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

Machine Learning forudsiger overlevelse og mutationer i ovariemetastaser af kolorektal cancer

Machine Learning-baseret model til forudsigelse af overlevelse og mutationer i ovariemetastaser af kolorektal cancer

Undersøgelsen havde til formål at udvikle og validere modeller til at forudsige overlevelsesresultater og nøglemutationer hos patienter med ovariemetastaser af kolorektal cancer, samt at sammenligne den differentielle genekspression mellem gruppe med lang overlevelse og gruppe med kort overlevelse.

Studieoversigt

Status

Rekruttering

Intervention / Behandling

Detaljeret beskrivelse

Efterforskeren udførte et retrospektivt-prospektivt kohortestudie med det formål at udvikle og validere omfattende modeller til at forudsige overlevelsesresultater og nøglemutationer fra multimodalitetsdata hos patienter med ovariemetastaser af kolorektal cancer. For det andet havde efterforskeren til formål at sammenligne den differentielle genekspression mellem gruppe med lang overlevelse og gruppe med kort overlevelse.

Undersøgelsestype

Observationel

Tilmelding (Anslået)

200

Kontakter og lokationer

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

Studiekontakt

Studiesteder

    • Guangdong
      • Guangzhou, Guangdong, Kina, 510655
        • Rekruttering
        • Sixth Affiliated Hospital, Sun Yat-sen University
        • Kontakt:
        • Ledende efterforsker:
          • Huaiming Wang, MD

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

  • Voksen
  • Ældre voksen

Tager imod sunde frivillige

Ingen

Prøveudtagningsmetode

Ikke-sandsynlighedsprøve

Studiebefolkning

Patienter med ovariemetastaser fra kolorektal cancer

Beskrivelse

Inklusionskriterier:

  • Histologisk bekræftet kolorektal cancer
  • Unilaterale eller bilaterale ovariemasser bekræftet ved peroperativ billeddiagnostisk undersøgelse
  • Patient, der har behov for resektion af deres ovarie- og/eller peritoneale carcinomatose
  • 18 ≤ Alder ≤ 85
  • Verdenssundhedsorganisationens præstationsstatus ≤ 1
  • Forventet levetid > 12 uger
  • Tilstrækkelig hæmatologisk, lever- og nyrefunktion
  • Patientoplysninger og underskrift af den informerede samtykkeerklæring inden påbegyndelse af eventuelle behandlingsprocedurer

Ekskluderingskriterier:

  • Ovariemetastaser af anden oprindelse end kolorektale
  • Primær ovarietumor
  • Der mangler kliniske data

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
Retrospektiv kohorte
Kohorten blev retrospektivt indskrevet på The Sixth Affiliated Hospital, Sun Yat-sen University fra august 2010 til august 2022. Det er en træningsgruppe.
Vi udvikler og validerer kliniske modeller til at forudsige patientoverlevelse og gensignaturer i ovariemetastaser af kolorektal cancer.
Fremadrettet kohorte
De samme inklusions-/udelukkelseskriterier blev anvendt for det samme center fremover. Det er en valideringskohorte.
Vi udvikler og validerer kliniske modeller til at forudsige patientoverlevelse og gensignaturer i ovariemetastaser af kolorektal cancer.

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Samlet overlevelse
Tidsramme: Mindst 3 års opfølgning
Samlet overlevelse blev defineret som tiden fra operation til død eller til sidste opfølgning.
Mindst 3 års opfølgning
Sygdomsfri overlevelse
Tidsramme: Mindst 1 års opfølgning
Sygdomsfri overlevelse blev defineret som intervallet mellem operation og det første peritoneale eller fjerntliggende tilbagefald eller død af enhver årsag.
Mindst 1 års opfølgning
Peritoneal-fri overlevelse
Tidsramme: Mindst 1 års opfølgning
Peritoneal-fri overlevelse blev defineret som intervallet mellem operation og det første peritoneale tilbagefald. Ovariemetastaser har vist sig at være en undertype af peritoneal metastase.
Mindst 1 års opfølgning

Sekundære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Hyppigheder af nøglegenmutationer
Tidsramme: Mindst 1 års opfølgning
Hyppigheder af nøglegenmutationer, såsom mikrosatellit ustabilitet-høj/DNA mismatch reparation
Mindst 1 års opfølgning

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)

27. august 2022

Primær færdiggørelse (Anslået)

1. august 2025

Studieafslutning (Anslået)

1. august 2025

Datoer for studieregistrering

Først indsendt

9. oktober 2023

Først indsendt, der opfyldte QC-kriterier

4. januar 2024

Først opslået (Faktiske)

5. januar 2024

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

5. januar 2024

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

4. januar 2024

Sidst verificeret

1. januar 2024

Mere information

Begreber relateret til denne undersøgelse

Plan for individuelle deltagerdata (IPD)

Planlægger du at dele individuelle deltagerdata (IPD)?

UBESLUTET

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 .

Kliniske forsøg med Forudsigelsesmodel

Abonner