- ICH GCP
- Amerikanska kliniska prövningsregistret
- Klinisk prövning NCT06147687
Maskininlärning för tidig diagnos av endometrios (MLEndo) (MLEndo)
KVINNA: Användningen av maskininlärning för tidig diagnos av endometrios baserat på patientens självrapporterade data - studieprotokoll för en multicenterprövning
Studieöversikt
Status
Betingelser
Intervention / Behandling
Detaljerad beskrivning
Inledning: Endometrios är en komplex och kronisk sjukdom som drabbar ~176 miljoner kvinnor i reproduktiv ålder och som i stort sett förblir olöst. Det definieras av närvaron av endometriumliknande vävnad utanför livmodern och är vanligtvis förknippad med kronisk bäckensmärta, infertilitet och minskad livskvalitet. Trots många föreslagna screening- och triagemetoder såsom biomarkörer, genomisk analys, bildtekniker och frågeformulär för att ersätta invasiv diagnostisk laparoskopi, har ingen blivit allmänt antagen i klinisk praxis.
. Trots tillgången på olika screeningmetoder (t.ex. biomarkörer, genomisk analys, avbildningstekniker) som är avsedda att ersätta behovet av invasiv diagnostisk laparoskopi, förblir tiden till diagnos inom intervallet 4 till 11 år. Syfte: Projektet syftar till att skapa en stor potentiell databank med hjälp av Lucys medicinska mobilapplikation och samla in och analysera patientprofiler och strukturerad klinisk data med artificiell intelligens. Dessutom kommer författarna att undersöka sambandet mellan avlägsnade eller begränsade kostkomponenter med livskvalitet, smärta och central sensibilisering. Metoder: Ett baslinje- och longitudinellt frågeformulär i Lucy-appen samlar in självrapporterad information om symtom relaterade till endometrios, sociodemografi, mental och fysisk hälsa, närings- och andra livsstilsfaktorer. 5 000 kvinnor med endometrios och 5 000 kvinnor i en kontrollgrupp kommer att skrivas in och följas upp under ett år. Med denna information kommer eventuella samband mellan symtom och endometrios att analyseras med maskininlärning. Slutsatser: Författare kan utveckla en fenotypisk beskrivning av kvinnor med endometrios genom att koppla insamlad data med befintlig registerbaserad information om endometriosdiagnos, sjukvårdsanvändning och big data-metod. Detta kan bidra till att uppnå tidigare upptäckt av endometrios med bäckensmärta och avsevärt minska den aktuella diagnostiska fördröjningen. Dessutom kan författarna identifiera näringskomponenter som kan förvärra livskvaliteten och smärtan hos kvinnor med endometrios; sålunda kan författarna skapa evidensbaserade kostrekommendationer.
Nyckelord: Endometrios, Maskininlärning, Icke-invasiv diagnos, Diet
Studietyp
Inskrivning (Beräknad)
Kontakter och platser
Studiekontakt
- Namn: Attila Bokor
- Telefonnummer: 0036 703118868
- E-post: attila.z.bokor@gmail.com
Studieorter
-
-
-
Budapest, Ungern, 1088
- Rekrytering
- Semmelweis University
-
Kontakt:
- Attila Bokor, MD, PhD
- Telefonnummer: +36703118868
- E-post: attila.z.bokor@gmail.com
-
Kontakt:
- Dora Balogh, PhD
- Telefonnummer: Bokor +3604591500
- E-post: attila.z.bokor@gmail.com
-
Huvudutredare:
- Attila Bokor, MD PhD
-
Budapest, Ungern, 1028
- Rekrytering
- Bokor Attila
-
Kontakt:
- Bokor Attila
- Telefonnummer: 06703118868
- E-post: attila.z.bokor@gmail.com
-
-
Deltagandekriterier
Urvalskriterier
Åldrar som är berättigade till studier
- Barn
- Vuxen
Tar emot friska volontärer
Testmetod
Studera befolkning
Beskrivning
Inklusionskriterier:
- Kvinnor i fertil ålder
- 5000 patienter med endometrios
- 5000 patienter utan endometrios
Exklusions kriterier:
- Pågående graviditet
- Malignt tillstånd av äggstock/livmoder/bröst
Studieplan
Hur är studien utformad?
Designdetaljer
Kohorter och interventioner
Grupp / Kohort |
Intervention / Behandling |
|---|---|
|
Patienter med endometrios och friska kontroller
5 000 personer med endometrios kommer att skrivas in och följas upp under ett år.
För att delta i studien måste kvinnorna uppfylla inklusionskriterierna.
|
ML bedömning av insamlad data
Andra namn:
|
|
Kontrollera
5 000 personer i en kontrollgrupp kommer att skrivas in och följas upp under ett år.
För att delta i studien måste kvinnorna uppfylla inklusionskriterierna.
|
ML bedömning av insamlad data
Andra namn:
|
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Patientprofilering med Lucy-appen
Tidsram: 24 månader
|
Etablera ett omfattande och omfattande potentiellt big data-förråd med hjälp av Lucy-appen. Detta initiativ syftar till att identifiera unika kliniska kohorter genom att utnyttja olika faktorer som digitala fotspår, symtom, patientupplevelser, komorbiditeter, klinisk svårighetsgrad och livsstilsmönster. Genom att använda Using ML för big data-analys kan författarna bygga patientprofiler och strukturerade kliniska data som underlättar tidig upptäckt av endometrios med bäckensmärta. Självrapporterade data från deltagarna kommer att mätas enligt följande:
|
24 månader
|
Sekundära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Inverkan av kost och livsstil på utvecklingen av endometrios
Tidsram: 24 månader
|
Dessutom kan författarna identifiera näringskomponenter som kan förvärra livskvaliteten och smärtan hos kvinnor med endometrios; sålunda kan de skapa evidensbaserade kostrekommendationer. Förändringarna i livskvalitet kommer att bedömas med hjälp av självrapporterade data från deltagarna kommer att mätas enligt följande: Ändring från baslinjen i smärtpoäng på den visuella analoga skalan vid 12 månader. Ändringar från baslinjevärden på EHP5 vid 12 månader |
24 månader
|
Andra resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Ekonomisk börda av endometrios
Tidsram: 24 månader
|
Ekonomisk börda med hänsyn till kostnaden för kost och sjukvårdsanvändning.
Den exakta kostnaden för endometriosrelaterad diet kommer att rapporteras per månad i EUR.
|
24 månader
|
Samarbetspartners och utredare
Sponsor
Samarbetspartners
Utredare
- Huvudutredare: Attila Bokor, Semmelweis University
Studieavstämningsdatum
Studera stora datum
Studiestart (Faktisk)
Primärt slutförande (Beräknad)
Avslutad studie (Beräknad)
Studieregistreringsdatum
Först inskickad
Först inskickad som uppfyllde QC-kriterierna
Första postat (Faktisk)
Uppdateringar av studier
Senaste uppdatering publicerad (Faktisk)
Senaste inskickade uppdateringen som uppfyllde QC-kriterierna
Senast verifierad
Mer information
Termer relaterade till denna studie
Nyckelord
Ytterligare relevanta MeSH-villkor
Andra studie-ID-nummer
- Semmelweis
Plan för individuella deltagardata (IPD)
Planerar du att dela individuella deltagardata (IPD)?
IPD-planbeskrivning
Tidsram för IPD-delning
Kriterier för IPD Sharing Access
IPD-delning som stöder informationstyp
- STUDY_PROTOCOL
Läkemedels- och apparatinformation, studiedokument
Studerar en amerikansk FDA-reglerad läkemedelsprodukt
Studerar en amerikansk FDA-reglerad produktprodukt
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 .