Datautvinning av befolkningens hälsa - subhälsa - sjukdom baserat på dynamisk systemteori
24 januari 2026 uppdaterad av: Lv, Han, Beijing Friendship Hospital
Data Mining av Befolkningens Hälsa-subhälsa-sjukdom Baserat på Dynamisk Systemteori
Denna studie syftar till att utforska de dynamiska utvecklingsmönstren för befolkningens hälsa, subhälsa och sjukdomstillstånd genom dynamisk systemteori och big data-utvinningsmetoder, vilket ger vetenskapliga bevis för personlig prevention och hälsohantering.
Studieöversikt
Status
Aktiv, inte rekryterande
Betingelser
Intervention / Behandling
Detaljerad beskrivning
Specifika mål inkluderar: (1) Identifiera individuella hälsotillstånd, subhälsotillstånd och sjukdomstillstånd med hjälp av oövervakade systemmodelleringstekniker, samtidigt som deras ömsesidiga omvandlingsvägar undersöks.
(2) Identifiera nyckelindikatorer som avgör tillståndsövergångar, klargöra deras mekanismer och interaktioner.
(3) Utveckla dynamiska systemmodeller för att simulera tillståndsövergångsbanor under multivariata influenser, förutsäga individuella sannolikheter för progression från hälsa till subhälsa eller sjukdom.
(4) Skapa tolkningsbara hälsoförutsägelseverktyg baserade på modelleringsresultat för att stödja precisionsinterventioner.
Det slutgiltiga målet är att etablera ett vetenskapligt validerat men genomförbart hälsotillståndsmodelleringssystem, som erbjuder kvantifierbara verktyg för tidig intervention och personlig hälsostyrning för att minska förekomsten av kroniska sjukdomar och hälso- och sjukvårdsbördan.
Studietyp
Observationell
Inskrivning (Beräknad)
380000
Kontakter och platser
Det här avsnittet innehåller kontaktuppgifter för dem som genomför studien och information om var denna studie genomförs.
Studieorter
-
-
Beijing Municipality
-
Beijing, Beijing Municipality, Kina, 100050
- Beijing Friendship hospital, Capital Medical University
-
-
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
Ja
Testmetod
Sannolikhetsprov
Studera befolkning
Health Data Science Database of Beijing Friendship Hospital
Beskrivning
Inklusionskriterier:
- Deltagare måste ha genomfört minst två på varandra följande fysiska undersökningar vid Physical Examination Center på Beijing Friendship Hospital, Capital Medical University, mellan juni 2007 och augusti 2025, med ett minimumintervall på 6 månader mellan angränsande register.
- Dataregister bör vara relativt kompletta, med saknadsfrekvenser för nyckelforskningsvariabler (t.ex. kärnbiokemiska indikatorer, demografisk information och väsentliga enkätpunkter) ≤30%.
- Deltagare får inte ha någon tidigare historia av allvarliga organiska sjukdomar före deras första inkludering i studien (som dokumenterat i medicinska journaler, främst inkluderande: maligna tumörer (icke-botbara/terminala), svår hjärtsvikt (NYHA klass III-IV), slutstadium av njursjukdom (CKD stadium 5), dekompenserad cirros, eller betydande funktionsnedsättning orsakad av följdtillstånd efter svår cerebrovaskulär sjukdom).
Exklusionskriterier:
- Personer med en allvarlig brist på grundläggande data (såsom unik identifiering, nyckeldemografisk information och kärnindikatorer för detektion) eller som inte effektivt kan anonymiseras.
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 |
|---|---|
|
Hälsodatavetenskapsdatabas för Beijing Friendship Hospital
|
Detta är en observationsstudie.
|
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Diskriminerande noggrannhet för nästa diagnos
Tidsram: Utvärdera på en intern valideringsdataset. Denna dataset innehåller individuella historiska data upp till 1 januari 2018, baserat på vilka modellen förutsäger nästa diagnostiska händelse som kommer att inträffa omedelbart. Beräkna AUC för sjukdomar med över 1000 ICD-10
|
Ålder- och könsspecifik area under mottagaroperativ karakteristikkurva, AUC
|
Utvärdera på en intern valideringsdataset. Denna dataset innehåller individuella historiska data upp till 1 januari 2018, baserat på vilka modellen förutsäger nästa diagnostiska händelse som kommer att inträffa omedelbart. Beräkna AUC för sjukdomar med över 1000 ICD-10
|
|
Långsiktig prediktiv noggrannhet
Tidsram: Utvärdera AUC-värdena för sjukdomsförekomst under det 1:a, 2:a, 3:e, 5:e och 10:e året efter prediktion på den interna valideringsdatamängden.
|
AUC stratifierad efter ålder och kön, som bedömer risken för sjukdomsförekomst inom specifika tidsintervall (1 år, 2 år,..., 10 år) efter prediktion.
Denna indikator mäter försämringen av en modells prediktiva förmåga över tiden.
|
Utvärdera AUC-värdena för sjukdomsförekomst under det 1:a, 2:a, 3:e, 5:e och 10:e året efter prediktion på den interna valideringsdatamängden.
|
|
Prediktiv noggrannhet på trajektornivå
Tidsram: På valideringsdelen, utvärdera noggrannheten i prediktionerna av sjukdomshändelser för varje år från simuleringsstartpunkten (60 år gammal) till de följande 1 till 20 åren.
|
Andelen korrekt förutsedda sjukdomshändelser.
I varje simulerat framtida år, matcha de genererade sjukdomshändelserna med de faktiska sjukdomshändelser som inträffar hos individer, och beräkna framgångsprocenten (%) för matchningen.
|
På valideringsdelen, utvärdera noggrannheten i prediktionerna av sjukdomshändelser för varje år från simuleringsstartpunkten (60 år gammal) till de följande 1 till 20 åren.
|
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)
1 september 2025
Primärt slutförande (Beräknad)
31 augusti 2028
Avslutad studie (Beräknad)
31 augusti 2030
Studieregistreringsdatum
Först inskickad
9 december 2025
Först inskickad som uppfyllde QC-kriterierna
24 januari 2026
Första postat (Faktisk)
29 januari 2026
Uppdateringar av studier
Senaste uppdatering publicerad (Faktisk)
29 januari 2026
Senaste inskickade uppdateringen som uppfyllde QC-kriterierna
24 januari 2026
Senast verifierad
1 januari 2026
Mer information
Termer relaterade till denna studie
Andra studie-ID-nummer
- 202511
Plan för individuella deltagardata (IPD)
Planerar du att dela individuella deltagardata (IPD)?
OBESLUTSAM
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 .