连全球医疗资源，享前沿医疗服务
4006 776 356
免费咨询 9:00-18:00
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 / 冲程后运动恢复（Prep-AVC）的预测
冲程后运动恢复（Prep-AVC）的预测
研究描述
简要摘要：
由于几个临床原因，在中风急性阶段恢复运动的预测至关重要：（i）通知患者及其亲戚，（ii）帮助确定患者的认可（返回家园或康复）以及适应康复计划可以从中获得期望。迄今为止，C。Stinear的团队提出的算法（决策树）名为Prep2是最好的预测工具，其中75％的患者在3个月时分类良好。它可以通过将恢复为“出色”，“良好”，“有限”以及“次要”（较小的）（糟糕）将恢复分类为“恢复”前3个月前三个月的上肢的功能恢复。有两个数据（安全得分，年龄）或三个（安全得分，电动机诱发电位，NIHSS），该预测在4中有效。在研究中，我们提出了“ Prep-UCV”，我们想验证这一点我们活跃文件中的患者是中风受害者的算法。预期准确性为75％或更高。作为次要目的，我们想确认我们从Prep 2的初始数据开始发现相同的算法（中风的侧面，中风类型（缺血性和 /或出血），MRI上的皮质脊髓段的参与，性别，性别，性别出生时）以及其他两个也非常重要的因素：认知状况（DySexexection / Aphensia / neclect）以及淋巴细胞比例的中性粒细胞。
| 病情或疾病 | 干预/治疗 |
|---|---|
| 上肢运动不足的中风患者 | 其他：临床分数，例如安全得分，NIHSS；人口统计数据，例如年龄和电生理数据（例如，电动机的不存在/存在） |
详细说明：
遇到上肢缺陷的中风患者的回顾性队列。临床得分，例如安全评分，NIHSS；人口统计数据，例如年龄和电生理数据（例如，电动机诱发电位的存在/存在）将根据PREP2算法确定上肢不足的预测功能结果。该预测的准确性将根据患者的实际状态在3-6个月后进行验证。其次，将考虑考虑认知缺陷和生物学数据的另一种算法，以确定准确性是否更高。所有数据将在临床常规工作期间获取。
学习规划
| 研究类型 ： | 观察 |
| 估计入学人数 ： | 200名参与者 |
| 观察模型： | 队列 |
| 时间观点： | 回顾 |
| 官方标题： | 冲程后运动恢复的预测：Prep-AVC算法 |
| 估计研究开始日期 ： | 2020年10月1日 |
| 估计初级完成日期 ： | 2022年10月1日 |
| 估计 学习完成日期 ： | 2022年10月1日 |
武器和干预措施
| 小组/队列 | 干预/治疗 |
|---|---|
| 跟进上肢缺陷的中风患者 通常对上肢赤字的中风患者的随访 | 其他：临床分数，例如安全得分，NIHSS；人口统计数据，例如年龄和电生理数据（例如，电动机的不存在/存在） 临床分数，例如安全得分，NIHSS；人口统计数据，例如年龄和电生理数据（例如，电动机诱发电位的存在/存在）将根据PREP2算法确定上肢不足的预测功能结果。 |
结果措施
主要结果指标 ：
- 使用PreP2决策树分类的准确性[时间范围：6个月]在康复组中分类良好的患者比例
资格标准
| 符合研究资格的年龄： | 18岁以上（成人，老年人） |
| 有资格学习的男女： | 全部 |
| 接受健康的志愿者： | 不 |
| 采样方法： | 非概率样本 |
研究人群
上肢运动缺陷的中风患者
标准
纳入标准：
（i）年龄≥18岁，（ii）在pitié-salpêtrière中风单元，（iii）中风的中风不足，（iv）同意参加；（iii）中风；
排除标准：
（i）与MRI或TMS的矛盾，（ii）法律监护下的患者，（iii）没有医疗保健保险的患者
联系人和位置
联系人
| 联系人：医学博士夏洛特·罗索 | 1 42 16 21 03 ext +33 | charlotte.rosso@aphp.fr |
赞助商和合作者
援助公共场所-Hôpitauxde Paris
| 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 | ||||
| 估计研究开始日期 | 2020年10月1日 | ||||
| 估计初级完成日期 | 2022年10月1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 | 使用PreP2决策树分类的准确性[时间范围：6个月] 在康复组中分类良好的患者比例 | ||||
| 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 | 预测势后运动恢复 | ||||
| 官方头衔 | 冲程后运动恢复的预测：Prep-AVC算法 | ||||
| 简要摘要 | 由于几个临床原因，在中风急性阶段恢复运动的预测至关重要：（i）通知患者及其亲戚，（ii）帮助确定患者的认可（返回家园或康复）以及适应康复计划可以从中获得期望。迄今为止，C。Stinear的团队提出的算法（决策树）名为Prep2是最好的预测工具，其中75％的患者在3个月时分类良好。它可以通过将恢复为“出色”，“良好”，“有限”以及“次要”（较小的）（糟糕）将恢复分类为“恢复”前3个月前三个月的上肢的功能恢复。有两个数据（安全得分，年龄）或三个（安全得分，电动机诱发电位，NIHSS），该预测在4中有效。在研究中，我们提出了“ Prep-UCV”，我们想验证这一点我们活跃文件中的患者是中风受害者的算法。预期准确性为75％或更高。作为次要目的，我们想确认我们从Prep 2的初始数据开始发现相同的算法（中风的侧面，中风类型（缺血性和 /或出血），MRI上的皮质脊髓段的参与，性别，性别，性别出生时）以及其他两个也非常重要的因素：认知状况（DySexexection / Aphensia / neclect）以及淋巴细胞比例的中性粒细胞。 | ||||
| 详细说明 | 遇到上肢缺陷的中风患者的回顾性队列。临床得分，例如安全评分，NIHSS；人口统计数据，例如年龄和电生理数据（例如，电动机诱发电位的存在/存在）将根据PREP2算法确定上肢不足的预测功能结果。该预测的准确性将根据患者的实际状态在3-6个月后进行验证。其次，将考虑考虑认知缺陷和生物学数据的另一种算法，以确定准确性是否更高。所有数据将在临床常规工作期间获取。 | ||||
| 研究类型 | 观察 | ||||
| 学习规划 | 观察模型：队列 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 | 上肢运动缺陷的中风患者 | ||||
| 健康）状况 | 上肢运动不足的中风患者 | ||||
| 干涉 | 其他：临床分数，例如安全得分，NIHSS；人口统计数据，例如年龄和电生理数据（例如，电动机的不存在/存在） 临床分数，例如安全得分，NIHSS；人口统计数据，例如年龄和电生理数据（例如，电动机诱发电位的存在/存在）将根据PREP2算法确定上肢不足的预测功能结果。 | ||||
| 研究组/队列 | 跟进上肢缺陷的中风患者 通常对上肢赤字的中风患者的随访 干预：其他：临床分数，例如安全评分，NIHSS；人口统计数据，例如年龄和电生理数据（例如，电动机的不存在/存在） | ||||
| 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 | 尚未招募 | ||||
| 估计入学人数 | 200 | ||||
| 原始估计注册 | 与电流相同 | ||||
| 估计学习完成日期 | 2022年10月1日 | ||||
| 估计初级完成日期 | 2022年10月1日（主要结果度量的最终数据收集日期） | ||||
| 资格标准 | 纳入标准： （i）年龄≥18岁，（ii）在pitié-salpêtrière中风单元，（iii）中风的中风不足，（iv）同意参加；（iii）中风； 排除标准： （i）与MRI或TMS的矛盾，（ii）法律监护下的患者，（iii）没有医疗保健保险的患者 | ||||
| 性别/性别 |
| ||||
| 年龄 | 18岁以上（成人，老年人） | ||||
| 接受健康的志愿者 | 不 | ||||
| 联系人 |
| ||||
| 列出的位置国家 | 不提供 | ||||
| 删除了位置国家 | |||||
| 管理信息 | |||||
| NCT编号 | NCT04574037 | ||||
| 其他研究ID编号 | APHP 200863 | ||||
| 有数据监测委员会 | 不 | ||||
| 美国FDA调节的产品 |
| ||||
| IPD共享声明 | 不提供 | ||||
| 责任方 | 援助公共场所-Hôpitauxde Paris | ||||
| 研究赞助商 | 援助公共场所-Hôpitauxde Paris | ||||
| 合作者 | 不提供 | ||||
| 调查人员 | 不提供 | ||||
| PRS帐户 | 援助公共场所-Hôpitauxde Paris | ||||
| 验证日期 | 2020年8月 | ||||
研究描述
简要摘要：
由于几个临床原因，在中风急性阶段恢复运动的预测至关重要：（i）通知患者及其亲戚，（ii）帮助确定患者的认可（返回家园或康复）以及适应康复计划可以从中获得期望。迄今为止，C。Stinear的团队提出的算法（决策树）名为Prep2是最好的预测工具，其中75％的患者在3个月时分类良好。它可以通过将恢复为“出色”，“良好”，“有限”以及“次要”（较小的）（糟糕）将恢复分类为“恢复”前3个月前三个月的上肢的功能恢复。有两个数据（安全得分，年龄）或三个（安全得分，电动机诱发电位，NIHSS），该预测在4中有效。在研究中，我们提出了“ Prep-UCV”，我们想验证这一点我们活跃文件中的患者是中风受害者的算法。预期准确性为75％或更高。作为次要目的，我们想确认我们从Prep 2的初始数据开始发现相同的算法（中风的侧面，中风类型（缺血性和 /或出血），MRI上的皮质脊髓段的参与，性别，性别，性别出生时）以及其他两个也非常重要的因素：认知状况（DySexexection / Aphensia / neclect）以及淋巴细胞比例的中性粒细胞。
| 病情或疾病 | 干预/治疗 |
|---|---|
| 上肢运动不足的中风患者 | 其他：临床分数，例如安全得分，NIHSS；人口统计数据，例如年龄和电生理数据（例如，电动机的不存在/存在） |
详细说明：
遇到上肢缺陷的中风患者的回顾性队列。临床得分，例如安全评分，NIHSS；人口统计数据，例如年龄和电生理数据（例如，电动机诱发电位的存在/存在）将根据PREP2算法确定上肢不足的预测功能结果。该预测的准确性将根据患者的实际状态在3-6个月后进行验证。其次，将考虑考虑认知缺陷和生物学数据的另一种算法，以确定准确性是否更高。所有数据将在临床常规工作期间获取。
学习规划
| 研究类型 ： | 观察 |
| 估计入学人数 ： | 200名参与者 |
| 观察模型： | 队列 |
| 时间观点： | 回顾 |
| 官方标题： | 冲程后运动恢复的预测：Prep-AVC算法 |
| 估计研究开始日期 ： | 2020年10月1日 |
| 估计初级完成日期 ： | 2022年10月1日 |
| 估计 学习完成日期 ： | 2022年10月1日 |
武器和干预措施
| 小组/队列 | 干预/治疗 |
|---|---|
| 跟进上肢缺陷的中风患者 通常对上肢赤字的中风患者的随访 | 其他：临床分数，例如安全得分，NIHSS；人口统计数据，例如年龄和电生理数据（例如，电动机的不存在/存在） 临床分数，例如安全得分，NIHSS；人口统计数据，例如年龄和电生理数据（例如，电动机诱发电位的存在/存在）将根据PREP2算法确定上肢不足的预测功能结果。 |
结果措施
主要结果指标 ：
- 使用PreP2决策树分类的准确性[时间范围：6个月]在康复组中分类良好的患者比例
资格标准
| 符合研究资格的年龄： | 18岁以上（成人，老年人） |
| 有资格学习的男女： | 全部 |
| 接受健康的志愿者： | 不 |
| 采样方法： | 非概率样本 |
研究人群
上肢运动缺陷的中风患者
标准
纳入标准：
（i）年龄≥18岁，（ii）在pitié-salpêtrière中风单元，（iii）中风的中风不足，（iv）同意参加；（iii）中风；
排除标准：
（i）与MRI或TMS的矛盾，（ii）法律监护下的患者，（iii）没有医疗保健保险的患者
联系人和位置
联系人
| 联系人：医学博士夏洛特·罗索 | 1 42 16 21 03 ext +33 | charlotte.rosso@aphp.fr |
赞助商和合作者
援助公共场所-Hôpitauxde Paris
| 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 | ||||
| 估计研究开始日期 | 2020年10月1日 | ||||
| 估计初级完成日期 | 2022年10月1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 | 使用PreP2决策树分类的准确性[时间范围：6个月] 在康复组中分类良好的患者比例 | ||||
| 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 | 预测势后运动恢复 | ||||
| 官方头衔 | 冲程后运动恢复的预测：Prep-AVC算法 | ||||
| 简要摘要 | 由于几个临床原因，在中风急性阶段恢复运动的预测至关重要：（i）通知患者及其亲戚，（ii）帮助确定患者的认可（返回家园或康复）以及适应康复计划可以从中获得期望。迄今为止，C。Stinear的团队提出的算法（决策树）名为Prep2是最好的预测工具，其中75％的患者在3个月时分类良好。它可以通过将恢复为“出色”，“良好”，“有限”以及“次要”（较小的）（糟糕）将恢复分类为“恢复”前3个月前三个月的上肢的功能恢复。有两个数据（安全得分，年龄）或三个（安全得分，电动机诱发电位，NIHSS），该预测在4中有效。在研究中，我们提出了“ Prep-UCV”，我们想验证这一点我们活跃文件中的患者是中风受害者的算法。预期准确性为75％或更高。作为次要目的，我们想确认我们从Prep 2的初始数据开始发现相同的算法（中风的侧面，中风类型（缺血性和 /或出血），MRI上的皮质脊髓段的参与，性别，性别，性别出生时）以及其他两个也非常重要的因素：认知状况（DySexexection / Aphensia / neclect）以及淋巴细胞比例的中性粒细胞。 | ||||
| 详细说明 | 遇到上肢缺陷的中风患者的回顾性队列。临床得分，例如安全评分，NIHSS；人口统计数据，例如年龄和电生理数据（例如，电动机诱发电位的存在/存在）将根据PREP2算法确定上肢不足的预测功能结果。该预测的准确性将根据患者的实际状态在3-6个月后进行验证。其次，将考虑考虑认知缺陷和生物学数据的另一种算法，以确定准确性是否更高。所有数据将在临床常规工作期间获取。 | ||||
| 研究类型 | 观察 | ||||
| 学习规划 | 观察模型：队列 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 | 上肢运动缺陷的中风患者 | ||||
| 健康）状况 | 上肢运动不足的中风患者 | ||||
| 干涉 | 其他：临床分数，例如安全得分，NIHSS；人口统计数据，例如年龄和电生理数据（例如，电动机的不存在/存在） 临床分数，例如安全得分，NIHSS；人口统计数据，例如年龄和电生理数据（例如，电动机诱发电位的存在/存在）将根据PREP2算法确定上肢不足的预测功能结果。 | ||||
| 研究组/队列 | 跟进上肢缺陷的中风患者 通常对上肢赤字的中风患者的随访 干预：其他：临床分数，例如安全评分，NIHSS；人口统计数据，例如年龄和电生理数据（例如，电动机的不存在/存在） | ||||
| 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 | 尚未招募 | ||||
| 估计入学人数 | 200 | ||||
| 原始估计注册 | 与电流相同 | ||||
| 估计学习完成日期 | 2022年10月1日 | ||||
| 估计初级完成日期 | 2022年10月1日（主要结果度量的最终数据收集日期） | ||||
| 资格标准 | 纳入标准： （i）年龄≥18岁，（ii）在pitié-salpêtrière中风单元，（iii）中风的中风不足，（iv）同意参加；（iii）中风； 排除标准： （i）与MRI或TMS的矛盾，（ii）法律监护下的患者，（iii）没有医疗保健保险的患者 | ||||
| 性别/性别 |
| ||||
| 年龄 | 18岁以上（成人，老年人） | ||||
| 接受健康的志愿者 | 不 | ||||
| 联系人 |
| ||||
| 列出的位置国家 | 不提供 | ||||
| 删除了位置国家 | |||||
| 管理信息 | |||||
| NCT编号 | NCT04574037 | ||||
| 其他研究ID编号 | APHP 200863 | ||||
| 有数据监测委员会 | 不 | ||||
| 美国FDA调节的产品 |
| ||||
| IPD共享声明 | 不提供 | ||||
| 责任方 | 援助公共场所-Hôpitauxde Paris | ||||
| 研究赞助商 | 援助公共场所-Hôpitauxde Paris | ||||
| 合作者 | 不提供 | ||||
| 调查人员 | 不提供 | ||||
| PRS帐户 | 援助公共场所-Hôpitauxde Paris | ||||
| 验证日期 | 2020年8月 | ||||
