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 / 使用数字数据预测CHD
使用数字数据预测CHD
研究描述
简要摘要：
该项目旨在识别和表征与数字数据（例如社交媒体，在线搜索，移动媒体）衍生的功能，这些功能与冠心病（CHD）和相关风险因素相关，并开发使用数字数据和常规预测模型的模型预测CHD风险和医疗保健利用。
| 病情或疾病 | 干预/治疗 |
|---|---|
| 心血管疾病 | 其他：调查 |
详细说明：
心血管疾病是美国死亡的主要原因。尽管次要预防方法改善了患者的寿命，但危险因素和不利的健康行为（例如，身体不活动，吸烟）非常普遍，在大多数当代系列中，只有不到1％的成年人满足理想CV健康的所有因素。达到理想简历健康目标的物流和实用性尚未清楚地阐明。实践指南建议使用Framingham风险评分（FRS）或其他风险预测工具来分类患者的CV疾病风险。但是，这些模型不精确，并且越来越重视识别提供更好的风险度量的标记。由于数字平台越来越多地用于记录生活方式和健康行为，因此来自数字来源的数据可能会为新型风险因素的表现提供一个窗口，并有可能更好地表征现有风险因素。虽然提到数字数据对日常生活的深刻影响似乎是一种陈词滥调，但这些新媒体为理解健康的行为，社会和环境决定因素提供的机会确实有很大的实质。该项目旨在识别和表征与数字数据（例如社交媒体，在线搜索，移动媒体）衍生的功能，这些功能与冠心病（CHD）和相关风险因素相关，并开发使用数字数据和常规预测模型的模型预测CHD风险和医疗保健利用。
学习规划
| 研究类型 ： | 观察 |
| 估计入学人数 ： | 1000名参与者 |
| 观察模型： | 案例对照 |
| 时间观点： | 横截面 |
| 官方标题： | 使用数字数据预测心血管健康和保健利用 |
| 实际学习开始日期 ： | 2020年9月25日 |
| 估计初级完成日期 ： | 2023年9月30日 |
| 估计 学习完成日期 ： | 2023年12月14日 |
武器和干预措施
| 小组/队列 | 干预/治疗 |
|---|---|
| 案件 在过去6个月内，在宾夕法尼亚大学卫生系统（UPHS）获得护理的40-74岁患者（IICD 10：I63，I20-I25）中有40-74岁的患者。 | 其他：调查 有兴趣的参与者可以在线完成知情同意。经过知情同意后，将要求参与者共享他们使用的数字数据类型（Facebook，Instagram，Twitter，Google搜索，步骤数据），然后参与者将完成横断面调查。 |
| 控制 40-74岁的患者患有无伴有血管相关的首席符合性的患者。 | 其他：调查 有兴趣的参与者可以在线完成知情同意。经过知情同意后，将要求参与者共享他们使用的数字数据类型（Facebook，Instagram，Twitter，Google搜索，步骤数据），然后参与者将完成横断面调查。 |
结果措施
主要结果指标 ：
- 潜在的DIRICHLET分配主题 - 患有和没有心脏病的患者之间讨论的主题 /主题[时间范围：通过研究完成，平均3年]主要结果是主题和功能（使用潜在的dirichlet分配[LDA]方法用于聚类语言数据）。
其他结果措施：
- CHD事件[时间范围：通过研究完成，平均3年]
通过Framingham风险评分来预测患者中冠心病相关事件的可靠性。
弗雷明汉风险评分（FRS）是预测心血管疾病（CVD）风险的验证方法。输入变量包括年龄，吸烟，总胆固醇，HDL胆固醇，收缩压测量和高血压治疗。点值是根据这些风险中的每个风险计算得出的。 10年的风险评分可以作为一个百分比得出。风险评分范围为0-20％。
低风险：在未来10年内您会因动脉疾病' target='_blank'>冠状动脉疾病而导致心脏病发作' target='_blank'>心脏病发作或死亡的风险小于10％。
中级风险：在未来10年内您会因动脉疾病' target='_blank'>冠状动脉疾病而产生心脏病发作' target='_blank'>心脏病发作或死亡的风险为10％至20％。
高风险：在未来10年中，您会出现心脏病发作' target='_blank'>心脏病发作或死于动脉疾病' target='_blank'>冠状动脉疾病的风险大于20％。
- 医疗保健利用[时间范围：通过研究完成，平均3年]
资格标准
| 符合研究资格的年龄： | 40年至74岁（成人，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
我们将确定有或没有冠心病的40-74岁的患者（ICD 9：414.0，ICD 10：i63，i20-i25）在宾夕法尼亚大学卫生系统中获得护理。
标准
纳入标准：
- 40-74岁
- 愿意签署知情同意
- 主要是英语（用于语言分析）
- 有社交媒体帐户，至少有以下资源之一：Facebook，Twitter，Reddit，Instagram）
- 过去一年中至少10次在社交媒体帐户上的帖子
- 愿意共享历史和前瞻性数据（60天）
- 有一个Gmail帐户
- 愿意下载并分享Google外卖zip文件
- 具有智能手机或可穿戴设备，例如Fitbit，Garmin Watch。
- 愿意共享步骤数据
- 愿意分享医疗健康记录的访问权限
- 接受了UPHS的住院或在UPHS进行门诊就诊
- 愿意分享医疗保险信息
排除标准：
- 患者不符合上面的年龄纳入标准
- 我们不使用和发布我们正在研究或不愿意捐赠数据的数字数据源
- 患者处于严重困扰，例如呼吸，身体或情绪困扰
- 患者陶醉，无意识或无法适当回答问题
联系人和位置
位置
| 美国，宾夕法尼亚州 | |
| 宾夕法尼亚大学卫生系统 | 招募 |
| 费城，宾夕法尼亚州，美国，19101年 | |
| 联系人：Rachelle Schneider 484-723-3171 Rachelle.schneider@pennmedicine.upenn.edu | |
赞助商和合作者
宾夕法尼亚大学
| 追踪信息 | |||||
|---|---|---|---|---|---|
| 首先提交日期 | 2020年9月28日 | ||||
| 第一个发布日期 | 2020年10月5日 | ||||
| 最后更新发布日期 | 2020年10月5日 | ||||
| 实际学习开始日期 | 2020年9月25日 | ||||
| 估计初级完成日期 | 2023年9月30日（主要结果度量的最终数据收集日期） | ||||
| 当前的主要结果指标 | 潜在的DIRICHLET分配主题 - 患有和没有心脏病的患者之间讨论的主题 /主题[时间范围：通过研究完成，平均3年] 主要结果是主题和功能（使用潜在的dirichlet分配[LDA]方法用于聚类语言数据）。 | ||||
| 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 |
| ||||
| 其他其他预先指定的结果指标 | 与电流相同 | ||||
| 描述性信息 | |||||
| 简短标题 | 使用数字数据预测CHD | ||||
| 官方头衔 | 使用数字数据预测心血管健康和保健利用 | ||||
| 简要摘要 | 该项目旨在识别和表征与数字数据（例如社交媒体，在线搜索，移动媒体）衍生的功能，这些功能与冠心病（CHD）和相关风险因素相关，并开发使用数字数据和常规预测模型的模型预测CHD风险和医疗保健利用。 | ||||
| 详细说明 | 心血管疾病是美国死亡的主要原因。尽管次要预防方法改善了患者的寿命，但危险因素和不利的健康行为（例如，身体不活动，吸烟）非常普遍，在大多数当代系列中，只有不到1％的成年人满足理想CV健康的所有因素。达到理想简历健康目标的物流和实用性尚未清楚地阐明。实践指南建议使用Framingham风险评分（FRS）或其他风险预测工具来分类患者的CV疾病风险。但是，这些模型不精确，并且越来越重视识别提供更好的风险度量的标记。由于数字平台越来越多地用于记录生活方式和健康行为，因此来自数字来源的数据可能会为新型风险因素的表现提供一个窗口，并有可能更好地表征现有风险因素。虽然提到数字数据对日常生活的深刻影响似乎是一种陈词滥调，但这些新媒体为理解健康的行为，社会和环境决定因素提供的机会确实有很大的实质。该项目旨在识别和表征与数字数据（例如社交媒体，在线搜索，移动媒体）衍生的功能，这些功能与冠心病（CHD）和相关风险因素相关，并开发使用数字数据和常规预测模型的模型预测CHD风险和医疗保健利用。 | ||||
| 研究类型 | 观察 | ||||
| 学习规划 | 观察模型：病例对照 时间视角：横截面 | ||||
| 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 | 我们将确定有或没有冠心病的40-74岁的患者（ICD 9：414.0，ICD 10：i63，i20-i25）在宾夕法尼亚大学卫生系统中获得护理。 | ||||
| 健康）状况 | 心血管疾病 | ||||
| 干涉 | 其他：调查 有兴趣的参与者可以在线完成知情同意。经过知情同意后，将要求参与者共享他们使用的数字数据类型（Facebook，Instagram，Twitter，Google搜索，步骤数据），然后参与者将完成横断面调查。 | ||||
| 研究组/队列 |
| ||||
| 出版物 * | 不提供 | ||||
*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 | 招募 | ||||
| 估计入学人数 | 1000 | ||||
| 原始估计注册 | 与电流相同 | ||||
| 估计学习完成日期 | 2023年12月14日 | ||||
| 估计初级完成日期 | 2023年9月30日（主要结果度量的最终数据收集日期） | ||||
| 资格标准 | 纳入标准：
排除标准：
| ||||
| 性别/性别 |
| ||||
| 年龄 | 40年至74岁（成人，老年人） | ||||
| 接受健康的志愿者 | 是的 | ||||
| 联系人 | |||||
| 列出的位置国家 | 美国 | ||||
| 删除了位置国家 | |||||
| 管理信息 | |||||
| NCT编号 | NCT04574882 | ||||
| 其他研究ID编号 | 833699 | ||||
| 有数据监测委员会 | 不 | ||||
| 美国FDA调节的产品 |
| ||||
| IPD共享声明 |
| ||||
| 责任方 | 宾夕法尼亚大学 | ||||
| 研究赞助商 | 宾夕法尼亚大学 | ||||
| 合作者 | 不提供 | ||||
| 调查人员 | 不提供 | ||||
| PRS帐户 | 宾夕法尼亚大学 | ||||
| 验证日期 | 2020年9月 | ||||
研究描述
简要摘要：
该项目旨在识别和表征与数字数据（例如社交媒体，在线搜索，移动媒体）衍生的功能，这些功能与冠心病（CHD）和相关风险因素相关，并开发使用数字数据和常规预测模型的模型预测CHD风险和医疗保健利用。
| 病情或疾病 | 干预/治疗 |
|---|---|
| 心血管疾病 | 其他：调查 |
详细说明：
心血管疾病是美国死亡的主要原因。尽管次要预防方法改善了患者的寿命，但危险因素和不利的健康行为（例如，身体不活动，吸烟）非常普遍，在大多数当代系列中，只有不到1％的成年人满足理想CV健康的所有因素。达到理想简历健康目标的物流和实用性尚未清楚地阐明。实践指南建议使用Framingham风险评分（FRS）或其他风险预测工具来分类患者的CV疾病风险。但是，这些模型不精确，并且越来越重视识别提供更好的风险度量的标记。由于数字平台越来越多地用于记录生活方式和健康行为，因此来自数字来源的数据可能会为新型风险因素的表现提供一个窗口，并有可能更好地表征现有风险因素。虽然提到数字数据对日常生活的深刻影响似乎是一种陈词滥调，但这些新媒体为理解健康的行为，社会和环境决定因素提供的机会确实有很大的实质。该项目旨在识别和表征与数字数据（例如社交媒体，在线搜索，移动媒体）衍生的功能，这些功能与冠心病（CHD）和相关风险因素相关，并开发使用数字数据和常规预测模型的模型预测CHD风险和医疗保健利用。
学习规划
| 研究类型 ： | 观察 |
| 估计入学人数 ： | 1000名参与者 |
| 观察模型： | 案例对照 |
| 时间观点： | 横截面 |
| 官方标题： | 使用数字数据预测心血管健康和保健利用 |
| 实际学习开始日期 ： | 2020年9月25日 |
| 估计初级完成日期 ： | 2023年9月30日 |
| 估计 学习完成日期 ： | 2023年12月14日 |
武器和干预措施
| 小组/队列 | 干预/治疗 |
|---|---|
| 案件 在过去6个月内，在宾夕法尼亚大学卫生系统（UPHS）获得护理的40-74岁患者（IICD 10：I63，I20-I25）中有40-74岁的患者。 | 其他：调查 有兴趣的参与者可以在线完成知情同意。经过知情同意后，将要求参与者共享他们使用的数字数据类型（Facebook，Instagram，Twitter，Google搜索，步骤数据），然后参与者将完成横断面调查。 |
| 控制 40-74岁的患者患有无伴有血管相关的首席符合性的患者。 | 其他：调查 有兴趣的参与者可以在线完成知情同意。经过知情同意后，将要求参与者共享他们使用的数字数据类型（Facebook，Instagram，Twitter，Google搜索，步骤数据），然后参与者将完成横断面调查。 |
结果措施
主要结果指标 ：
其他结果措施：
- CHD事件[时间范围：通过研究完成，平均3年]
通过Framingham风险评分来预测患者中冠心病相关事件的可靠性。
弗雷明汉风险评分（FRS）是预测心血管疾病（CVD）风险的验证方法。输入变量包括年龄，吸烟，总胆固醇，HDL胆固醇，收缩压测量和高血压治疗。点值是根据这些风险中的每个风险计算得出的。 10年的风险评分可以作为一个百分比得出。风险评分范围为0-20％。
低风险：在未来10年内您会因动脉疾病' target='_blank'>冠状动脉疾病而导致心脏病发作' target='_blank'>心脏病发作或死亡的风险小于10％。
中级风险：在未来10年内您会因动脉疾病' target='_blank'>冠状动脉疾病而产生心脏病发作' target='_blank'>心脏病发作或死亡的风险为10％至20％。
高风险：在未来10年中，您会出现心脏病发作' target='_blank'>心脏病发作或死于动脉疾病' target='_blank'>冠状动脉疾病的风险大于20％。
- 医疗保健利用[时间范围：通过研究完成，平均3年]
资格标准
| 符合研究资格的年龄： | 40年至74岁（成人，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
我们将确定有或没有冠心病的40-74岁的患者（ICD 9：414.0，ICD 10：i63，i20-i25）在宾夕法尼亚大学卫生系统中获得护理。
标准
纳入标准：
- 40-74岁
- 愿意签署知情同意
- 主要是英语（用于语言分析）
- 有社交媒体帐户，至少有以下资源之一：Facebook，Twitter，Reddit，Instagram）
- 过去一年中至少10次在社交媒体帐户上的帖子
- 愿意共享历史和前瞻性数据（60天）
- 有一个Gmail帐户
- 愿意下载并分享Google外卖zip文件
- 具有智能手机或可穿戴设备，例如Fitbit，Garmin Watch。
- 愿意共享步骤数据
- 愿意分享医疗健康记录的访问权限
- 接受了UPHS的住院或在UPHS进行门诊就诊
- 愿意分享医疗保险信息
排除标准：
- 患者不符合上面的年龄纳入标准
- 我们不使用和发布我们正在研究或不愿意捐赠数据的数字数据源
- 患者处于严重困扰，例如呼吸，身体或情绪困扰
- 患者陶醉，无意识或无法适当回答问题
联系人和位置
位置
| 美国，宾夕法尼亚州 | |
| 宾夕法尼亚大学卫生系统 | 招募 |
| 费城，宾夕法尼亚州，美国，19101年 | |
| 联系人：Rachelle Schneider 484-723-3171 Rachelle.schneider@pennmedicine.upenn.edu | |
赞助商和合作者
宾夕法尼亚大学
| 追踪信息 | |||||
|---|---|---|---|---|---|
| 首先提交日期 | 2020年9月28日 | ||||
| 第一个发布日期 | 2020年10月5日 | ||||
| 最后更新发布日期 | 2020年10月5日 | ||||
| 实际学习开始日期 | 2020年9月25日 | ||||
| 估计初级完成日期 | 2023年9月30日（主要结果度量的最终数据收集日期） | ||||
| 当前的主要结果指标 | 潜在的DIRICHLET分配主题 - 患有和没有心脏病的患者之间讨论的主题 /主题[时间范围：通过研究完成，平均3年] 主要结果是主题和功能（使用潜在的dirichlet分配[LDA]方法用于聚类语言数据）。 | ||||
| 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 |
| ||||
| 其他其他预先指定的结果指标 | 与电流相同 | ||||
| 描述性信息 | |||||
| 简短标题 | 使用数字数据预测CHD | ||||
| 官方头衔 | 使用数字数据预测心血管健康和保健利用 | ||||
| 简要摘要 | 该项目旨在识别和表征与数字数据（例如社交媒体，在线搜索，移动媒体）衍生的功能，这些功能与冠心病（CHD）和相关风险因素相关，并开发使用数字数据和常规预测模型的模型预测CHD风险和医疗保健利用。 | ||||
| 详细说明 | 心血管疾病是美国死亡的主要原因。尽管次要预防方法改善了患者的寿命，但危险因素和不利的健康行为（例如，身体不活动，吸烟）非常普遍，在大多数当代系列中，只有不到1％的成年人满足理想CV健康的所有因素。达到理想简历健康目标的物流和实用性尚未清楚地阐明。实践指南建议使用Framingham风险评分（FRS）或其他风险预测工具来分类患者的CV疾病风险。但是，这些模型不精确，并且越来越重视识别提供更好的风险度量的标记。由于数字平台越来越多地用于记录生活方式和健康行为，因此来自数字来源的数据可能会为新型风险因素的表现提供一个窗口，并有可能更好地表征现有风险因素。虽然提到数字数据对日常生活的深刻影响似乎是一种陈词滥调，但这些新媒体为理解健康的行为，社会和环境决定因素提供的机会确实有很大的实质。该项目旨在识别和表征与数字数据（例如社交媒体，在线搜索，移动媒体）衍生的功能，这些功能与冠心病（CHD）和相关风险因素相关，并开发使用数字数据和常规预测模型的模型预测CHD风险和医疗保健利用。 | ||||
| 研究类型 | 观察 | ||||
| 学习规划 | 观察模型：病例对照 时间视角：横截面 | ||||
| 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 | 我们将确定有或没有冠心病的40-74岁的患者（ICD 9：414.0，ICD 10：i63，i20-i25）在宾夕法尼亚大学卫生系统中获得护理。 | ||||
| 健康）状况 | 心血管疾病 | ||||
| 干涉 | 其他：调查 有兴趣的参与者可以在线完成知情同意。经过知情同意后，将要求参与者共享他们使用的数字数据类型（Facebook，Instagram，Twitter，Google搜索，步骤数据），然后参与者将完成横断面调查。 | ||||
| 研究组/队列 |
| ||||
| 出版物 * | 不提供 | ||||
*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 | 招募 | ||||
| 估计入学人数 | 1000 | ||||
| 原始估计注册 | 与电流相同 | ||||
| 估计学习完成日期 | 2023年12月14日 | ||||
| 估计初级完成日期 | 2023年9月30日（主要结果度量的最终数据收集日期） | ||||
| 资格标准 | 纳入标准：
排除标准：
| ||||
| 性别/性别 |
| ||||
| 年龄 | 40年至74岁（成人，老年人） | ||||
| 接受健康的志愿者 | 是的 | ||||
| 联系人 | |||||
| 列出的位置国家 | 美国 | ||||
| 删除了位置国家 | |||||
| 管理信息 | |||||
| NCT编号 | NCT04574882 | ||||
| 其他研究ID编号 | 833699 | ||||
| 有数据监测委员会 | 不 | ||||
| 美国FDA调节的产品 |
| ||||
| IPD共享声明 |
| ||||
| 责任方 | 宾夕法尼亚大学 | ||||
| 研究赞助商 | 宾夕法尼亚大学 | ||||
| 合作者 | 不提供 | ||||
| 调查人员 | 不提供 | ||||
| PRS帐户 | 宾夕法尼亚大学 | ||||
| 验证日期 | 2020年9月 | ||||
