用于肥胖重新分类的机器学习
2020年6月23日 更新者：Shen Qu、Shanghai 10th People's Hospital
使用机器学习进行肥胖代谢分类的数据驱动聚类
本研究的目标是采用或开发计算建模技术，以将肥胖症精确地重新分类为亚组。
临床特征、非传染性疾病的风险以及减肥手术的减肥效果也将在亚组内进行研究和比较。
研究概览
研究类型
观察性的
注册 (实际的)
2495
联系人和位置
本节提供了进行研究的人员的详细联系信息，以及有关进行该研究的地点的信息。
学习地点
-
-
Shanghai
-
Shanghai、Shanghai、中国、200072
- Shanghai Tenth People's Hospital
-
-
参与标准
研究人员寻找符合特定描述的人，称为资格标准。这些标准的一些例子是一个人的一般健康状况或先前的治疗。
资格标准
适合学习的年龄
10年 至 70年 (孩子、成人、年长者)
接受健康志愿者
是的
有资格学习的性别
全部
取样方法
概率样本
研究人群
超重/肥胖患者。
描述
纳入标准：
- 超重/肥胖患者
- 体重正常的患者作为对照
排除标准：
- 在研究的第一次访问安排之前曾进行过减肥手术；
- 目前服用过外源性胰岛素、影响糖代谢的药物或降尿酸药物；
- 被诊断患有 1 型糖尿病、继发性糖尿病、遗传性疾病或严重疾病（例如 恶性肿瘤、心力衰竭、肝功能衰竭等）；
- 哺乳期；
- 没有完整的模型数据；
- 对于正常体重对照，糖尿病或高尿酸血症患者被排除在外。
学习计划
本节提供研究计划的详细信息，包括研究的设计方式和研究的衡量标准。
研究是如何设计的？
设计细节
队列和干预
团体/队列 |
干预/治疗 |
|---|---|
|
西北
正常体重控制
|
|
|
MHO
代谢健康肥胖
|
将使用计算建模技术将肥胖症精确地重新分类为四个亚组，根据临床经验和建模结果将选择几个变量进行聚类分析。
|
|
改性活生物体
低代谢性肥胖
|
将使用计算建模技术将肥胖症精确地重新分类为四个亚组，根据临床经验和建模结果将选择几个变量进行聚类分析。
|
|
HMO-U
高代谢性肥胖伴高尿酸血症
|
将使用计算建模技术将肥胖症精确地重新分类为四个亚组，根据临床经验和建模结果将选择几个变量进行聚类分析。
|
|
HMO-I
伴有高胰岛素血症的高代谢性肥胖
|
将使用计算建模技术将肥胖症精确地重新分类为四个亚组，根据临床经验和建模结果将选择几个变量进行聚类分析。
|
研究衡量的是什么？
主要结果指标
结果测量 |
大体时间 |
|---|---|
|
使用机器学习对肥胖患者进行代谢分类
大体时间：基线
|
基线
|
次要结果测量
结果测量 |
大体时间 |
|---|---|
|
不同亚组患者的代谢特征
大体时间：基线
|
基线
|
|
不同亚组患者的非传染性疾病风险
大体时间：基线
|
基线
|
|
减重手术对不同亚组患者的影响
大体时间：减肥手术后 1 年
|
减肥手术后 1 年
|
合作者和调查者
在这里您可以找到参与这项研究的人员和组织。
出版物和有用的链接
负责输入研究信息的人员自愿提供这些出版物。这些可能与研究有关。
研究记录日期
这些日期跟踪向 ClinicalTrials.gov 提交研究记录和摘要结果的进度。研究记录和报告的结果由国家医学图书馆 (NLM) 审查，以确保它们在发布到公共网站之前符合特定的质量控制标准。
研究主要日期
学习开始 (实际的)
2020年3月1日
初级完成 (实际的)
2020年4月30日
研究完成 (实际的)
2020年6月20日
研究注册日期
首次提交
2020年2月21日
首先提交符合 QC 标准的
2020年2月21日
首次发布 (实际的)
2020年2月25日
研究记录更新
最后更新发布 (实际的)
2020年6月25日
上次提交的符合 QC 标准的更新
2020年6月23日
最后验证
2020年6月1日
更多信息
此信息直接从 clinicaltrials.gov 网站检索，没有任何更改。如果您有任何更改、删除或更新研究详细信息的请求，请联系 register@clinicaltrials.gov. clinicaltrials.gov 上实施更改，我们的网站上也会自动更新.