Эта страница была переведена автоматически, точность перевода не гарантируется. Пожалуйста, обратитесь к английской версии для исходного текста.

Разработка алгоритма идентификации паттерна воспалительного заболевания кишечника с использованием данных серии случаев

4 марта 2020 г. обновлено: Hyangsook Lee, KMD, PhD

Травяная медицина при воспалительных заболеваниях кишечника: разработка алгоритма идентификации закономерностей путем ретроспективного анализа данных о серии случаев

Это исследование было направлено на выявление паттернов воспалительных заболеваний кишечника (ВЗК) на основе имеющихся симптомов и предложение алгоритмов для определения паттернов и рецептов трав для соответствующих паттернов. Исследователи собрали данные о симптомах 67 пациентов с ВЗК, которые достигли и сохранили клиническую ремиссию после того, как они принимали рецепты фитотерапии. Рецепты были разделены на 5 моделей, которые были названы в честь основных особенностей и симптомов включенных пациентов. Связи между присутствующими симптомами и паттернами визуализировались с использованием метода термина «частота, обратная частоте документа» (TF-IDF). Определение паттернов ВЗК по симптомам пациентов было проанализировано и нанесено на карту с помощью моделирования дерева решений.

Обзор исследования

Статус

Завершенный

Условия

Вмешательство/лечение

Подробное описание

Травяные рецепты являются одной из наиболее востребованных дополнительных и альтернативных стратегий лечения пациентов с воспалительными заболеваниями кишечника. Однако вариативность в идентификации паттернов традиционной китайской медицины (ТКМ) / традиционной восточноазиатской медицины (TEAM) подвергалась критике. Используя данные о пациентах, достигших и сохранивших клиническую ремиссию после назначения фитотерапии ТКМ/ТИМ, исследователи стремились разработать алгоритмы лечения, уточненные по выявленной схеме и ключевым симптомам, которые практикующие врачи могут легко различать.

Основываясь на назначении трав, которые вызвали клиническую ремиссию, пациенты с ВЗК были разделены на 5 типов, то есть тип толстого кишечника, тип воды и сырости, респираторный тип, тип верхних отделов желудочно-кишечного тракта (ЖКТ) и тип холода. С помощью метода термин-частота-обратная документ-частота (TF-IDF) была проанализирована связь между 22 симптомами, которые были описаны как показания к назначению фитотерапии, и 5 паттернами. Моделирование дерева решений использовалось для прогнозирования соответствующих закономерностей на основе симптомов.

Тип исследования

Наблюдательный

Регистрация (Действительный)

67

Контакты и местонахождение

В этом разделе приведены контактные данные лиц, проводящих исследование, и информация о том, где проводится это исследование.

Места учебы

Критерии участия

Исследователи ищут людей, которые соответствуют определенному описанию, называемому критериям приемлемости. Некоторыми примерами этих критериев являются общее состояние здоровья человека или предшествующее лечение.

Критерии приемлемости

Возраст, подходящий для обучения

От 15 лет до 65 лет (Ребенок, Взрослый, Пожилой взрослый)

Принимает здоровых добровольцев

Нет

Полы, имеющие право на обучение

Все

Метод выборки

Невероятностная выборка

Исследуемая популяция

Пациенты, у которых гастроэнтеролог поставил диагноз ВЗК и которые достигли клинической ремиссии после лечения по рецептам фитотерапии.

Описание

Критерии включения:

  • Диагностика ВЗК гастроэнтерологом
  • Пациенты достигли и сохранили клиническую ремиссию симптомов ВЗК после того, как они принимали травяные рецепты.
  • Пациенты дали письменное информированное согласие

Критерий исключения:

  • Подробности относительно любого из 25 симптомов были опущены.

Учебный план

В этом разделе представлена ​​подробная информация о плане исследования, в том числе о том, как планируется исследование и что оно измеряет.

Как устроено исследование?

Детали дизайна

Когорты и вмешательства

Группа / когорта
Вмешательство/лечение
Обучение/тестирование алгоритма дерева решений
Исследователи разделили данные 67 пациентов на 5 групп для пятикратной перекрестной проверки. Четыре группы использовались для обучения алгоритма дерева решений, а одна группа использовалась для его тестирования.
Другой: Моделирование дерева решений

Анализ дерева решений использовался для изучения процесса принятия решений по типам паттернов на основе наличия или отсутствия симптома. В конце представленного дерева указана доля пациентов, отнесенных к каждой категории.

В этом исследовании классификация выполнялась с применением алгоритма дерева классификации и регрессии (CART) с использованием пакета Python Scikit-learn, который выполняет деление с использованием коэффициента Джини или декремента дисперсии. Коэффициент Джини является одним из инструментов измерения энтропии или разнообразия в каждом узле и измеряет декремент путем сравнения информационной энтропии до и после разделения. Чтобы избежать переобучения, максимальное количество листовых узлов было ограничено четырьмя, и был применен метод обрезки, который соответствовал принципу минимальной длины описания.

Что измеряет исследование?

Первичные показатели результатов

Мера результата
Мера Описание
Временное ограничение
Точность алгоритма идентификации образов
Временное ограничение: Октябрь 2015 г.
Предложен алгоритм идентификации образов с использованием метода дерева решений. Метод дерева решений был использован для изучения процесса принятия решений о типах паттернов на основе клинических особенностей пациентов.
Октябрь 2015 г.

Соавторы и исследователи

Здесь вы найдете людей и организации, участвующие в этом исследовании.

Спонсор

Hyangsook Lee, KMD, PhD

Публикации и полезные ссылки

Лицо, ответственное за внесение сведений об исследовании, добровольно предоставляет эти публикации. Это может быть что угодно, связанное с исследованием.

Общие публикации

Даты записи исследования

Эти даты отслеживают ход отправки отчетов об исследованиях и сводных результатов на сайт ClinicalTrials.gov. Записи исследований и сообщаемые результаты проверяются Национальной медицинской библиотекой (NLM), чтобы убедиться, что они соответствуют определенным стандартам контроля качества, прежде чем публиковать их на общедоступном веб-сайте.

Изучение основных дат

Начало исследования (Действительный)

1 ноября 2007 г.

Первичное завершение (Действительный)

28 февраля 2015 г.

Завершение исследования (Действительный)

28 октября 2015 г.

Даты регистрации исследования

Первый отправленный

3 марта 2020 г.

Впервые представлено, что соответствует критериям контроля качества

3 марта 2020 г.

Первый опубликованный (Действительный)

5 марта 2020 г.

Обновления учебных записей

Последнее опубликованное обновление (Действительный)

6 марта 2020 г.

Последнее отправленное обновление, отвечающее критериям контроля качества

4 марта 2020 г.

Последняя проверка

1 марта 2020 г.

Дополнительная информация

Термины, связанные с этим исследованием

Ключевые слова

Дополнительные соответствующие термины MeSH

Другие идентификационные номера исследования

  • KyungheeU

Информация о лекарствах и устройствах, исследовательские документы

Изучает лекарственный продукт, регулируемый FDA США.

Нет

Изучает продукт устройства, регулируемый Управлением по санитарному надзору за качеством пищевых продуктов и медикаментов США.

Нет

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. .

Подписаться