Denne side blev automatisk oversat, og nøjagtigheden af ​​oversættelsen er ikke garanteret. Der henvises til engelsk version for en kildetekst.

Digital 3D-rekonstruktion forudsiger tyndtarmslængde (DTDRPSBL-BS)

Digital tredimensionel rekonstruktion til forudsigelse af tyndtarmslængde i bariatrisk kirurgi

Forekomsten af ​​type 2-diabetes mellitus (T2DM) er steget årligt på verdensplan, og forekomsten af ​​diabetes har nået 11,6 % i Kina. Laparoskopisk Roux-en-Y gastrisk bypass (RYGB) er stadig bredt accepteret som en gyldig operation til behandling af fedme og T2DM. Men stadig er der ingen konsensus om idealet om gastrisk bypass lemmerlængder. De rapporterede længder af biliopancreatic lem (BPL) og alimentary lem (AL) varierede meget fra 10-250 til 35-250 cm, og anatomiske data viser, at længden af ​​tyndtarmen varierer meget blandt voksne. At vælge den samme tyndtarms-bypass-længde for forskellige individer kan naturligvis ikke opnå den forventede vægttabseffekt, og personer med for kort tyndtarm kan forårsage alvorlige underernæringskomplikationer og endda livstruende tilstande. Derfor er måling af tyndtarmslængde en af ​​forudsætningerne for at udføre præcis RYGB. Intraoperativ måling af tyndtarmslængde kan øge operationstiden og risikoen for kirurgiske komplikationer såsom tarmperforering. Så det er meget vigtigt at forudsige den samlede længde af tyndtarmen for nøjagtigt at udføre fedmekirurgi og undgå risikoen for kirurgiske komplikationer. I denne undersøgelse foreslår vi at udføre 3D-segmentering og rekonstruktion af tyndtarmen ved at indhente abdominal CT-data gennem digital teknologi, og forudsige tyndtarmens længde ved 3D digital måling af tyndtarmen, og verificere de digitale måledata ved at udføre digital måling data. Etabler en model til forudsigelse af tyndtarmslængde for fedmekirurgi for at udvikle en mere præcis og personlig plan for gastrisk bypass-operation for patienter for at opnå vægttab og glukosekontrol.

Studieoversigt

Status

Rekruttering

Undersøgelsestype

Observationel

Tilmelding (Forventet)

100

Kontakter og lokationer

Dette afsnit indeholder kontaktoplysninger for dem, der udfører undersøgelsen, og oplysninger om, hvor denne undersøgelse udføres.

Studiekontakt

Studiesteder

      • Chongqing, Kina, 400042
        • Rekruttering
        • Daping Hospital
        • Kontakt:

Deltagelseskriterier

Forskere leder efter personer, der passer til en bestemt beskrivelse, kaldet berettigelseskriterier. Nogle eksempler på disse kriterier er en persons generelle helbredstilstand eller tidligere behandlinger.

Berettigelseskriterier

Aldre berettiget til at studere

16 år til 65 år (Barn, Voksen, Ældre voksen)

Tager imod sunde frivillige

Ja

Køn, der er berettiget til at studere

Alle

Prøveudtagningsmetode

Ikke-sandsynlighedsprøve

Studiebefolkning

Patienter, der gennemgik fedmeoperationer på vores hospital

Beskrivelse

Inklusionskriterier:

  • Patienter, der var kvalificerede til kirurgisk behandling af T2DM, blev udvalgt baseret på de kinesiske retningslinjer for kirurgisk behandling af fedme og type 2-diabetes (2019)

Ekskluderingskriterier:

  • Adhæsioner, bughindebetændelse og patienter, der har fået tarmresektion (tyndtarm, tyktarm eller endetarm), der hindrer måling af hele tarmlængden
  • Ikke-vægttabsopererede patienter, hvis snit er mindre end 6 cm, er ikke egnede til at måle længden af ​​tyndtarmen.

Studieplan

Dette afsnit indeholder detaljer om studieplanen, herunder hvordan undersøgelsen er designet, og hvad undersøgelsen måler.

Hvordan er undersøgelsen tilrettelagt?

Design detaljer

Kohorter og interventioner

Gruppe / kohorte
Intervention / Behandling
Åben/laparoskopisk kirurgi
Længdemåling af tyndtarm ved laparoskopi eller laparotomi
3D rekonstruktion
Længdemåling af tyndtarm ved 3D digital model
Nøjagtighed af digital 3D-rekonstruktion til forudsigelse af tyndtarmslængde

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Validering af nøjagtigheden af ​​den forudsagte længde af tyndtarmen
Tidsramme: 2 år
Nøjagtigheden af ​​3D-rekonstruktionsmetoden blev bedømt ved at sammenligne længden af ​​tyndtarmen målt ved den åbne/laparoskopiske kirurgi med længden af ​​tyndtarmen beregnet ved den præoperative CT 3D-rekonstruktion.
2 år

Sekundære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Opbygning af forudsigelsesformler gennem machine deep learning
Tidsramme: 2 år
Gennem robotisk deep learning segmenteres tyndtarmen automatisk, og tyndtarmen rekonstrueres i tre dimensioner for at beregne længden af ​​tyndtarmen.
2 år

Samarbejdspartnere og efterforskere

Det er her, du vil finde personer og organisationer, der er involveret i denne undersøgelse.

Efterforskere

  • Studieleder: fan Li, PhD, Army medical universtiy daping hospital

Datoer for undersøgelser

Disse datoer sporer fremskridtene for indsendelser af undersøgelsesrekord og resumeresultater til ClinicalTrials.gov. Studieregistreringer og rapporterede resultater gennemgås af National Library of Medicine (NLM) for at sikre, at de opfylder specifikke kvalitetskontrolstandarder, før de offentliggøres på den offentlige hjemmeside.

Studer store datoer

Studiestart (Faktiske)

2. oktober 2019

Primær færdiggørelse (Forventet)

2. oktober 2023

Studieafslutning (Forventet)

2. oktober 2023

Datoer for studieregistrering

Først indsendt

14. april 2022

Først indsendt, der opfyldte QC-kriterier

14. april 2022

Først opslået (Faktiske)

21. april 2022

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

20. juli 2022

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

17. juli 2022

Sidst verificeret

1. juli 2022

Mere information

Begreber relateret til denne undersøgelse

Plan for individuelle deltagerdata (IPD)

Planlægger du at dele individuelle deltagerdata (IPD)?

INGEN

Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter

Studerer et amerikansk FDA-reguleret lægemiddelprodukt

Ingen

Studerer et amerikansk FDA-reguleret enhedsprodukt

Ingen

Disse oplysninger blev hentet direkte fra webstedet clinicaltrials.gov uden ændringer. Hvis du har nogen anmodninger om at ændre, fjerne eller opdatere dine undersøgelsesoplysninger, bedes du kontakte register@clinicaltrials.gov. Så snart en ændring er implementeret på clinicaltrials.gov, vil denne også blive opdateret automatisk på vores hjemmeside .

Abonner