机器学习支持医学时间序列分析 (ME-TIME)
2023年4月6日 更新者：Ivo van der Bilt、HagaZiekenhuis
在心血管疾病中使用健身追踪器进行心率变异性模式识别
这项观察性队列研究的目的是调查健身追踪器与机器学习算法相结合的潜力，以确定心血管疾病的特定模式。
两百名参与者将被录取：
- 50 心力衰竭
- 50 患有房颤
- 100个（健康的）个体没有前两个条件
所有参与者都获得了 Fitbit 设备并进行了三个月的监测。 研究人员将比较各组之间心率变异模式的差异，并设计一种机器学习算法来自动检测这些模式。
研究概览
研究类型
观察性的
注册 (预期的)
200
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
-
-
Zuid-Holland
-
Den Haag、Zuid-Holland、荷兰、2545 AA
- HagaZiekenhuis
-
-
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 85年 (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
非概率样本
研究人群
所有包括在内的参与者都将收到心电图。
描述
纳入标准：
- 收缩性心力衰竭 (LVEF < 35%)
- 无心力衰竭的房颤
- 没有心血管疾病的人
排除标准：
- > 85 岁
- 最近的肺静脉窦隔离手术（<1 年）
- （末期）肾功能衰竭
- （末期）肝功能衰竭
- 患有已知全身性活动性炎症性疾病的研究参与者
- 精神状态受损的研究参与者
- 无法使用健身追踪器或手机
- 认知障碍和无法理解研究方案
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 |
|---|---|
|
心脏衰竭
患有收缩性心力衰竭（左心室射血分数 < 35%）但没有房颤记录的研究参与者
|
研究对象将佩戴 Fitbit 健身追踪器
其他名称：
|
|
心房颤动
有记录的心房颤动但没有心力衰竭的研究参与者
|
研究对象将佩戴 Fitbit 健身追踪器
其他名称：
|
|
参考
没有心血管疾病的人
|
研究对象将佩戴 Fitbit 健身追踪器
其他名称：
|
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 |
|---|---|---|
|
人工智能算法检测心血管疾病
大体时间：三个月
|
检测心房颤动和心力衰竭的算法具有足够的灵敏度/特异性
|
三个月
|
次要结果测量
结果测量 |
大体时间 |
|---|---|
|
检测是否存在心血管疾病
大体时间：三个月
|
三个月
|
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)
2022年5月24日
初级完成 (预期的)
2023年9月1日
研究完成 (预期的)
2023年9月1日
研究注册日期
首次提交
2023年3月27日
首先提交符合 QC 标准的
2023年3月27日
首次发布 (实际的)
2023年4月6日
研究记录更新
最后更新发布 (实际的)
2023年4月7日
上次提交的符合 QC 标准的更新
2023年4月6日
最后验证
2023年4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.