- ICH GCP
- Реестр клинических исследований США
- Клиническое испытание NCT04794855
Модель прогнозирования риска преэклампсии
Изучение модели прогнозирования риска преэклампсии
Преэклампсия является основной причиной повышенной материнской и перинатальной смертности во время беременности. Преэклампсия в основном проявляется артериальной гипертензией, белком в моче или симптомами поражения других органов-мишеней после 20 недель беременности. В группе высокого риска преэклампсии раннее вмешательство и профилактика лечения аспирином могут уменьшить преэклампсию или уменьшить ее осложнения. Некоторые серологические биомаркеры, такие как плацентарный белок 13 и плацентарный фактор роста, тесно связаны с преэклампсией. Клинические проявления преэклампсии разнообразны, и распределение биомаркеров ранней и поздней преэклампсии также различно. Многомерные модели станут тенденцией для прогнозирования риска преэклампсии. Модель глубокого обучения может обучать алгоритм слой за слоем с помощью метода обучения без учителя, а затем использовать алгоритм обратного распространения с учителем для настройки. Он обладает большими возможностями и гибкостью и успешно применяется в медицинских областях, таких как диагностика рака кожи.
В этом исследовании клинические данные матери, обычные лабораторные показатели и биологические маркеры на ранних сроках беременности будут объединены, а метод глубокого обучения, основанный на нескольких моделях, будет принят для создания модели прогнозирования риска ранней преэклампсии, чтобы улучшить клиническую способность. для ранней диагностики преэклампсии. Метод глубокого обучения уменьшает количество параметров за счет использования пространственного относительного отношения, что может улучшить способность модели прогнозировать. Метод мультимоделей — менее распространенный метод моделирования, и модели, созданные этим методом, обычно обладают большей стабильностью.
Этот проект сочетает в себе два вышеупомянутых метода для создания модели прогнозирования риска преэклампсии, и исследование имеет большое значение.
Обзор исследования
Статус
Условия
Вмешательство/лечение
Подробное описание
Объекты исследования:
Это проспективное исследование. Около 2000 беременных женщин будут проходить регулярное пренатальное обследование в отделении акушерства Третьей больницы Пекинского университета. В течение 6-8 недель беременности перед установлением акушерских карт требовалось проведение рутинных лабораторных исследований, таких как функция печени. Остатки сыворотки от обычных лабораторных анализов будут собраны и заморожены при температуре -80 ℃ для обнаружения биологических маркеров после родов.
Некоторые стандартные лабораторные тесты будут проводиться с пренатальным обследованием на 16-18 ГВт, 26-28 ГВт, 30-34 ГВт. Оставшаяся сыворотка участников будет собрана, если были проведены обычные тесты.
Мы не будем брать дополнительные образцы крови у участников.
План обеспечения качества:
- Внимательно проверьте информацию о пациенте и сроке беременности, чтобы получить правильные случаи.
- Образцы гемолиза, помутнения липидов и желтухи должны быть устранены, чтобы предотвратить влияние на результаты эксперимента.
- Сыворотку помещали в пробирку для криоконсервации и сразу же хранили при температуре -70℃.
- Калибровка и контроль качества должны проводиться для каждой партии испытаний. Запишите результаты контроля качества и начните тестирование после контроля.
Словарь данных:
(1) Общая информация об объекте исследования: данные о факторах риска преэклампсии были собраны на 6-8 неделе беременности, в том числе возраст, первородящая или многородящая, многоплодие, индекс массы тела до беременности, преэклампсия в анамнезе, базальное систолическое артериальное давление, базальное диастолическое артериальное давление, артериальная гипертензия в анамнезе, почечная история, диабет в анамнезе, аутоиммунный анамнез и т. д. Вышеупомянутые записи будут получены из системы медицинских записей.
(3) Результаты стандартных лабораторных анализов: результаты лабораторных анализов, такие как общий холестерин, триглицериды, холестерин липопротеинов высокой плотности, холестерин липопротеинов низкой плотности и реактивный белок липопротеинов А и С, аланинаминотрансфераза, аспартатаминотрансфераза, лактатдегидрогеназа, мочевина, мочевая кислота, креатинин и цистатин C, D-димер, соотношение нейтрофилов и лимфоцитов, соотношение тромбоцитов и лимфоцитов и так далее, приведенные выше результаты испытаний можно запросить из электронной системы медицинской документации.
(4) Обнаружение биологических маркеров: после родов биомаркеры будут протестированы с образцами 6-8 GW 2000 участников, такими как фактор комплемента B, фактор комплемента H, C3, комплемент C4, матриксные металлопротеиназы 7, белок плаценты 13. , рецептор растворимого сосудистого эндотелиального фактора роста 1, плацентарный фактор роста, фибронектин и др.
(5) Создание базы данных: Для ввода вышеуказанных исходных данных в базу данных.
Размер выборки: от 100 до 160 пациентов с преэклампсией будут отобраны из 2000 участников в соответствии с частотой преэклампсии, которая составляет от 3% до 8%.
Отсутствующие данные будут отмечены как отсутствующие, недоступные, несообщаемые, не поддающиеся интерпретации или считающиеся отсутствующими из-за несоответствия данных или результатов, выходящих за пределы допустимого диапазона в соответствии с фактическими условиями.
План статистического анализа:
С помощью модели одномерной логистической регрессии клинические данные матери, рутинные лабораторные тесты и биологические маркеры на ранних сроках беременности были разделены на две категории: «важные показатели» и «общие показатели».
Набор данных был разделен на обучающий набор и тестовый набор в соотношении 3:1 для обучения и тестирования модели прогнозирования риска преэклампсии соответственно.
Выборки беременных женщин без преэклампсии в обучающей выборке были равномерно разделены на три подмножества A, B и C, а выборка пациенток с преэклампсией в обучающей выборке была названа набором D. Построить модель глубокого обучения с двумя наборами A и D, построить модель глубокого обучения с двумя наборами B и D и построить модель глубокого обучения с двумя наборами C и D. Эти три модели последовательно называются моделью 1, моделью 2 и моделью 3.
Метод испытания модели:
Подставляя данные каждого образца в тестовом наборе в три вышеупомянутые модели глубокого обучения, получают три выходных значения каждого образца, а затем получают прогноз типа каждого образца на основе среднего значения трех чисел. Затем результаты прогнозирования сравниваются с образцами меток для оценки модели.
Тип исследования
Регистрация (Ожидаемый)
Контакты и местонахождение
Места учебы
-
-
Beijing
-
Beijing, Beijing, Китай, 100191
- Peking University Third Hospital
-
-
Критерии участия
Критерии приемлемости
Возраст, подходящий для обучения
Принимает здоровых добровольцев
Полы, имеющие право на обучение
Метод выборки
Исследуемая популяция
Описание
Критерии включения:
- Беременные женщины в возрасте 20-50 лет, первородящие или послеродовые,
- и прохождение пренатального обследования в Третьей больнице Пекинского университета;
- и родить живых плодов или мертворожденных плодов с нормальным внешним видом через 24 недели.
Критерий исключения:
- У беременной женщины опухоль,
- или имеет тяжелую аномалию развития плода,
- или прерывание беременности до 24 недель,
- или плод погибает.
Учебный план
Как устроено исследование?
Детали дизайна
Когорты и вмешательства
Группа / когорта |
Вмешательство/лечение |
|---|---|
|
беременные женщины
наблюдение с 6-8 недель.
|
рутинные лабораторные анализы и тесты на биомаркеры
|
Что измеряет исследование?
Первичные показатели результатов
Мера результата |
Мера Описание |
Временное ограничение |
|---|---|---|
|
преэклампсия
Временное ограничение: беременность после 20 гетационной недели
|
Преэклампсия определяется как новая гипертензия (артериальное давление 140/90 мм рт.ст.) с протеинурией (300 мг/24 ч) на 20-й неделе беременности или позже.
|
беременность после 20 гетационной недели
|
Соавторы и исследователи
Спонсор
Соавторы
Следователи
- Директор по исследованиям: Keke Jia, master, Study Director
Даты записи исследования
Изучение основных дат
Начало исследования (ДЕЙСТВИТЕЛЬНЫЙ)
Первичное завершение (ОЖИДАЕТСЯ)
Завершение исследования (ОЖИДАЕТСЯ)
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
- 76439-02
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. .