4006-776-356 出国就医服务电话

免费获得国外相关药品,最快 1 个工作日回馈药物信息

出境医 / 临床实验 / 通过互联网搜索查询预测中风预测

通过互联网搜索查询预测中风预测

研究描述
简要摘要:
脑血管疾病(中风)是死亡率和残疾的主要原因。中风的常见风险评估工具基于弗雷明汉方程,该方程取决于传统的心血管危险因素(例如,高血压血脂异常,糖尿病,吸烟,心房颤动)。这些风险评估工具计算了近十年来一般血管“事件”(例如中风和心肌梗塞)等一般血管“事件”的可能性,但没有评估即将发生的事件的风险,尽管这将立即采取预防措施(例如,对心房颤动的抗凝剂;控制高血压)。秘密脑血管疾病与微妙的认知和运动缺陷以及中风的风险增加有关。我们假设可以根据急性临床中风实际发生之前0-12个月的Internet沟通功能来识别即将到来的中风的受试者。基于此,我们以前已经开发了一种基于Internet的算法,该算法可以准确地通过搜索查询中表现出的认知变化来准确地识别中风风险。这项研究的目的是通过分析用中风的Tel-Aviv Sourasky医疗中心住院的患者的Google查询来验证模型并培训新模型。急性心肌梗塞和未受影响的配偶将作为对照。

病情或疾病
中风急性心肌梗塞

详细说明:

在这项研究中,我们将分析2016 - 2020年之间在Tel-Aviv Sourasky医疗中心住院的患者的Google查询。在正式填写已签署的知情同意书后,同意主题将亲自从Google外卖服务中要求其搜索数据从中风前至2年,并通过创建这些一次性文件来访问研究人员数据并与研究人员共享。遵循Google查询的知情同意数据,参与者将使用Google“ Out Out”服务提取,最多2年前到中风后一年。对照组将由诊断为急性心肌梗塞(MI)和MI/中风患者的配偶的患者组成。招聘将主要来自两个由机构批准的中风和急性MI的数据库。根据构建模型并测试其性能所需的最小查询日志数据集的先前经验,总共将招募450名参与者,每组中有150名参与者。

匿名将通过几种方式保证;访问Google外卖数据将仅限于执行研究所需的最低限额,并且仅向Tel-Aviv大学的数据分析团队的成员提供,而对医疗数据的访问只能向研究人员提供Tel-Aviv Sourasky医疗中心。此外,Tel-Aviv大学合作伙伴团队的成员有义务避免任何积极的尝试来识别参加试验的受试者。与Tel-Aviv大学共享的所有数据都将存储在本地加密的硬盘上。该数据将在项目结束时从Tel-Aviv大学的计算机中删除。

我们先前开发的机器学习模型,该模型能够预测受试者的中风,与年龄匹配的对照相比,曲线下的面积(AUC)为0.972,它以1%的假阳性速率转化为52.7%的阳性预测值为52.7% ,将用于预测一个人当天发生中风事件的可能性。这将与已知的中风或MI的日期进行比较。性能的度量将是检测的接收器工作曲线(ROC)和曲线下的相应区域(AUC)。此外,将使用收集的数据训练新模型并类似地测试,尽管使用了10倍的交叉验证。中风检测灵敏度和特异性将得出。

学习规划
研究信息的布局表
研究类型观察
估计入学人数 450名参与者
观察模型:案例对照
时间观点:回顾
官方标题:使用基于互联网搜索查询的模型的中风预测研究
估计研究开始日期 2021年2月
估计初级完成日期 2023年6月
估计 学习完成日期 2023年12月
武器和干预措施
小组/队列
中风
在2016 - 2020年间,在机构批准的中风数据库中记录的2016 - 2020年之间,在Tel-Aviv Sourasky医疗中心住院的个人,他们将同意从Google提供数据访问。
急性心肌梗塞
心肌梗死的机构批准的数据库中记录的急性心肌梗塞的诊断为心肌梗死' target='_blank'>急性心肌梗死的人,他们将同意从Google提供数据访问。
健康控制
未受影响的配偶或志愿者,他们同意从Google提供服务中访问其数据。
结果措施
主要结果指标
  1. 中风的敏感性[时间框架:三年]
    根据中风日期之前0-12个月的互联网查询,该算法对检测开发中风的受试者的敏感性。

  2. 中风检测的特异性[时间范围:三年]
    基于与心肌梗死' target='_blank'>急性心肌梗死在同一时间范围内以及中风患者的无中风配偶的并发队列中的查询谱的比较,检测率的特异性。


资格标准
有资格信息的布局表
符合研究资格的年龄: 65岁以上(老年人)
有资格学习的男女:全部
接受健康的志愿者:是的
采样方法:非概率样本
研究人群
所有65岁或以上的人都在诊断中被诊断出诊断,并通过成像或急性心肌违规的诊断或不受影响的配偶或志愿者遵守年龄标准的诊断为中风。
标准

纳入标准:

  1. 以下条款A,B或C:

    1. 从6/2016至03/2020的任何日期,从特拉维夫 - 苏拉斯基医学中心的中心释放。
    2. 从生化,心电图学和/或成像研究支持的急性心肌梗塞的临床诊断,从特拉维夫 - 苏拉斯基医疗中心的出院。
    3. 如果配偶在同一时间范围内或更早的时间内没有经历临床中风,则在“ A”或“ B”中的患者配偶。
  2. 事件前定期使用Internet,因此该研究已包括在本研究中。
  3. 同意允许Tel-Aviv大学合作伙伴团队(Ran Gilad-Bachrach教授和授权实验室成员)访问其Google查询,从中风活动前两年到一年。

排除标准:

  1. 成像研究不支持TIA或中风的诊断
  2. 被诊断为先前的认知障碍
  3. 被诊断的共存神经退行性疾病
  4. 除绝经后状态或男性性腺功能减退外,被诊断为荷尔蒙或营养缺乏症。
联系人和位置

联系人
位置联系人的布局表
联系人:Sigal Shaklai,医生+97236973732 sigals@tlvmc.gov.il
联系人:纳夫塔利·斯特恩(Naftali Stern),教授nafstern66@gmail.com

赞助商和合作者
Tel-Aviv Sourasky医疗中心
特拉维夫大学
调查人员
调查员信息的布局表
研究主任:纳夫塔利·斯特恩(Naftali Stern),教授Tel-Aviv Sourasky医疗中心
追踪信息
首先提交日期2021年2月13日
第一个发布日期2021年2月16日
最后更新发布日期2021年2月16日
估计研究开始日期2021年2月
估计初级完成日期2023年6月(主要结果度量的最终数据收集日期)
当前的主要结果指标
(提交:2021年2月13日)
  • 中风的敏感性[时间框架:三年]
    根据中风日期之前0-12个月的互联网查询,该算法对检测开发中风的受试者的敏感性。
  • 中风检测的特异性[时间范围:三年]
    基于与心肌梗死' target='_blank'>急性心肌梗死在同一时间范围内以及中风患者的无中风配偶的并发队列中的查询谱的比较,检测率的特异性。
原始主要结果指标与电流相同
改变历史没有发布更改
当前的次要结果指标不提供
原始的次要结果指标不提供
当前其他预先指定的结果指标不提供
其他其他预先指定的结果指标不提供
描述性信息
简短标题通过互联网搜索查询预测中风预测
官方头衔使用基于互联网搜索查询的模型的中风预测研究
简要摘要脑血管疾病(中风)是死亡率和残疾的主要原因。中风的常见风险评估工具基于弗雷明汉方程,该方程取决于传统的心血管危险因素(例如,高血压血脂异常,糖尿病,吸烟,心房颤动)。这些风险评估工具计算了近十年来一般血管“事件”(例如中风和心肌梗塞)等一般血管“事件”的可能性,但没有评估即将发生的事件的风险,尽管这将立即采取预防措施(例如,对心房颤动的抗凝剂;控制高血压)。秘密脑血管疾病与微妙的认知和运动缺陷以及中风的风险增加有关。我们假设可以根据急性临床中风实际发生之前0-12个月的Internet沟通功能来识别即将到来的中风的受试者。基于此,我们以前已经开发了一种基于Internet的算法,该算法可以准确地通过搜索查询中表现出的认知变化来准确地识别中风风险。这项研究的目的是通过分析用中风的Tel-Aviv Sourasky医疗中心住院的患者的Google查询来验证模型并培训新模型。急性心肌梗塞和未受影响的配偶将作为对照。
详细说明

在这项研究中,我们将分析2016 - 2020年之间在Tel-Aviv Sourasky医疗中心住院的患者的Google查询。在正式填写已签署的知情同意书后,同意主题将亲自从Google外卖服务中要求其搜索数据从中风前至2年,并通过创建这些一次性文件来访问研究人员数据并与研究人员共享。遵循Google查询的知情同意数据,参与者将使用Google“ Out Out”服务提取,最多2年前到中风后一年。对照组将由诊断为急性心肌梗塞(MI)和MI/中风患者的配偶的患者组成。招聘将主要来自两个由机构批准的中风和急性MI的数据库。根据构建模型并测试其性能所需的最小查询日志数据集的先前经验,总共将招募450名参与者,每组中有150名参与者。

匿名将通过几种方式保证;访问Google外卖数据将仅限于执行研究所需的最低限额,并且仅向Tel-Aviv大学的数据分析团队的成员提供,而对医疗数据的访问只能向研究人员提供Tel-Aviv Sourasky医疗中心。此外,Tel-Aviv大学合作伙伴团队的成员有义务避免任何积极的尝试来识别参加试验的受试者。与Tel-Aviv大学共享的所有数据都将存储在本地加密的硬盘上。该数据将在项目结束时从Tel-Aviv大学的计算机中删除。

我们先前开发的机器学习模型,该模型能够预测受试者的中风,与年龄匹配的对照相比,曲线下的面积(AUC)为0.972,它以1%的假阳性速率转化为52.7%的阳性预测值为52.7% ,将用于预测一个人当天发生中风事件的可能性。这将与已知的中风或MI的日期进行比较。性能的度量将是检测的接收器工作曲线(ROC)和曲线下的相应区域(AUC)。此外,将使用收集的数据训练新模型并类似地测试,尽管使用了10倍的交叉验证。中风检测灵敏度和特异性将得出。

研究类型观察
学习规划观察模型:病例对照
时间视角:回顾
目标随访时间不提供
生物测量不提供
采样方法非概率样本
研究人群所有65岁或以上的人都在诊断中被诊断出诊断,并通过成像或急性心肌违规的诊断或不受影响的配偶或志愿者遵守年龄标准的诊断为中风。
健康)状况
  • 中风
  • 急性心肌梗塞
干涉不提供
研究组/队列
  • 中风
    在2016 - 2020年间,在机构批准的中风数据库中记录的2016 - 2020年之间,在Tel-Aviv Sourasky医疗中心住院的个人,他们将同意从Google提供数据访问。
  • 急性心肌梗塞
    心肌梗死的机构批准的数据库中记录的急性心肌梗塞的诊断为心肌梗死' target='_blank'>急性心肌梗死的人,他们将同意从Google提供数据访问。
  • 健康控制
    未受影响的配偶或志愿者,他们同意从Google提供服务中访问其数据。
出版物 *
  • Anderson KM,Odell PM,Wilson PW,Kannel WB。心血管疾病风险特征。 Am Heart J. 1991 Jan; 121(1 pt 2):293-8。
  • 心房颤动研究小组研究者的预防中风。心房颤动研究中预防中风的初步报告。 N Engl J Med。 1990年3月22日; 322(12):863-8。
  • Staessen JA,Thijisq L,Fagard R,Celis H,BirkenhägerWH,Bulpitt CJ,de Leeuw PW,Fletcher AE,Forette F,Forette F,Leonetti G,McCormack P,Nachev C,Nachev C,O'Brien E,Rodicio JL,Rosenfeld J,Sarti C,Sarti C,Sarti C,Sarti C,Sarti C,Sarti C,Sarti C,Sarti C,Sarti C,Sarti C C. ,Tuomilehto J,Webster J,Yodfat Y,Zanchetti A;欧洲的收缩压(Syst-EUR)试验研究者。欧洲试验中收缩压高血压中的直接与延迟降压治疗对预后的影响。 J高血压。 2004年4月; 22(4):847-57。
  • Schueller SM,Steakley-Freeman DM,Mohr DC,Yom-TovE。了解Web浏览行为治疗的感知障碍。 J影响疾病。 2020年4月15日; 267:63-66。 doi:10.1016/j.jad.2020.01.131。 Epub 2020年1月23日。

*包括数据提供商提供的出版物以及MEDLINE中临床标识符(NCT编号)确定的出版物。
招聘信息
招聘状况尚未招募
估计入学人数
(提交:2021年2月13日)
450
原始估计注册与电流相同
估计学习完成日期2023年12月
估计初级完成日期2023年6月(主要结果度量的最终数据收集日期)
资格标准

纳入标准:

  1. 以下条款A,B或C:

    1. 从6/2016至03/2020的任何日期,从特拉维夫 - 苏拉斯基医学中心的中心释放。
    2. 从生化,心电图学和/或成像研究支持的急性心肌梗塞的临床诊断,从特拉维夫 - 苏拉斯基医疗中心的出院。
    3. 如果配偶在同一时间范围内或更早的时间内没有经历临床中风,则在“ A”或“ B”中的患者配偶。
  2. 事件前定期使用Internet,因此该研究已包括在本研究中。
  3. 同意允许Tel-Aviv大学合作伙伴团队(Ran Gilad-Bachrach教授和授权实验室成员)访问其Google查询,从中风活动前两年到一年。

排除标准:

  1. 成像研究不支持TIA或中风的诊断
  2. 被诊断为先前的认知障碍
  3. 被诊断的共存神经退行性疾病
  4. 除绝经后状态或男性性腺功能减退外,被诊断为荷尔蒙或营养缺乏症。
性别/性别
有资格学习的男女:全部
年龄65岁以上(老年人)
接受健康的志愿者是的
联系人
联系人:Sigal Shaklai,医生+97236973732 sigals@tlvmc.gov.il
联系人:纳夫塔利·斯特恩(Naftali Stern),教授 nafstern66@gmail.com
列出的位置国家不提供
删除了位置国家
管理信息
NCT编号NCT04755959
其他研究ID编号0361-20-TLV
有数据监测委员会
美国FDA调节的产品
研究美国FDA调节的药物:
研究美国FDA调节的设备产品:
IPD共享声明
计划共享IPD:不确定
计划说明:由于这不是一项介入的研究,而是回顾性,因此数据共享不是必须的。此外,该研究涉及对个人互联网沟通的审查和分析,并确保参与者确保这种类型的数据对调查人员完全看不见,并且已经设定了基于计算机的策略。然而,在研究完成后,可以将数据共享的具体请求指向作者,并了解任何此类请求,不仅要受到调查人员的酌处权,而且要受到特拉维夫 - 苏拉斯基医学中心的IRB的特定批准(赫尔辛基委员会)。可以在审判完成后提出请求,并以已发表的文章或报告的形式提出调查人员的结果。
责任方Tel-Aviv Sourasky医疗中心
研究赞助商Tel-Aviv Sourasky医疗中心
合作者特拉维夫大学
调查人员
研究主任:纳夫塔利·斯特恩(Naftali Stern),教授Tel-Aviv Sourasky医疗中心
PRS帐户Tel-Aviv Sourasky医疗中心
验证日期2021年2月
研究描述
简要摘要:
脑血管疾病(中风)是死亡率和残疾的主要原因。中风的常见风险评估工具基于弗雷明汉方程,该方程取决于传统的心血管危险因素(例如,高血压血脂异常,糖尿病,吸烟,心房颤动)。这些风险评估工具计算了近十年来一般血管“事件”(例如中风和心肌梗塞)等一般血管“事件”的可能性,但没有评估即将发生的事件的风险,尽管这将立即采取预防措施(例如,对心房颤动的抗凝剂;控制高血压)。秘密脑血管疾病与微妙的认知和运动缺陷以及中风的风险增加有关。我们假设可以根据急性临床中风实际发生之前0-12个月的Internet沟通功能来识别即将到来的中风的受试者。基于此,我们以前已经开发了一种基于Internet的算法,该算法可以准确地通过搜索查询中表现出的认知变化来准确地识别中风风险。这项研究的目的是通过分析用中风的Tel-Aviv Sourasky医疗中心住院的患者的Google查询来验证模型并培训新模型。急性心肌梗塞和未受影响的配偶将作为对照。

病情或疾病
中风急性心肌梗塞

详细说明:

在这项研究中,我们将分析2016 - 2020年之间在Tel-Aviv Sourasky医疗中心住院的患者的Google查询。在正式填写已签署的知情同意书后,同意主题将亲自从Google外卖服务中要求其搜索数据从中风前至2年,并通过创建这些一次性文件来访问研究人员数据并与研究人员共享。遵循Google查询的知情同意数据,参与者将使用Google“ Out Out”服务提取,最多2年前到中风后一年。对照组将由诊断为急性心肌梗塞(MI)和MI/中风患者的配偶的患者组成。招聘将主要来自两个由机构批准的中风和急性MI的数据库。根据构建模型并测试其性能所需的最小查询日志数据集的先前经验,总共将招募450名参与者,每组中有150名参与者。

匿名将通过几种方式保证;访问Google外卖数据将仅限于执行研究所需的最低限额,并且仅向Tel-Aviv大学的数据分析团队的成员提供,而对医疗数据的访问只能向研究人员提供Tel-Aviv Sourasky医疗中心。此外,Tel-Aviv大学合作伙伴团队的成员有义务避免任何积极的尝试来识别参加试验的受试者。与Tel-Aviv大学共享的所有数据都将存储在本地加密的硬盘上。该数据将在项目结束时从Tel-Aviv大学的计算机中删除。

我们先前开发的机器学习模型,该模型能够预测受试者的中风,与年龄匹配的对照相比,曲线下的面积(AUC)为0.972,它以1%的假阳性速率转化为52.7%的阳性预测值为52.7% ,将用于预测一个人当天发生中风事件的可能性。这将与已知的中风或MI的日期进行比较。性能的度量将是检测的接收器工作曲线(ROC)和曲线下的相应区域(AUC)。此外,将使用收集的数据训练新模型并类似地测试,尽管使用了10倍的交叉验证。中风检测灵敏度和特异性将得出。

学习规划
研究信息的布局表
研究类型观察
估计入学人数 450名参与者
观察模型:案例对照
时间观点:回顾
官方标题:使用基于互联网搜索查询的模型的中风预测研究
估计研究开始日期 2021年2月
估计初级完成日期 2023年6月
估计 学习完成日期 2023年12月
武器和干预措施
小组/队列
中风
在2016 - 2020年间,在机构批准的中风数据库中记录的2016 - 2020年之间,在Tel-Aviv Sourasky医疗中心住院的个人,他们将同意从Google提供数据访问。
急性心肌梗塞
心肌梗死的机构批准的数据库中记录的急性心肌梗塞的诊断为心肌梗死' target='_blank'>急性心肌梗死的人,他们将同意从Google提供数据访问。
健康控制
未受影响的配偶或志愿者,他们同意从Google提供服务中访问其数据。
结果措施
主要结果指标
  1. 中风的敏感性[时间框架:三年]
    根据中风日期之前0-12个月的互联网查询,该算法对检测开发中风的受试者的敏感性。

  2. 中风检测的特异性[时间范围:三年]
    基于与心肌梗死' target='_blank'>急性心肌梗死在同一时间范围内以及中风患者的无中风配偶的并发队列中的查询谱的比较,检测率的特异性。


资格标准
有资格信息的布局表
符合研究资格的年龄: 65岁以上(老年人)
有资格学习的男女:全部
接受健康的志愿者:是的
采样方法:非概率样本
研究人群
所有65岁或以上的人都在诊断中被诊断出诊断,并通过成像或急性心肌违规的诊断或不受影响的配偶或志愿者遵守年龄标准的诊断为中风。
标准

纳入标准:

  1. 以下条款A,B或C:

    1. 从6/2016至03/2020的任何日期,从特拉维夫 - 苏拉斯基医学中心的中心释放。
    2. 从生化,心电图学和/或成像研究支持的急性心肌梗塞的临床诊断,从特拉维夫 - 苏拉斯基医疗中心的出院。
    3. 如果配偶在同一时间范围内或更早的时间内没有经历临床中风,则在“ A”或“ B”中的患者配偶。
  2. 事件前定期使用Internet,因此该研究已包括在本研究中。
  3. 同意允许Tel-Aviv大学合作伙伴团队(Ran Gilad-Bachrach教授和授权实验室成员)访问其Google查询,从中风活动前两年到一年。

排除标准:

  1. 成像研究不支持TIA或中风的诊断
  2. 被诊断为先前的认知障碍
  3. 被诊断的共存神经退行性疾病
  4. 除绝经后状态或男性性腺功能减退外,被诊断为荷尔蒙或营养缺乏症。
联系人和位置

联系人
位置联系人的布局表
联系人:Sigal Shaklai,医生+97236973732 sigals@tlvmc.gov.il
联系人:纳夫塔利·斯特恩(Naftali Stern),教授nafstern66@gmail.com

赞助商和合作者
Tel-Aviv Sourasky医疗中心
特拉维夫大学
调查人员
调查员信息的布局表
研究主任:纳夫塔利·斯特恩(Naftali Stern),教授Tel-Aviv Sourasky医疗中心
追踪信息
首先提交日期2021年2月13日
第一个发布日期2021年2月16日
最后更新发布日期2021年2月16日
估计研究开始日期2021年2月
估计初级完成日期2023年6月(主要结果度量的最终数据收集日期)
当前的主要结果指标
(提交:2021年2月13日)
  • 中风的敏感性[时间框架:三年]
    根据中风日期之前0-12个月的互联网查询,该算法对检测开发中风的受试者的敏感性。
  • 中风检测的特异性[时间范围:三年]
    基于与心肌梗死' target='_blank'>急性心肌梗死在同一时间范围内以及中风患者的无中风配偶的并发队列中的查询谱的比较,检测率的特异性。
原始主要结果指标与电流相同
改变历史没有发布更改
当前的次要结果指标不提供
原始的次要结果指标不提供
当前其他预先指定的结果指标不提供
其他其他预先指定的结果指标不提供
描述性信息
简短标题通过互联网搜索查询预测中风预测
官方头衔使用基于互联网搜索查询的模型的中风预测研究
简要摘要脑血管疾病(中风)是死亡率和残疾的主要原因。中风的常见风险评估工具基于弗雷明汉方程,该方程取决于传统的心血管危险因素(例如,高血压血脂异常,糖尿病,吸烟,心房颤动)。这些风险评估工具计算了近十年来一般血管“事件”(例如中风和心肌梗塞)等一般血管“事件”的可能性,但没有评估即将发生的事件的风险,尽管这将立即采取预防措施(例如,对心房颤动的抗凝剂;控制高血压)。秘密脑血管疾病与微妙的认知和运动缺陷以及中风的风险增加有关。我们假设可以根据急性临床中风实际发生之前0-12个月的Internet沟通功能来识别即将到来的中风的受试者。基于此,我们以前已经开发了一种基于Internet的算法,该算法可以准确地通过搜索查询中表现出的认知变化来准确地识别中风风险。这项研究的目的是通过分析用中风的Tel-Aviv Sourasky医疗中心住院的患者的Google查询来验证模型并培训新模型。急性心肌梗塞和未受影响的配偶将作为对照。
详细说明

在这项研究中,我们将分析2016 - 2020年之间在Tel-Aviv Sourasky医疗中心住院的患者的Google查询。在正式填写已签署的知情同意书后,同意主题将亲自从Google外卖服务中要求其搜索数据从中风前至2年,并通过创建这些一次性文件来访问研究人员数据并与研究人员共享。遵循Google查询的知情同意数据,参与者将使用Google“ Out Out”服务提取,最多2年前到中风后一年。对照组将由诊断为急性心肌梗塞(MI)和MI/中风患者的配偶的患者组成。招聘将主要来自两个由机构批准的中风和急性MI的数据库。根据构建模型并测试其性能所需的最小查询日志数据集的先前经验,总共将招募450名参与者,每组中有150名参与者。

匿名将通过几种方式保证;访问Google外卖数据将仅限于执行研究所需的最低限额,并且仅向Tel-Aviv大学的数据分析团队的成员提供,而对医疗数据的访问只能向研究人员提供Tel-Aviv Sourasky医疗中心。此外,Tel-Aviv大学合作伙伴团队的成员有义务避免任何积极的尝试来识别参加试验的受试者。与Tel-Aviv大学共享的所有数据都将存储在本地加密的硬盘上。该数据将在项目结束时从Tel-Aviv大学的计算机中删除。

我们先前开发的机器学习模型,该模型能够预测受试者的中风,与年龄匹配的对照相比,曲线下的面积(AUC)为0.972,它以1%的假阳性速率转化为52.7%的阳性预测值为52.7% ,将用于预测一个人当天发生中风事件的可能性。这将与已知的中风或MI的日期进行比较。性能的度量将是检测的接收器工作曲线(ROC)和曲线下的相应区域(AUC)。此外,将使用收集的数据训练新模型并类似地测试,尽管使用了10倍的交叉验证。中风检测灵敏度和特异性将得出。

研究类型观察
学习规划观察模型:病例对照
时间视角:回顾
目标随访时间不提供
生物测量不提供
采样方法非概率样本
研究人群所有65岁或以上的人都在诊断中被诊断出诊断,并通过成像或急性心肌违规的诊断或不受影响的配偶或志愿者遵守年龄标准的诊断为中风。
健康)状况
  • 中风
  • 急性心肌梗塞
干涉不提供
研究组/队列
  • 中风
    在2016 - 2020年间,在机构批准的中风数据库中记录的2016 - 2020年之间,在Tel-Aviv Sourasky医疗中心住院的个人,他们将同意从Google提供数据访问。
  • 急性心肌梗塞
    心肌梗死的机构批准的数据库中记录的急性心肌梗塞的诊断为心肌梗死' target='_blank'>急性心肌梗死的人,他们将同意从Google提供数据访问。
  • 健康控制
    未受影响的配偶或志愿者,他们同意从Google提供服务中访问其数据。
出版物 *
  • Anderson KM,Odell PM,Wilson PW,Kannel WB。心血管疾病风险特征。 Am Heart J. 1991 Jan; 121(1 pt 2):293-8。
  • 心房颤动研究小组研究者的预防中风。心房颤动研究中预防中风的初步报告。 N Engl J Med。 1990年3月22日; 322(12):863-8。
  • Staessen JA,Thijisq L,Fagard R,Celis H,BirkenhägerWH,Bulpitt CJ,de Leeuw PW,Fletcher AE,Forette F,Forette F,Leonetti G,McCormack P,Nachev C,Nachev C,O'Brien E,Rodicio JL,Rosenfeld J,Sarti C,Sarti C,Sarti C,Sarti C,Sarti C,Sarti C,Sarti C,Sarti C,Sarti C,Sarti C C. ,Tuomilehto J,Webster J,Yodfat Y,Zanchetti A;欧洲的收缩压(Syst-EUR)试验研究者。欧洲试验中收缩压高血压中的直接与延迟降压治疗对预后的影响。 J高血压。 2004年4月; 22(4):847-57。
  • Schueller SM,Steakley-Freeman DM,Mohr DC,Yom-TovE。了解Web浏览行为治疗的感知障碍。 J影响疾病。 2020年4月15日; 267:63-66。 doi:10.1016/j.jad.2020.01.131。 Epub 2020年1月23日。

*包括数据提供商提供的出版物以及MEDLINE中临床标识符(NCT编号)确定的出版物。
招聘信息
招聘状况尚未招募
估计入学人数
(提交:2021年2月13日)
450
原始估计注册与电流相同
估计学习完成日期2023年12月
估计初级完成日期2023年6月(主要结果度量的最终数据收集日期)
资格标准

纳入标准:

  1. 以下条款A,B或C:

    1. 从6/2016至03/2020的任何日期,从特拉维夫 - 苏拉斯基医学中心的中心释放。
    2. 从生化,心电图学和/或成像研究支持的急性心肌梗塞的临床诊断,从特拉维夫 - 苏拉斯基医疗中心的出院。
    3. 如果配偶在同一时间范围内或更早的时间内没有经历临床中风,则在“ A”或“ B”中的患者配偶。
  2. 事件前定期使用Internet,因此该研究已包括在本研究中。
  3. 同意允许Tel-Aviv大学合作伙伴团队(Ran Gilad-Bachrach教授和授权实验室成员)访问其Google查询,从中风活动前两年到一年。

排除标准:

  1. 成像研究不支持TIA或中风的诊断
  2. 被诊断为先前的认知障碍
  3. 被诊断的共存神经退行性疾病
  4. 除绝经后状态或男性性腺功能减退外,被诊断为荷尔蒙或营养缺乏症。
性别/性别
有资格学习的男女:全部
年龄65岁以上(老年人)
接受健康的志愿者是的
联系人
联系人:Sigal Shaklai,医生+97236973732 sigals@tlvmc.gov.il
联系人:纳夫塔利·斯特恩(Naftali Stern),教授 nafstern66@gmail.com
列出的位置国家不提供
删除了位置国家
管理信息
NCT编号NCT04755959
其他研究ID编号0361-20-TLV
有数据监测委员会
美国FDA调节的产品
研究美国FDA调节的药物:
研究美国FDA调节的设备产品:
IPD共享声明
计划共享IPD:不确定
计划说明:由于这不是一项介入的研究,而是回顾性,因此数据共享不是必须的。此外,该研究涉及对个人互联网沟通的审查和分析,并确保参与者确保这种类型的数据对调查人员完全看不见,并且已经设定了基于计算机的策略。然而,在研究完成后,可以将数据共享的具体请求指向作者,并了解任何此类请求,不仅要受到调查人员的酌处权,而且要受到特拉维夫 - 苏拉斯基医学中心的IRB的特定批准(赫尔辛基委员会)。可以在审判完成后提出请求,并以已发表的文章或报告的形式提出调查人员的结果。
责任方Tel-Aviv Sourasky医疗中心
研究赞助商Tel-Aviv Sourasky医疗中心
合作者特拉维夫大学
调查人员
研究主任:纳夫塔利·斯特恩(Naftali Stern),教授Tel-Aviv Sourasky医疗中心
PRS帐户Tel-Aviv Sourasky医疗中心
验证日期2021年2月