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

Den CT-baserede dybe læringsmodel forudsiger komplikationer i delvis nefrektomi

12. marts 2025 opdateret af: Du Lingzhi

Den CT-baserede Deep Learning-model overgår traditionelle anatomiske klassificeringsmodeller i præoperativt at forudsige komplikationer og risikoklasse i delvis nefrektomi

Undersøgere kombinerer radiomik og dyb læring for at analysere læsionerne mere grundigt, med det formål at sigte en mere nøjagtig forudsigelse af komplikationer i delvis nefrektomi og sammenligne denne tilgang med traditionelle modeller.

Studieoversigt

Status

Afsluttet

Betingelser

Detaljeret beskrivelse

I denne undersøgelse blev patienter, der blev diagnosticeret med nyrecellekarcinom eller nyrecyste, der gennemgik delvis nefrektomi på tværs af flere centre. Og deltagerne blev udelukket, hvis de havde (a) manglende eller utilgængelige billeddannelsesdata eller (b) ingen tilgængelige forbedrede CT -billeder. Kohorten blev opdelt i træning og testsæt i et forhold på 7: 3. Derefter blev radiomikfunktionerne ekstraheret fra billederne, og Lasso -regression blev brugt til at vælge funktioner. Derefter blev der udviklet en dyb læringsmodel til at forudsige komplikationer og risikokvaliteter og sammenlignet med traditionelle klassificeringsmodeller (nyre og padua), hvilket demonstrerede overlegen anvendelighed.

Undersøgelsestype

Observationel

Tilmelding (Faktiske)

1474

Kontakter og lokationer

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

Studiesteder

  • Kina
    • Xuhui District
      • Shanghai, Xuhui District, Kina, 200032
        • Name: Zhongshan Hospital Fudan University, Location: 180th Fenglin Road, Xuhui District, Shanghai, China

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

Undersøgelsespopulationen inkluderer patienter, der er diagnosticeret med nyrecellekarcinom eller nyrecyste, der gennemgik delvis nefrektomi i de deltagende centre. Kliniske og billeddannelsesdata blev indsamlet retrospektivt fra medicinske poster, herunder demografiske egenskaber (alder, køn, BMI), tumorplacering (venstre eller højre nyre), kirurgiske detaljer (kirurgisk tilgang, iskæmi tid) og perioperative komplikationer.

Patienter blev inkluderet baseret på tilgængeligheden af ​​komplette kliniske, kirurgiske og billeddannelsesdata. Ekskluderingskriterier omfattede personer med manglende eller utilgængelige billeddannelsesdata eller ingen tilgængelige forbedrede CT -billeder. Undersøgelsen sigter mod at kombinere CT-baserede radiomikfunktioner og kliniske træk for at udvikle en dyb læringsmodel til at forudsige perioperative komplikationer af delvis nefrektomi og sammenligne med traditionelle anatomiske klassificeringsmodeller.

Beskrivelse

Inkluderingskriterier:

  • Klinisk diagnose af nyrecellekarcinom eller nyrecysten
  • Gennemgik delvis nefrektomi mellem juni 2014 og juli 2024

Ekskluderingskriterier:

  • Manglende eller utilgængelige billeddannelsesdata
  • Ingen tilgængelige forbedrede CT -billeder

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
Komplikation 1
Patienter, der oplevede perioperative komplikationer under den delvise nefrektomi
Komplikation 0
Patienter, der ikke oplevede perioperative komplikationer under den delvise nefrektomi

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
om der opstod komplikationer
Tidsramme: Perioperativt
Gennemgå retrospektivt det medicinske journalsystem for at bestemme, om patienter udviklede postoperative komplikationer.
Perioperativt

Sekundære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Patientenes risikokvalitet
Tidsramme: Perioperativt
Baseret på det bredt anerkendte Clavien-Dindo Classification (CDC) -system til kirurgiske komplikationer blev disse komplikationer kategoriseret i fire kvaliteter: klasse I, II, III og IV. Risikokvalitet blev tildelt i overensstemmelse hermed: "ingen risiko" defineres, da der ikke forekommer komplikationer, "klasse lav" defineres som det højeste niveau af komplikation, der er klasse I, "klasse moderat" defineres som det højeste niveau af komplikation, der er grad II, og "klassehøj" defineres som komplikationer af klasse III eller højere, som er livstruende.
Perioperativt

Samarbejdspartnere og efterforskere

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

Sponsor

Du Lingzhi

Samarbejdspartnere

Shanghai Zhongshan Hospital
Xuhui Central Hospital, Shanghai
Minhang Hospital, Fudan University

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. juni 2024

Primær færdiggørelse (Faktiske)

31. december 2024

Studieafslutning (Faktiske)

28. februar 2025

Datoer for studieregistrering

Først indsendt

8. marts 2025

Først indsendt, der opfyldte QC-kriterier

12. marts 2025

Først opslået (Faktiske)

25. marts 2025

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

25. marts 2025

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

12. marts 2025

Sidst verificeret

1. marts 2025

Mere information

Begreber relateret til denne undersøgelse

Nøgleord

Yderligere relevante MeSH-vilkår

Andre undersøgelses-id-numre

  • zsurologyDLMforPNcomplication

Plan for individuelle deltagerdata (IPD)

Planlægger du at dele individuelle deltagerdata (IPD)?

JA

IPD-planbeskrivelse

Kliniske data og ekstraherede radiomik har data, eksklusive patientinformation.

IPD-delingstidsramme

Inden for seks måneder efter offentliggørelsen i tidsskriftet.

IPD-delingsadgangskriterier

De data, der understøtter denne undersøgelse, er tilgængelige fra de tilmeldte institutioner, men begrænsninger gælder for deres tilgængelighed på grund af privatlivets fred. Data kan fås på rimelig anmodning fra den tilsvarende forfatter.

IPD-deling Understøttende informationstype

  • STUDY_PROTOCOL

Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter

Studerer et amerikansk FDA-reguleret lægemiddelprodukt

Ingen

Studerer et amerikansk FDA-reguleret enhedsprodukt

Ingen

produkt fremstillet i og eksporteret fra U.S.A.

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 Nyrecellekarcinom (RCC)

Søg i lignende forsøg

Sponsorer og samarbejdspartnere

Medicinske tilstande

Narkotikainterventioner

CROs by country

CROs in Bahamas

Betingelser

Sjældne sygdomme

Narkotikainterventioner

Kosttilskud

Sponsor / samarbejdspartnere

Placeringer

Abonner