ChiCTR2000036678尚未招募回顾性研究
基于深度学习的老年患者腰椎 CT 影像学骨折风险预测以及影响因素重要性分析
上海市第一人民医院1 个研究点 分布在 1 个国家目标入组 1,000 人开始时间: 2021年1月1日最近更新:
适应症
试验速览
- 阶段
- 回顾性研究
- 状态
- 尚未招募
- 发起方
- 入组人数
- 1,000
- 试验地点
- 1
- 主要终点
- 骨量
研究概览
简要总结
本项目拟采用深度学习的方法分别建立基于特征和基于 CT 图像的骨折风险预测模型，并与传统的 FRAX 方法进行对比分析。希望通过此方法建立更准确的风险预测模型，从而帮助临床尽早做出诊断，给予治疗，降低骨折发生的风险，提高老年人的生活质量。
研究设计
- 研究类型
- 观察性研究
- 主要目的
- 析因分组（即根据危险因素或暴露因素分组）
- 盲法
- N/a
入排标准
- 年龄范围
- 65 至 90（—）
- 性别
- All
入选标准
- 未提供
排除标准
- •（1）考虑存在其它引起骨折的原因如肿瘤、外伤等；
- •（2）存在其它代谢性骨病史如骨硬化症、佩吉特病、类风湿性关节炎、骨软化症、成骨不全、骨硬化症、强直性脊柱炎、库欣病、高泌乳血症和吸收不良综合征；
- •（3）存在显著的精神疾病（如精神分裂症和严重的抑郁症等），以及酒精滥用或药物使用障碍；
- •（4）有严重的视力、听力障碍而不能配合检查；
- •（5）有严重的心、肺、肾功能不全或终末期患者。
研究组 & 干预措施
骨折组
非骨折组
结局指标
主要结局
骨量
肌肉量
次要结局
- 骨横截面积
研究者
研究点 (1)
Loading locations...
相似试验
招募中
Unknown
深度学习辅助全身骨折检测：基于 X 线影像的回顾性研究ChiCTR2100054762国家自然科学基金面上项目：基于深度学习的骨肿瘤诊断方法研究，编号 618761092,000
Unknown
不适用
基于大数据和机器学习建立腰椎退变指数和腰痛风险评估工具的研究腰椎退变ChiCTR2000035911自然科学基金
Unknown
不适用
腰椎数字 X 线摄影影像学智能测量技术研究ChiCTR2100048250兰州市科技财政专项2,000
Unknown
不适用
基于机器学习构建腰椎退行性疾病多模态特征融合预后预测模型ChiCTR2200064421甘肃省教育厅项目、兰州市科技局项目350
Unknown
不适用
基于 CT 影像 AI 预测股骨头坏死塌陷发生及进展研究ChiCTR2500107150自选课题（自筹）200