Inflammatoriska markörers och dopplerparametrars roll i fostertillväxtrestriktion sent i början: ett tillvägagångssätt för maskininlärning
4 juli 2024 uppdaterad av: Can Ozan Ulusoy, Ankara Etlik City Hospital
Fetal tillväxtrestriktion (FGR) är en allvarlig komplikation under graviditeten som kan leda till olika negativa resultat.
Det klassificeras i tidig debut (före 32 veckor) och sen debut (efter 32 veckor), med sen debut förknippad med långsiktiga risker som hypoxemi och utvecklingsförseningar.
Studien fokuserar på inflammationens roll i FGR, och introducerar nya blodmarkörer för bättre förståelse och diagnos.
Den tar också upp utmaningarna med att använda avancerade diagnostiska verktyg i miljöer med låga resurser och utforskar användningen av maskininlärning för att förutsäga FGR baserat på inflammatoriska markörer, vilket lyfter fram potentialen hos artificiell intelligens för att övervinna dessa utmaningar.
Studieöversikt
Status
Aktiv, inte rekryterande
Betingelser
Intervention / Behandling
Detaljerad beskrivning
Fetal tillväxtrestriktion (FGR), även känd som intrauterin tillväxtrestriktion, är en utbredd graviditetskomplikation med potentiellt negativa utfall för nyfödda.
Orsakerna till tillståndet är olika och involverar genetiska faktorer, moderns inflammation, infektioner och andra patologier.
FGR är kategoriserad baserat på dess debut: tidig debut FGR inträffar före 32 veckors graviditet, medan sent debut inträffar efter 32 veckor.
Sen debuterande FGR, även om det är mindre riskabelt vid perinatala komplikationer jämfört med tidigt debuterande, är kopplat till en ökad risk för hypoxemi och neuroutvecklingsförseningar.
Diagnosen bygger i första hand på ultraljudsmätningar och dopplerflödesanalys av specifika artärer.
Studien belyser komplexiteten i att diagnostisera och hantera sent debuterande FGR, och betonar de oklara patofysiologiska mekanismerna.
Den föreslår utforskningen av inflammatoriska processer och den potentiella rollen av nya markörer som det systemiska immuninflammationsindexet (SII), systemiskt inflammatoriskt svarsindex (SIRI) och neutrofil-procent-till-albumin-förhållandet (NPAR) för att förstå FGR.
Dessa markörer mäts lätt genom blodprover och är signifikanta vid olika sjukdomar.
Texten diskuterar också utmaningarna med att tillämpa avancerade diagnostiska metoder i låginkomstländer på grund av behovet av sofistikerad utrustning, i kontrast till tillgängligheten för artificiell intelligens och maskininlärningsmodeller via internet.
Studien syftade till att bedöma effekten av inflammatoriska processer på sent debuterande FGR genom att analysera NPAR, tillsammans med andra markörer, och utvärdera deras prediktiva värde med hjälp av maskininlärningsalgoritmer.
Studietyp
Observationell
Inskrivning (Faktisk)
240
Kontakter och platser
Det här avsnittet innehåller kontaktuppgifter för dem som genomför studien och information om var denna studie genomförs.
Studieorter
-
-
Yenimahalle
-
Ankara, Yenimahalle, Kalkon, 06170
- Etlik City Hospital
-
-
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
- Vuxen
Tar emot friska volontärer
Ja
Testmetod
Sannolikhetsprov
Studera befolkning
Denna studie kommer att omfatta 240 patienter mellan 32-37 veckors graviditetsålder som togs in på perinatologiska kliniken, hälsoministeriet, Etlik City Hospital, Ankara/Turkiet mellan 2023 och 2024.
Huvud-höftlängd under första trimestern användes för att bekräfta graviditetsåldern.
Av de patienter som ingår i studien kommer 120 patienter diagnostiserade med sent debuterande FGR och 120 patienter med foster under utveckling enligt gestationsålder att inkluderas i kontrollgruppen.
Beskrivning
Inklusionskriterier:
- Mellan 18-45 år
- Slutförde sin graviditetsuppföljning i vårt center
- Gravida kvinnor vars uppgifter kan nås
- Singelgraviditeter utan systemiska maternala samsjukligheter förutom FGR
Exklusions kriterier:
- Flera graviditeter
- Att ha en mammasjukdom
- Fetala medfödda och kromosomala anomalier
- Kronisk droganvändning, alkohol- och cigarettmissbruk
- Medföljande ytterligare graviditetskomplikationer under uppföljning
- Ärenden vars uppgifter inte går att komma åt
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 |
|---|---|
|
Gravida kvinnor med fostertillväxtbegränsning
120 patienter kommer att inkluderas med diagnosen sent debuterande fostertillväxtrestriktion.
|
Diagnosen FGR ställdes enligt följande Delphi-kriterier.
EFW
Laboratorievärdena mättes vid tidpunkten för FGR-diagnos (mellan 32 och 37 graviditetsveckor). Efter utvärdering av hemoglobin (g/dl), leukocyter (103/μL), monocyter (103/μL), lymfocyter (103/μL), neutrofiler (103/μL), trombocyter (103/μL) och albumin (g/dl) ) beräknades inflammationsvärdena enligt följande: ;
|
|
Friska graviditeter
120 patienter kommer att ingå i en kontrollgrupp av foster under utveckling efter graviditetsålder.
|
Diagnosen FGR ställdes enligt följande Delphi-kriterier.
EFW
Laboratorievärdena mättes vid tidpunkten för FGR-diagnos (mellan 32 och 37 graviditetsveckor). Efter utvärdering av hemoglobin (g/dl), leukocyter (103/μL), monocyter (103/μL), lymfocyter (103/μL), neutrofiler (103/μL), trombocyter (103/μL) och albumin (g/dl) ) beräknades inflammationsvärdena enligt följande: ;
|
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Utvärdering av data
Tidsram: Inom 1 månad efter datainsamling
|
Att bestämma den statistiska korrelationen mellan demografiska data och inflammatoriska index för graviditetsperioden med diagnostiska ultraljudsmätningar (fosterbiometriska mätningar och fosterdopplerfynd) relaterade till fostertillväxtfördröjning i SPSS-miljö och att avslöja betydelsen av sambandet.
|
Inom 1 månad efter datainsamling
|
Sekundära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Maskininlärningsmodellering
Tidsram: Inom 1 månad av data efter dataanalys
|
Klassklassificeringsmodellen RandomForestClassifier kommer att utvecklas genom att flytta data från SPSS-miljön till Python-miljön.
Modellering av maskininlärningssystem kommer att utvecklas där modellen kommer att lära av träningsuppsättningen med hjälp av patientdata och använda denna information för att förutsäga framtida data.
|
Inom 1 månad av data efter dataanalys
|
Samarbetspartners och utredare
Det är här du hittar personer och organisationer som är involverade i denna studie.
Sponsor
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)
31 januari 2024
Primärt slutförande (Beräknad)
6 juli 2024
Avslutad studie (Beräknad)
20 juli 2024
Studieregistreringsdatum
Först inskickad
7 april 2024
Först inskickad som uppfyllde QC-kriterierna
16 april 2024
Första postat (Faktisk)
18 april 2024
Uppdateringar av studier
Senaste uppdatering publicerad (Faktisk)
8 juli 2024
Senaste inskickade uppdateringen som uppfyllde QC-kriterierna
4 juli 2024
Senast verifierad
1 juli 2024
Mer information
Termer relaterade till denna studie
Ytterligare relevanta MeSH-villkor
Andra studie-ID-nummer
- AEŞH-BADEK-2024-43
Plan för individuella deltagardata (IPD)
Planerar du att dela individuella deltagardata (IPD)?
NEJ
IPD-planbeskrivning
På grund av sjukhuspolicy kan data inte delas.
Vid behov kan dock huvudutredaren kontaktas.
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 .