10-jährige retrospektive Studie zum oralen und maxillofazialen Plattenepithelkarzinom
Klinisch-pathologische und prognostische Analyse von oralen und maxillofazialen Plattenepithelkarzinomen: eine 10-Jahres-Retrospektivstudie mit einem Zentrum
Einleitung: Es wird berichtet, dass die Inzidenz okkulter zervikaler Lymphknotenmetastasen (OCLNM) bei Mundkrebs und Oropharynxkrebs im Frühstadium 20–30 % beträgt. Es mangelt an einer genauen Diagnosemethode, um okkulte Lymphknotenmetastasen vorherzusagen und Chirurgen dabei zu helfen, präzise Behandlungsentscheidungen zu treffen.
Ziel: Entwicklung und Bewertung einer präoperativen Diagnosemethode zur Vorhersage okkulter Lymphknotenmetastasen (OCLNM) bei oralen und oropharyngealen Plattenepithelkarzinomen (OC und OP SCC) im Frühstadium auf der Grundlage von Deep-Learning-Funktionen (DLFs) und Radiomics-Funktionen.
Methoden: Insgesamt 319 Patienten mit der Diagnose OC oder OP SCC im Frühstadium wurden retrospektiv rekrutiert und in Trainings-, Test- und externe Validierungssets aufgeteilt. Traditionelle Radiomics-Merkmale und DLFs wurden aus ihren MRT-Bildern extrahiert. Um die wertvollsten Merkmale zu identifizieren, wurde die Analyse des kleinsten absoluten Schrumpfungs- und Auswahloperators (LASSO) eingesetzt. Vorhersagemodelle für OCLNM wurden mithilfe von Radiomics-Funktionen und DLFs entwickelt. Die Wirksamkeit der Modelle und ihre klinische Anwendbarkeit wurden mithilfe der Fläche unter der Kurve (AUC), der Entscheidungskurvenanalyse (DCA) und der Überlebensanalyse bewertet.
Studienübersicht
Status
Status
Bedingungen
Bedingungen
Intervention / Behandlung
Intervention / Behandlung
Studientyp
Studientyp
Einschreibung (Tatsächlich)
Einschreibung
Kontakte und Standorte
Studienorte
-
-
Guangdong
-
Guangzhou, Guangdong, China, 510000
- Sun Yat-sen Memorial Hospital
-
Guangzhou, Guangdong, China, 510000
- Sun yat-sun memorial hospital
-
-
Teilnahmekriterien
Zulassungskriterien
Zulassungskriterien
Studienberechtigtes Alter
- Kind
- Erwachsene
- Älterer Erwachsener
Akzeptiert gesunde Freiwillige
Probenahmeverfahren
Studienpopulation
Beschreibung
Einschlusskriterien:
- Pathologisch bestätigtes, zuvor unbehandeltes orales und oropharyngeales Plattenepithelkarzinom mit radikaler Resektion;
- Die MRT-Untersuchung wurde zwei Wochen vor der Operation durchgeführt;
- Bei allen Patienten mit Neck Dissection wurde der Status der regionalen Lymphknoten durch eine pathologische Untersuchung bestätigt;
- Bei allen Patienten gab es keine klinischen Hinweise auf eine Lymphknotenbeteiligung.
Ausschlusskriterien:
- Anderer bösartiger Tumor, wie z. B. adenoidzystisches Karzinom;
- ein Mangel an vollständiger MRT-Bildgebung oder eine schlechte Qualität der MRT-Bildgebung;
- Patienten hatten sich einer Halsdissektion unterzogen oder waren nicht-chirurgisch behandelt worden;
- Patienten mit metastasierter Erkrankung.
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
Anzahl der Gruppen / Kohorten
Kohorten und Interventionen
Gruppe / KohorteGruppe / Kohorte |
Intervention / BehandlungIntervention / Behandlung |
|---|---|
|
Kohorte A
Zufällig (121 Fälle), aufgeteilt in Trainings- und Testsätze im Verhältnis 7:3.
|
Die Vorhersagefähigkeit des oben genannten Resnet50 Deep Learning (DL)-Modells wurde im Testsatz validiert.
Basierend auf AUC und ACC wurde das beste Vorhersagemodell identifiziert.
Um die Robustheit des ausgewählten Modells zu untersuchen, wurde im externen Validierungssatz eine ROC-Analyse durchgeführt.
Darüber hinaus wurde der Log-Rank-Test angewendet, um den prognostischen Wert des Modells zu bewerten.
|
|
Kohorte B
Segmentiert in zwei Gruppen basierend auf den gesammelten Batches, die als externer Validierungssatz1 (n = 68) und externer Validierungssatz2 (n = 130) definiert wurden.
|
Die Vorhersagefähigkeit des oben genannten Resnet50 Deep Learning (DL)-Modells wurde im Testsatz validiert.
Basierend auf AUC und ACC wurde das beste Vorhersagemodell identifiziert.
Um die Robustheit des ausgewählten Modells zu untersuchen, wurde im externen Validierungssatz eine ROC-Analyse durchgeführt.
Darüber hinaus wurde der Log-Rank-Test angewendet, um den prognostischen Wert des Modells zu bewerten.
|
Was misst die Studie?
Primäre Ergebnismessungen
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
AUC-Werte (die Fläche unter der Kurve) des Modells
Zeitfenster: 10 Jahre (Dies ist eine retrospektive Forschung. Wir sammeln Patienten aus 10 Jahren, aber das Projekt, in dem wir Daten sammeln und analysieren, dauert 9 Monate.)
|
Die Wirksamkeit der Modelle und ihre klinische Anwendbarkeit wurden anhand der Fläche unter der Kurve (AUC) bewertet.
|
10 Jahre (Dies ist eine retrospektive Forschung. Wir sammeln Patienten aus 10 Jahren, aber das Projekt, in dem wir Daten sammeln und analysieren, dauert 9 Monate.)
|
Mitarbeiter und Ermittler
Sponsor
Sponsor
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Tatsächlich)
Studienbeginn
Primärer Abschluss (Tatsächlich)
Primärer Abschluss
Studienabschluss (Tatsächlich)
Studienabschluss
Studienanmeldedaten
Zuerst eingereicht
Zuerst eingereicht
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst gepostet (Tatsächlich)
Zuerst gepostet
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
Letztes Update gepostet
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Zuletzt verifiziert
Zuletzt verifiziert
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
Andere Studien-ID-Nummern
- SYSKY-2023-426-01
Plan für individuelle Teilnehmerdaten (IPD)
Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?
Arzneimittel- und Geräteinformationen, Studienunterlagen
Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt
Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt
Diese Informationen wurden ohne Änderungen direkt von der Website clinicaltrials.gov abgerufen. Wenn Sie Ihre Studiendaten ändern, entfernen oder aktualisieren möchten, wenden Sie sich bitte an register@clinicaltrials.gov. Sobald eine Änderung auf clinicaltrials.gov implementiert wird, wird diese automatisch auch auf unserer Website aktualisiert .