предоставит клиницисту вероятность слабого ответа на предоперационном этапе. Это может помочь клиницисту включить или проинформировать пациента во время предоперационного консультирования.
Прогностическая модель становится общедоступной перед сбором данных по адресу: https://github.com/jgvhabets/DBSPREDICT.
Тип исследования
Регистрация (Действительный)
Контакты и местонахождение
Места учебы
-
-
Limburg
-
Maastricht, Limburg, Нидерланды, 6229 AZ
- MaastrichtUMC
-
-
Критерии участия
Критерии приемлемости
Возраст, подходящий для обучения
Принимает здоровых добровольцев
Полы, имеющие право на обучение
Метод выборки
Исследуемая популяция
Описание
Критерии включения:
- прошел STN DBS по поводу болезни Паркинсона
- завершено годичное наблюдение после операции
Критерий исключения:
- отсутствующие данные в послеоперационном UPDRS II, III, IV
Учебный план
Как устроено исследование?
Детали дизайна
- Наблюдательные модели: Когорта
- Временные перспективы: Ретроспектива
Когорты и вмешательства
Группа / когорта |
Вмешательство/лечение |
|---|---|
|
когорта многоцентровой проверки
Мы собираем ретроспективные данные из нескольких международных центров, содержащие дооперационные переменные (демографические и клинические) и послеоперационные исходы (UPDRS II, III, IV) через год после операции, и объединяем эти данные в одну проверочную когорту.
|
Генерация индивидуальных вероятностей двигательной реакции на основе предоперационных переменных
|
Что измеряет исследование?
Первичные показатели результатов
Мера результата |
Мера Описание |
Временное ограничение |
|---|---|---|
|
площадь под кривой кривой оператора приемника
Временное ограничение: год после операции
|
Двигательный результат классифицируется в бинарной переменной результата. Модель будет предсказывать, к какой группе результатов будет принадлежать пациент через год после операции. Первичная мера результата — это соответствие прогнозируемых категорий результатов реальным категориям результатов. Производительность моделей прогнозирования выражается как площадь под кривой кривой оператора приемника, точность прогнозирования, частота истинно положительных прогнозов и частота ложноположительных прогнозов. |
год после операции
|
|
предсказательная точность
Временное ограничение: год после операции
|
См. описание основного результата 1.
|
год после операции
|
|
истинный положительный коэффициент предсказания
Временное ограничение: год после операции
|
См. описание основного результата 1.
|
год после операции
|
|
частота ложноположительных предсказаний
Временное ограничение: год после операции
|
См. описание основного результата 1.
|
год после операции
|
Соавторы и исследователи
Даты записи исследования
Изучение основных дат
Начало исследования (Действительный)
Первичное завершение (Действительный)
Завершение исследования (Действительный)
Даты регистрации исследования
Первый отправленный
Впервые представлено, что соответствует критериям контроля качества
Первый опубликованный (Действительный)
Обновления учебных записей
Последнее опубликованное обновление (Действительный)
Последнее отправленное обновление, отвечающее критериям контроля качества
Последняя проверка
Дополнительная информация
Термины, связанные с этим исследованием
Ключевые слова
Дополнительные соответствующие термины MeSH
Другие идентификационные номера исследования
- 2019-0739-A9
Планирование данных отдельных участников (IPD)
Планируете делиться данными об отдельных участниках (IPD)?
Описание плана IPD
Сроки обмена IPD
Критерии совместного доступа к IPD
Совместное использование IPD Поддерживающий тип информации
- Протокол исследования
- Аналитический код
Информация о лекарствах и устройствах, исследовательские документы
Изучает лекарственный продукт, регулируемый FDA США.
Изучает продукт устройства, регулируемый Управлением по санитарному надзору за качеством пищевых продуктов и медикаментов США.
Эта информация была получена непосредственно с веб-сайта clinicaltrials.gov без каких-либо изменений. Если у вас есть запросы на изменение, удаление или обновление сведений об исследовании, обращайтесь по адресу register@clinicaltrials.gov. Как только изменение будет реализовано на clinicaltrials.gov, оно будет автоматически обновлено и на нашем веб-сайте. .