机器学习方法在帕金森病筛查认知测试验证中的应用 (CoMDA-ML-P)
帕金森病患者的认知筛查：提出一种新的、基于机器学习的诊断工具
研究概览
详细说明
正在建立一个前瞻性数据库，收集 CoMDA 和深度神经心理电池评分，这些评分是从 500 名帕金森病患者的评估中获得的。 对数据进行分析，以比较通过 CoMDA、MMSE、MoC 和 FAB 获得的患者认知概况的分类与通过深入的神经心理学评估获得的分类。 对于 MMSE、MoCA 和 FAB，出现了非常高比例的假阴性。 相反，CoMDA 分数显着降低了假阴性率。
这个新工具，即“CoMDA”（运动障碍评估中的认知），通过合并迷你精神状态检查（MMSE）、蒙特利尔认知评估（MoCA）和额叶评估电池（FAB）的每个项目而组成。 此外，我们创建了一种机器学习，即“神经网络 91 分类”，能够对认知特征进行分类并预测患者患痴呆症的风险，从而预测深度神经心理学评估的结果。
CoMDA 和相关的神经网络 91 分类代表了一种可靠、节省时间的筛选工具，它比其他常见的、广泛采用的工具更强大。
研究类型
注册 (实际的)
联系人和位置
学习地点
-
-
Como
-
Gravedona E Uniti、Como、意大利、22015
- "Moriggia Pelascini" Hospital
-
-
参与标准
资格标准
适合学习的年龄
- 孩子
- 成人
- 年长者
接受健康志愿者
有资格学习的性别
取样方法
研究人群
描述
纳入标准：
根据 MDS 临床诊断标准诊断特发性 PD (Postuma et al. 2015)； b) 根据 MDS 临床诊断标准诊断 PSP (Höglinger et al. 2017)； c) 根据第二诊断共识声明诊断 MSA (Gilman et al. 2008)； d) 根据 Zijlmans 等人 (Zijlmans et al. 2004) 诊断 VP。
排除标准：
a) 通过脑成像研究（CT 或 MRI）检测到的任何局灶性脑损伤； b) 临床相关精神障碍、精神病（用神经精神病学量表评估）和/或谵妄的诊断； c) 痴呆症或 MCI 的诊断； d) PD 或非典型帕金森综合症以外的神经系统疾病的诊断； e) 其他对认知状态有负面影响的医疗状况； f) 令人不安的静息和/或动作震颤，对应于 MDS 统一帕金森病评定量表 (MDS-UPDRS) III 特定项目中的 2-4 分，例如影响心理评估； g) 干扰性运动障碍，对应于 MDS-UPDRS III 特定项目中的 2-4 分，例如影响心理测量评估； h) 损害患者执行认知测试能力的听觉和/或视觉功能障碍。
学习计划
研究是如何设计的？
设计细节
- 观测模型：队列
- 时间观点：预期
队列和干预
团体/队列 |
干预/治疗 |
|---|---|
|
受帕金森病影响的受试者
总结了 MMSE、FAB MoCA 的分数以计算 CoMDA 分数，然后将它们用于开发 Neural Net 91 分类器
|
|
|
健康控制
管理 CoMDA 并计算总分以开发 Neural Net 91 分类器
|
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 |
|---|---|---|
|
来自 CoMDA 分数的神经网络 91 分类器
大体时间：30分钟
|
应用 Neural Net 91 分类器在 CoMDA 评分中预测认知水平
|
30分钟
|
合作者和调查者
出版物和有用的链接
研究记录日期
研究主要日期
学习开始 (实际的)
初级完成 (实际的)
研究完成 (实际的)
研究注册日期
首次提交
首先提交符合 QC 标准的
首次发布 (实际的)
研究记录更新
最后更新发布 (实际的)
上次提交的符合 QC 标准的更新
最后验证
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.