Denna sida har översatts automatiskt och översättningens korrekthet kan inte garanteras. Vänligen se engelsk version för en källtext.

Bipolar Disorder and Oxidative Stress Injury Mechanism - Clinical Big Data Analysis Based on Machine Learning

13 maj 2019 uppdaterad av: Yiru FANG M.D., Ph.D., Shanghai Mental Health Center
This study is a single-center, retrospective, cross-sectional study. We plan to work with our network information center to analysis the related indicators of oxidative stress injury in patients with bipolar disorder based on oxidative stress data. During the study, machine learning was used as a data analysis method to screen out the biomarker risk factors with sensitivity and specificity for early recognition of bipolar disorder from major depression disorder with oxidative stress injury as the core. And then build up effective clinical predictive models for early identification of bipolar disorder, which can predict the early quantitative probabilistic of the onset of bipolar disorder.

Studieöversikt

Status

Avslutad

Betingelser

Studietyp

Observationell

Inskrivning (Faktisk)

3702

Kontakter och platser

Det här avsnittet innehåller kontaktuppgifter för dem som genomför studien och information om var denna studie genomförs.

Studieorter

    • Shanghai
      • Shanghai, Shanghai, Kina, 200030
        • Shanghai Mental Health Center

Deltagandekriterier

Forskare letar efter personer som passar en viss beskrivning, så kallade behörighetskriterier. Några exempel på dessa kriterier är en persons allmänna hälsotillstånd eller tidigare behandlingar.

Urvalskriterier

Åldrar som är berättigade till studier

  • Barn
  • Vuxen
  • Äldre vuxen

Tar emot friska volontärer

N/A

Kön som är behöriga för studier

Allt

Testmetod

Icke-sannolikhetsprov

Studera befolkning

Subjects are hospitalized patients in SMHC from 2009 to 2018; meet ICD-10 diagnosis of F31 bipolar disorder, F32 depressive disorder criteria and its subtype (mental examination was conducted by three levels of doctors including at least one attending physician and one chief physician in psychiatric); available relevant HIS system biochemical data; hospitalized patients need to the first admission; age and gender is not limited

Beskrivning

Inclusion Criteria:

  • age is not limited
  • gender is not limited
  • meets the diagnostic criteria for bipolar disorder of ICD-10 F31,F32 and its sub-categories
  • has relevant HIS system data that can be utilized.

Exclusion Criteria:

  • patients who did not meet the appeal diagnosis after three-level rounds of ward
  • patients who met the above three diagnoses but had severe data loss (missing value ≥ estimated data value of 30%)

Studieplan

Det här avsnittet ger detaljer om studieplanen, inklusive hur studien är utformad och vad studien mäter.

Hur är studien utformad?

Designdetaljer

Kohorter och interventioner

Grupp / Kohort
bipolar disorder(BD)
hospitalized patients BD patients in SMHC from 2009 to 2018; meet ICD-10 diagnosis of F31 bipolar disorder criteria and its subtype (mental examination was conducted by three levels of doctors including at least one attending physician and one chief physician in psychiatric); available relevant HIS system biochemical data; hospitalized patients need to the first admission; age and gender is not limited
major depressive disorder(MDD)
hospitalized patients MDD patients in SMHC from 2009 to 2018; meet ICD-10 diagnosis of F32 depressive disorder criteria and its subtype (mental examination was conducted by three levels of doctors including at least one attending physician and one chief physician in psychiatric); available relevant HIS system biochemical data; hospitalized patients need to the first admission; age and gender is not limited

Vad mäter studien?

Primära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Early prediction model of bipolar disorder with oxidative stress index as the core
Tidsram: at August 2019
Based on the oxidative stress data, the study will analysis related indicators of oxidative stress injury in patients with bipolar disorder. Then use the method of machine learning to build up the early prediction model of bipolar disorder.
at August 2019

Samarbetspartners och utredare

Det är här du hittar personer och organisationer som är involverade i denna studie.

Utredare

  • Huvudutredare: Yiru Fang, Shanghai Mental Health Center

Publikationer och användbara länkar

Den som ansvarar för att lägga in information om studien tillhandahåller frivilligt dessa publikationer. Dessa kan handla om allt som har med studien att göra.

Studieavstämningsdatum

Dessa datum spårar framstegen för inlämningar av studieposter och sammanfattande resultat till ClinicalTrials.gov. Studieposter och rapporterade resultat granskas av National Library of Medicine (NLM) för att säkerställa att de uppfyller specifika kvalitetskontrollstandarder innan de publiceras på den offentliga webbplatsen.

Studera stora datum

Studiestart (Faktisk)

20 november 2018

Primärt slutförande (Faktisk)

20 november 2018

Avslutad studie (Faktisk)

20 november 2018

Studieregistreringsdatum

Först inskickad

13 maj 2019

Först inskickad som uppfyllde QC-kriterierna

13 maj 2019

Första postat (Faktisk)

14 maj 2019

Uppdateringar av studier

Senaste uppdatering publicerad (Faktisk)

14 maj 2019

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

13 maj 2019

Senast verifierad

1 maj 2019

Mer information

Termer relaterade till denna studie

Andra studie-ID-nummer

  • CRC2018DSJ01-1

Läkemedels- och apparatinformation, studiedokument

Studerar en amerikansk FDA-reglerad läkemedelsprodukt

Nej

Studerar en amerikansk FDA-reglerad produktprodukt

Nej

Denna information hämtades direkt från webbplatsen clinicaltrials.gov utan några ändringar. Om du har några önskemål om att ändra, ta bort eller uppdatera dina studieuppgifter, vänligen kontakta register@clinicaltrials.gov. Så snart en ändring har implementerats på clinicaltrials.gov, kommer denna att uppdateras automatiskt även på vår webbplats .

3
Prenumerera