FEMaLe:基于患者自我报告的数据的机器学习用于早期诊断子宫内膜异位症-多中心试验的研究协议

科学领域:

• 生殖健康 生殖健康
• 慢性疾病管理 慢性疾病管理
• 数字健康应用程序 数字健康应用程序

背景情况:

• 子宫内膜异位症影响1.9亿名女性,其特点是子宫外的子宫内膜状组织.
• 相关症状包括慢性盆腔疼痛,不孕不育和生活质量下降.
• 目前的诊断延迟范围从4到11年,尽管查的进展.

研究的目的:

• 通过Lucy移动健康应用程序建立一个潜在的数据库.
• 分析患者资料和临床数据,以了解子宫内膜异位症.
• 调查饮食成分对生活质量,疼痛和中央疼痛敏感度的影响.

主要方法:

• 使用Lucy应用程序进行基线和纵向问卷,收集自我报告的数据.
• 招募5000名患有子宫内膜异位症的妇女和5000名对照妇女进行一年的随访.
• 采用机器学习来分析症状联系和识别模式.

主要成果:

• 在一年内从1万名参与者 (5000名子宫内膜异位症患者,5000名对照患者) 收集数据.
• 机器学习分析以将症状与子宫内膜异位症相关联.
• 确定影响患者报告结果的潜在饮食因素.

结论:

• 制定对子宫内膜异位症患者的全面表型描述.
• 促进早期检测子宫内膜异位症,减少诊断延迟.
• 提供基于证据的营养建议,以改善患者的生活质量和疼痛管理.