ChiCTR2400089520尚未招募不适用
基于 SSA-BP 神经网络构建骨质疏松性椎体压缩骨折的预测模型
自选课题（自筹）1 个研究点 分布在 1 个国家开始时间: 2024年9月10日最近更新:
试验速览
- 阶段
- 不适用
- 状态
- 尚未招募
- 发起方
- 试验地点
- 1
- 主要终点
- 准确率
研究概览
简要总结
（1）探讨骨质疏松患者可能发生骨质疏松性椎体压缩骨折的相关危险因素。（2）利用 Logistic 回归分析获取独立危险因素，通过麻雀搜索算法优化后的 BP 神经网络构建骨质疏松性椎体压缩骨折的风险预测模型，并对预测模型进行评价和验证。（3）将麻雀搜索算法优化后的 BP 神经网络与传统 Logistic 回归、BP 神经网络预测模型，以提升模型预测的准确率，为骨质疏松性椎体压缩骨折的早期筛查和防治提供理论依据及临床参考。
研究设计
- 研究类型
- 观察性研究
- 主要目的
- 诊断试验诊断准确性
- 盲法
- 无
入排标准
- 性别
- All
入选标准
- •1.我院骨质疏松科第一诊断为骨质疏松症的住院患者；
- •3.表示知情并同意配合此次研究随访；
排除标准
- •1.病理性腰椎骨折（腰椎肿瘤、结核、化脓性炎症等）；
- •2.非骨质疏松性骨折（高能量损伤导致的爆裂性骨折）；
- •3.伴有严重脏器功能障碍的患者；
- •4.伴有凝血功能障碍的患者；
- •5.意识不清楚，不能配合随访；
- •6.明确诊断为精神病患者；
研究组 & 干预措施
病例组
结局指标
主要结局
准确率
时间窗: 统计分析
次要结局
- 平均平方误差(统计分析)
- 平均绝对误差(统计分析)
- 平均平方根误差(统计分析)
- 线性回归拟合度(统计分析)
研究者
研究点 (1)
Loading locations...
相似试验
Unknown
不适用
基于骨代谢标志物构建骨质疏松 PVP 术后再骨折预测模型前瞻性研究ChiCTR2300078451韶关市科学技术局
Unknown
1 期
老年骨质疏松性椎体压缩性骨折风险预测、预防以及治疗的临床队列研究椎体压缩性骨折ChiCTR2200059147威海市立医院孵化项目1,500
尚未招募
4 期
基于风险分层的骨质疏松性骨折前瞻性精准干预研究ChiCTR2300067942国家重点研发计划（No. 2021YFC2501705）
Unknown
不适用
评价椎体 X 射线影像处理软件用于骨质疏松性椎体压缩骨折辅助判断的有效性和安全性的一项多中心、随机、平行对照 临床试验ChiCTR2400088191申康医院发展项目-创新与转化研究医师培训计划
尚未招募
Unknown
骨质疏松性椎体骨折辅助智能诊断系统的建立和临床应用骨质疏松ChiCTR2300069433课题支持