对具有功能性胃肠道疾病的患者进行最佳针点选择的前性观察研究

科学领域:

• 胃肠病学 胃肠病学
• 韩国传统医学 韩国传统医学
• 计算医学是一种计算医学.

背景情况:

• 功能性胃肠道疾病 (FGIDs),包括易怒肠综合征 (IBS) 和功能性消化不良 (FD),显著影响患者的生活质量,并产生大量的医疗保健费用.
• 传统韩国医学 (TKM) 为FGID提供了独特的诊断模式,但它们的复杂性需要进一步调查.
• 由于这些疾病的复杂性,现有的关于TKM中FGID治疗模式的研究是有限的.

研究的目的:

• 调查TKM从业人员对具有多种疾病模式的FGID患者使用的针点选择模式.
• 利用机器学习算法来识别治疗FGID患者最有效的针点.
• 为FGIDs建立基于证据的TKM治疗方案奠定基础.

主要方法:

• 一项涉及15家韩国医疗诊所的多中心观察注册研究.
• 从符合特定纳入标准的FGID患者收集临床数据.
• 机器学习技术的应用,在4周的时间内分析针点选择数据和治疗反应.

主要成果:

• 基于各种FGID疾病模式的针点选择策略的分析.
• 识别与积极治疗结果相关的统计学上显著的针点.
• 基于患者报告的结果对治疗疗效的量化.

结论:

• 这项研究代表了第一个多中心观察注册表,用于评估FGIDs的现实世界TKM诊断和治疗.
• 研究结果将阐明FGID的TKM治疗方法,并为诊断和针方案提供理由.
• 这项研究旨在增强对TKM在功能性胃肠道疾病中的理解和应用.