利用人工智能技术建立营养不良诊断系统
2023年3月28日 更新者：Peking Union Medical College Hospital
应用人工智能技术建立营养不良诊断系统提高临床路径应用
据估计，中国住院患者中营养不良的患病率为 30-50%。 与疾病相关的营养不良会增加感染风险、死亡率、住院时间以及经济负担。 国家营养计划提出要减少营养不良，但目前还没有明确、有效的路线图和协议。 有几个因素阻碍了解决上述挑战。 它们包括：1）目前营养不良诊断方法的低效率； 2）缺乏动态、标准的定量评价营养状况的方法。 为此，研究者旨在建立人工智能营养不良诊断系统，以完善营养不良临床路径的应用。 首先，研究者将在我们之前建立的全国医院营养筛查数据集的基础上，建立一个多维度的营养不良大数据集。
它将包含深度 3D 面部图像、半结构化和结构化电子病历。 然后，研究人员将使用集成学习算法建立一个全自动的、人工智能的营养不良诊断模型，包括病因学和表型诊断。
研究概览
地位
完全的
条件
研究类型
观察性的
注册 (实际的)
500
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
-
-
Beijing
-
Beijing、Beijing、中国、100010
- Dongcheng district，Peking union medical college 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
18年 至 100年 (成人、年长者)
接受健康志愿者
不
有资格学习的性别
全部
取样方法
非概率样本
研究人群
北京协和医学院住院患者
描述
纳入标准：
- 成人（≥18岁）；
- 入院后48小时内；
- 营养不良高危住院患者，如恶性肿瘤、慢性阻塞性肺疾病等；
- 汉族；
- 能够给予知情同意。
排除标准：
- 人工面部改变患者（如整形手术、头颈部放疗、头颈部外伤）；
- 具有特殊面部变化的疾病（如肢端肥大症）；
- 大剂量糖皮质激素使用者；
- 面部水肿患者；
- 紧急入院预计住院时间不超过3天；
- 研究人员认为不能包括的其他情况
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
研究衡量的是什么？
主要结果指标
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
营养不良诊断
大体时间：入院后48小时内
|
使用全球营养不良领导倡议 (GLIM) 诊断住院患者的营养不良
|
入院后48小时内
|
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。
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)
2021年8月13日
初级完成 (实际的)
2022年4月21日
研究完成 (实际的)
2022年5月21日
研究注册日期
首次提交
2021年2月25日
首先提交符合 QC 标准的
2021年2月25日
首次发布 (实际的)
2021年3月1日
研究记录更新
最后更新发布 (实际的)
2023年3月29日
上次提交的符合 QC 标准的更新
2023年3月28日
最后验证
2021年2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.