Deep Learning Radiomics-model til forudsigelse af post-cystektomiresultat i muskelinvasiv blærekræft
18. oktober 2023 opdateret af: Mingzhao Xiao, First Affiliated Hospital of Chongqing Medical University
Deep Learning Radiomics-model til forudsigelse af post-cystektomiresultat fra præoperativ CT i muskelinvasiv blærekræft
Muskelinvasiv blærekræft (MIBC) har en dårlig prognose selv efter radikal cystektomi.
Postoperativ overlevelsesstratificering baseret på radiomik og dyb læring kan være nyttig til behandlingsbeslutninger for at forbedre prognosen.
Denne undersøgelse havde til formål at udvikle og validere en radiomiks model for dyb læring baseret på præoperativ forbedret CT for at forudsige postoperativ overlevelse i MIBC.
Studieoversigt
Status
Rekruttering
Betingelser
Intervention / Behandling
Undersøgelsestype
Observationel
Tilmelding (Anslået)
500
Kontakter og lokationer
Dette afsnit indeholder kontaktoplysninger for dem, der udfører undersøgelsen, og oplysninger om, hvor denne undersøgelse udføres.
Studiekontakt
- Navn: Zongjie Wei
- Telefonnummer: 023-89012557
- E-mail: wzj9846@163.com
Studiesteder
-
-
Chongqing
-
Chongqing, Chongqing, Kina, 400016
- Rekruttering
- Department of Urology, The First Affiliated Hospital of Chongqing Medical University
-
Kontakt:
- Zongjie Wei
- Telefonnummer: 023-89012557
- E-mail: wzj9846@163.com
-
-
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
- Barn
- Voksen
- Ældre voksen
Tager imod sunde frivillige
Ingen
Prøveudtagningsmetode
Ikke-sandsynlighedsprøve
Studiebefolkning
patienter med patologisk bekræftet MIBC, som gennemgik radikal cystektomi
Beskrivelse
Inklusionskriterier:
- patienter med patologisk bekræftet MIBC efter radikal cystektomi;
- kontrast-CT-scanning mindre end to uger før operationen;
- komplette CT-billeddata og kliniske data.
Ekskluderingskriterier:
- patienter, der modtog neoadjuverende terapi;
- ikke-urothelialt karcinom;
- dårlig kvalitet af CT-billeder;
- ufuldstændige kliniske data og opfølgningsdata.
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 |
|---|---|
|
MIBC
patienter med patologisk bekræftet MIBC efter radikal cystektomi
|
udvikle og validere en deep learning radiomiks model baseret på præoperativ forbedret CT til at forudsige postoperativ overlevelse i MIBC
|
Hvad måler undersøgelsen?
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Samlet overlevelse (OS)
Tidsramme: op til 10 år
|
tidspunktet fra datoen for operationen til døden af enhver årsag eller datoen for sidste kontakt (censureret observation) på datoen for data cut-off.
|
op til 10 år
|
|
Gentagelsesfri overlevelse (RFS)
Tidsramme: op til 10 år
|
tiden fra operationsdatoen til datoen for første dokumenterede sygdomstilbagefald.
Patienter uden gentagelse på analysetidspunktet vil blive censureret.
|
op til 10 år
|
Samarbejdspartnere og efterforskere
Det er her, du vil finde personer og organisationer, der er involveret i denne undersøgelse.
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)
1. august 2023
Primær færdiggørelse (Anslået)
1. december 2023
Studieafslutning (Anslået)
1. juni 2024
Datoer for studieregistrering
Først indsendt
12. oktober 2023
Først indsendt, der opfyldte QC-kriterier
18. oktober 2023
Først opslået (Faktiske)
23. oktober 2023
Opdateringer af undersøgelsesjournaler
Sidste opdatering sendt (Faktiske)
23. oktober 2023
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
18. oktober 2023
Sidst verificeret
1. oktober 2023
Mere information
Begreber relateret til denne undersøgelse
Yderligere relevante MeSH-vilkår
Andre undersøgelses-id-numre
- AI-BLCA
- 2022-K508 (Anden identifikator: The First Affiliated Hospital of Chongqing Medical University)
Plan for individuelle deltagerdata (IPD)
Planlægger du at dele individuelle deltagerdata (IPD)?
INGEN
IPD-planbeskrivelse
De datasæt, der er analyseret under den aktuelle undersøgelse, er ikke offentligt tilgængelige på grund af patienternes privatliv, men er tilgængelige fra den tilsvarende forfatter på rimelig anmodning.
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 .