Tato stránka byla automaticky přeložena a přesnost překladu není zaručena. Podívejte se prosím na anglická verze pro zdrojový text.

Strojové učení založené na PMRA a Shapley pro predikci metastáz lymfatických uzlin v centrálních podoblastech klinicky negativní papilární štítné žlázy: prospektivní multicentrická validace a vývoj webové kalkulačky (PMRA)

6. března 2025 aktualizováno: Xinliang Su, First Affiliated Hospital of Chongqing Medical University

Pozadí: Řízení klinicky negativních uzlů (CN0) papilárního mikrokarcinomu štítné žlázy (PTMC) je komplikováno vysokými okultními metastázami lymfatických uzlin (LNM). Zaměřili jsme se na vývoj a ověření predikčního modelu pro centrální LNM pomocí strojového učení (ML) a tradičních nomogramů prostřednictvím modelu založeného na pravděpodobnosti (PMRA).

Metody: Provedli jsme prospektivní multicentrickou studii zahrnující 4 882 pacientů ve 3 nemocnicích (2016–2023). Po použití kritéria pro zařazení bylo přiděleno 1 953 pacientů z primárního centra pro model vlaku a testu (poměr 7: 3). Externí ověření zahrnovalo potenciální kohorty 286 a 176 pacientů ze dvou nezávislých center.13 Algoritmy ML a tradiční modely nomogramů byly systematicky hodnoceny pomocí PMRA. Srovnali jsme modely pomocí samotných předoperačních vlastností versus ty, které zahrnují předoperační i intraoperační údaje o patologickém zmrazeném sekci. Výběr funkcí využíval šest metod, přičemž výběr založený na L1 se prokazuje optimální pro většinu předpovědí. Interpretovatelnost model byla zvýšena vizualizací Shapley Aditive vysvětlení (SHAP).

Přehled studie

Typ studie

Pozorovací

Zápis (Aktuální)

4882

Kontakty a umístění

Tato část poskytuje kontaktní údaje pro ty, kteří studii provádějí, a informace o tom, kde se tato studie provádí.

Studijní místa

      • Chongqing, Čína
        • 1 Friendship Road, Yuzhong District Chongqing

Kritéria účasti

Výzkumníci hledají lidi, kteří odpovídají určitému popisu, kterému se říká kritéria způsobilosti. Některé příklady těchto kritérií jsou celkový zdravotní stav osoby nebo předchozí léčba.

Kritéria způsobilosti

Věk způsobilý ke studiu

  • Dítě
  • Dospělý
  • Starší dospělý

Přijímá zdravé dobrovolníky

Ne

Metoda odběru vzorků

Vzorek nepravděpodobnosti

Studijní populace

Retrospektivní analýza byla provedena na 4 882 případech z první přidružené nemocnice Chongqing Medical University (Hospital A) v letech 2016 až 2020, která shromažďuje klinické, ultrazvukové a intraoperační zmrazené patologické údaje. Po použití kritérií pro zařazení a vyloučení bylo pro vývoj modelu a vnitřní validaci vybráno 1 953 pacientů (rozdělení v poměru 7: 3). Pro prospektivní externí ověření byli zahrnuti pacienti ze dvou dalších center: 286 případů od žen a dětské nemocnice v Chongqing Medical University (nemocnice B) a 176 případů z lidové nemocnice v okrese Yubei v Chongqing (nemocnice C), označených jako externí validační sady 1 a 2.

Popis

Kritéria pro zařazení:

  • Poprvé pacienti s chirurgií rakoviny štítné žlázy
  • Pacienti s CN0-PTMC diagnostikovaní pomocí aspirace a zobrazování jemných jehlu.

Kritéria pro vyloučení:

  • Sekundární chirurgie
  • Jiné patologické typy rakoviny štítné žlázy
  • Neúplná klinická data
  • Vzdálené metastázy nebo historie expozice děložního čípku.

Studijní plán

Tato část poskytuje podrobnosti o studijním plánu, včetně toho, jak je studie navržena a co studie měří.

Jak je studie koncipována?

Detaily designu

Kohorty a intervence

Skupina / kohorta
Intervence / Léčba
Po použití kritéria pro zařazení bylo na model TR přiděleno 1 953 pacientů z primárního centra
Po použití kritéria pro zařazení bylo přiděleno 1 953 pacientů z primárního centra pro model vlaku a testu (poměr 7: 3). Externí ověření zahrnovalo potenciální kohorty 286 a 176 pacientů ze dvou nezávislých center.13 Algoritmy ML a tradiční modely nomogramů byly systematicky hodnoceny pomocí PMRA. Srovnali jsme modely pomocí samotných předoperačních vlastností versus ty, které zahrnují předoperační i intraoperační údaje o patologickém zmrazeném sekci. Výběr funkcí využíval šest metod, přičemž výběr založený na L1 se prokazuje optimální pro většinu předpovědí. Interpretovatelnost model byla zvýšena vizualizací Shapley Aditive vysvětlení (SHAP).
Strojové učení založené na PMRA a Shapley pro predikci metastáz lymfatických uzlin v centrálních podoblastech klinicky negativního papilárního mikrokarcinomu štítné žlázy: prospektivní multicentrická validace a vývoj webové kalkulačky

Co je měření studie?

Primární výstupní opatření

Měření výsledku
Časové okno
Prediktory byly analyzovány poté, co byly údaje z 1953 pacientů zahrnuty do tréninkové sady a vnitřní validace (v poměru 7: 3) a prediktory byly analyzovány u 286 pacientů a 176 pacientů ve dvou vnějších validačních centrech.
Časové okno: 2016-2023
2016-2023

Spolupracovníci a vyšetřovatelé

Zde najdete lidi a organizace zapojené do této studie.

Termíny studijních záznamů

Tato data sledují průběh záznamů studie a předkládání souhrnných výsledků na ClinicalTrials.gov. Záznamy ze studií a hlášené výsledky jsou před zveřejněním na veřejné webové stránce přezkoumány Národní lékařskou knihovnou (NLM), aby se ujistily, že splňují specifické standardy kontroly kvality.

Hlavní termíny studia

Začátek studia (Aktuální)

1. ledna 2016

Primární dokončení (Aktuální)

31. prosince 2023

Dokončení studie (Aktuální)

31. prosince 2023

Termíny zápisu do studia

První předloženo

21. února 2025

První předloženo, které splnilo kritéria kontroly kvality

6. března 2025

První zveřejněno (Aktuální)

25. března 2025

Aktualizace studijních záznamů

Poslední zveřejněná aktualizace (Aktuální)

25. března 2025

Odeslaná poslední aktualizace, která splnila kritéria kontroly kvality

6. března 2025

Naposledy ověřeno

1. února 2025

Více informací

Termíny související s touto studií

Plán pro data jednotlivých účastníků (IPD)

Plánujete sdílet data jednotlivých účastníků (IPD)?

NE

Popis plánu IPD

Hlavní důvody jsou následující: IPD obsahuje osobní citlivé informace a sdílení je může porušit soukromí a porušovat předpisy o ochraně údajů (jako je GDPR). Sdílení IPD může představovat rizika úniku nebo zneužití dat, zejména pokud není adekvátně anonymizováno. Použití údajů podléhá právním nebo smluvním omezením a nelze je sdílet bez povolení. IPD může zahrnovat práva duševního vlastnictví nebo obchodní tajemství a jejich sdílení může ovlivnit práva majitelů dat. Sdílení IPD může porušit informovaný souhlas účastníků výzkumu a vyvolat etické spory. Nedostatek základních informací může vést k nesprávnému výkladu nebo zneužití dat. Proces přípravy dat, anonymizace a sdílení je časově náročný a náročný na práci a přidává další zátěž. Sdílení IPD by proto mělo být prováděno opatrně a obvykle vyžaduje přísnou kontrolu a ochranu dohodou.

Informace o lécích a zařízeních, studijní dokumenty

Studuje lékový produkt regulovaný americkým FDA

Ne

Studuje produkt zařízení regulovaný americkým úřadem FDA

Ne

produkt vyrobený a vyvážený z USA

Ne

Tyto informace byly beze změn načteny přímo z webu clinicaltrials.gov. Máte-li jakékoli požadavky na změnu, odstranění nebo aktualizaci podrobností studie, kontaktujte prosím register@clinicaltrials.gov. Jakmile bude změna implementována na clinicaltrials.gov, bude automaticky aktualizována i na našem webu .

Předplatit