用于评估肝移植供体移植物的可解释机器学习
2024年7月30日 更新者：Zhixing Liang、Third Affiliated Hospital, Sun Yat-Sen University
临床上，器官评估一般由资深外科医生根据经验以及采购过程中对移植物的视觉和触觉检查进行。
然而事实证明，移植外科医生在评估供体风险和估计脂肪变性方面的直觉是不一致的，而且通常是不准确的。
此外，移植物评估是一个涉及大量复杂因素的动态过程，被认为是一种极其复杂的非线性关系。
不幸的是，流行的经典统计技术（例如多元回归）需要解释变量和结果变量之间独立且线性关系的统计假设，并且无法分析大量变量。
我们尝试使用多种机器学习技术预测术后 DGF，从而开发肝移植评估模型。
其次，通过比较不同人工智能算法和逻辑回归的性能，选择最佳预测模型。
最后，我们试图使用基于最佳预测模型的可视化算法来解释人工智能算法做出的决定，帮助临床医生评估特定器官以及是否接受术后可能发生 DGF 的治疗。
研究概览
研究类型
观察性的
注册 (实际的)
5636
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
-
-
Guangdong
-
Guangzhou、Guangdong、中国
- The third affiliated hospital of Sun Yat-Sen University
-
-
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
- 成人
- 年长者
接受健康志愿者
不
取样方法
非概率样本
研究人群
接受死者供体肝移植的成年患者
描述
纳入标准：
- 年龄≥18岁
- 接受已故捐献者肝移植
排除标准：
- 接受活体捐赠者 LT；
- 数据缺失率超过80%
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。
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)
2017年1月1日
初级完成 (实际的)
2023年6月30日
研究完成 (实际的)
2024年6月30日
研究注册日期
首次提交
2024年7月28日
首先提交符合 QC 标准的
2024年7月30日
首次发布 (实际的)
2024年8月2日
研究记录更新
最后更新发布 (实际的)
2024年8月2日
上次提交的符合 QC 标准的更新
2024年7月30日
最后验证
2024年7月1日
更多信息
与本研究相关的术语
其他研究编号
- ZSSY-2403
计划个人参与者数据 (IPD)
计划共享个人参与者数据 (IPD)？
不
药物和器械信息、研究文件
研究美国 FDA 监管的药品
不
研究美国 FDA 监管的设备产品
不
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.