En ny maskininlärningsalgoritm för att förutsäga Lewy-kroppsdemens (MLDLB)
8 september 2020 uppdaterad av: Anastasia Bougea, National and Kapodistrian University of Athens
En ny maskininlärningsalgoritm för att förutsäga Lewy-kroppsdemens med hjälp av kliniska och neuropsykologiska resultat
Parkinsons sjukdom demens (PDD) och demens med lewy kroppar (DLB) är demenssyndrom som överlappar i många kliniska egenskaper, vilket gör deras diagnos svår i klinisk praxis, särskilt i avancerade stadier.
Vi föreslår en maskininlärningsalgoritm, endast baserad på icke-invasiv och lätt samlade prediktorer på kliniken, för att identifiera dessa störningar med en hög prognostisk prestanda.
Studieöversikt
Detaljerad beskrivning
Algoritmen kommer att utvecklas med hjälp av datauppsättningar från två specialiserade minnescenter, med ett urval av PDD- och DLB-personer vars diagnostiska uppföljning är tillgänglig i minst 3 år efter baslinjebedömningen.
En begränsad uppsättning information om klinisk-demografiska egenskaper, 6 neuropsykologiska tester (minimentala, PD Cognitive Rating Scale, Brief Visuospatial Memory-test, Symbol siffra skriven, Wechslers vuxen intelligensskala, spårbildning A och B) användes som prediktorer.
Två klassificeringsalgoritmer, logistisk regression och K-Nearest Neighbors (K-NNs), kommer att undersökas för deras förmåga att framgångsrikt förutsäga om patienter led av PDD eller DLB.
Studietyp
Observationell
Inskrivning (Förväntat)
200
Kontakter och platser
Det här avsnittet innehåller kontaktuppgifter för dem som genomför studien och information om var denna studie genomförs.
Studieorter
-
-
Attiki
-
Athens, Attiki, Grekland, 16674
- Rekrytering
- Anastasia Bougea
-
Kontakt:
- EFTHYMIA EFTHYMIIOPOULOU, dr
- Telefonnummer: 00306943061632
- E-post: faih.efthymiopoulou@gmail.com
-
Underutredare:
- Christos Goumas, dr
-
-
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
50 år till 90 år (Vuxen, Äldre vuxen)
Tar emot friska volontärer
Nej
Kön som är behöriga för studier
Allt
Testmetod
Icke-sannolikhetsprov
Studera befolkning
PDD-gruppen består av patienter som uppfyller kriterierna för sannolik PDD och DLB-gruppen. Patienter kommer att registreras från den registerbaserade databasen på två kliniker.
Följande data samlades in: kön, ålder, utbildning, handdominans, sjukdomslängd (år) och levodopaekvivalent daglig dos (LEDD).
Sjukdomsbördan kommer att bedömas av Movement Disorders Society-United Parkinson's Disease Rating Scale (MDS-UPDRS) del III i avstängt läkemedelstillstånd och följande sex kognitiva/beteendetest: Mini-Mental State Examination (MMSE), PD- Cognitive Rating Scale (PD-CRS), Brief Visuospatial Memory test (BVMT-TR), Symbol digit written (SDMT), Trail making test (TMT A,B), Wechsler adultintelligence scale (WAIS-V).
Alla patienter kommer att genomgå hjärn-MRT och blodprov för att utesluta sekundära orsaker till demens.
Beskrivning
Inklusionskriterier:
PDD-gruppen bestod av patienter som uppfyller kriterierna för sannolik PDD i Movement Disorders Society (b) DLB-gruppen bestod av patienter, enligt de nyligen reviderade kriterierna för trolig DLB.
Exklusions kriterier:
- stora psykiatriska störningar, depression
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 |
Intervention / Behandling |
|---|---|
|
Parkinsons sjukdom demens
PDD-gruppen bestod av 58 patienter som uppfyllde kriterierna för sannolik PDD från Movement Disorders Society
|
Två klassificeringsalgoritmer, logistisk regression och K-Nearest Neighbors (K-NNs), undersöktes för deras förmåga att framgångsrikt förutsäga om patienter led av PDD eller DLB.
|
|
Demens med Lewy Bodies
DLB-gruppen bestod av 40 patienter, enligt de nyligen reviderade kriterierna för trolig DLB
|
Två klassificeringsalgoritmer, logistisk regression och K-Nearest Neighbors (K-NNs), undersöktes för deras förmåga att framgångsrikt förutsäga om patienter led av PDD eller DLB.
|
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
MMSE prediktiv för dlb eller PDD
Tidsram: 1 år
|
Två klassificeringsalgoritmer, logistisk regression och K-Nearest Neighbors (K-NNs), kommer att kombinera dessa tester för att undersöka deras förmåga att framgångsrikt förutsäga om patienter led av PDD eller DLB.
|
1 år
|
|
Parkinsons sjukdom - Cognitive Rating Scale (PD-CRS) prediktiv för DLB eller PDD
Tidsram: 1 år
|
Två klassificeringsalgoritmer, logistisk regression och K-Nearest Neighbors (K-NNs), kommer att kombinera dessa tester för att undersöka deras förmåga att framgångsrikt förutsäga om patienter led av PDD eller DLB.
|
1 år
|
|
Kort Visuospatial Memory Test (BVMT-TR) prediktivt för DLB eller PDD
Tidsram: 1 år
|
Två klassificeringsalgoritmer, logistisk regression och K-Nearest Neighbors (K-NNs), kommer att kombinera dessa tester för att undersöka deras förmåga att framgångsrikt förutsäga om patienter led av PDD eller DLB.
|
1 år
|
|
Symbolsiffra skriven prediktiv för DLB eller PDD
Tidsram: 1 år
|
Två klassificeringsalgoritmer, logistisk regression och K-Nearest Neighbors (K-NNs), kommer att kombinera dessa tester för att undersöka deras förmåga att framgångsrikt förutsäga om patienter led av PDD eller DLB.
|
1 år
|
|
Wechslers intelligensskala för vuxna, prediktiv för DLB eller PDD
Tidsram: 1 år
|
Två klassificeringsalgoritmer, logistisk regression och K-Nearest Neighbors (K-NNs), kommer att kombinera dessa tester för att undersöka deras förmåga att framgångsrikt förutsäga om patienter led av PDD eller DLB.
|
1 år
|
|
spår som gör A och B prediktiva för DLB eller PDD
Tidsram: 1 år
|
Två klassificeringsalgoritmer, logistisk regression och K-Nearest Neighbors (K-NNs), kommer att kombinera dessa tester för att undersöka deras förmåga att framgångsrikt förutsäga om patienter led av PDD eller DLB.
|
1 år
|
Samarbetspartners och utredare
Det är här du hittar personer och organisationer som är involverade i denna studie.
Utredare
- Huvudutredare: ANASTASIA BOUGEA, National and Kapodistrian University of Athens
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)
1 september 2019
Primärt slutförande (Förväntat)
1 oktober 2020
Avslutad studie (Förväntat)
1 mars 2021
Studieregistreringsdatum
Först inskickad
21 juni 2020
Först inskickad som uppfyllde QC-kriterierna
24 juni 2020
Första postat (Faktisk)
25 juni 2020
Uppdateringar av studier
Senaste uppdatering publicerad (Faktisk)
10 september 2020
Senaste inskickade uppdateringen som uppfyllde QC-kriterierna
8 september 2020
Senast verifierad
1 september 2020
Mer information
Termer relaterade till denna studie
Ytterligare relevanta MeSH-villkor
Andra studie-ID-nummer
- 251ATHENS HOSPITAL
Plan för individuella deltagardata (IPD)
Planerar du att dela individuella deltagardata (IPD)?
NEJ
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 .