Externe, multizentrische Validierung eines maschinellen Lernmodells zur Vorhersage von kolorektalen Adenomen bei indischen Erwachsenen
Externe, multizentrische Validierung eines maschinellen Lernmodells zur Vorhersage von Kolonadenomen bei indischen Erwachsenen - eine prospektive, beobachtende, multizentrische Studie.
Kolorektale Adenome sind Vorläufer von Darmkrebs (CRC). Eine genaue Risikostratifizierung vor dem Eingriff könnte die Ausbeute der Koloskopie und die Ressourcenzuteilung in Indien optimieren, wo die Prävalenz von Adenomen je nach Alter, Geschlecht und Lebensstil-/Metabolischen Faktoren variiert. ML-Modelle können mehrere Prädiktoren integrieren, um das individuelle Risiko zu schätzen.
Bestehende Risikoscores sind größtenteils westlich; Leistung und Kalibrierung sind möglicherweise nicht für indische Populationen mit unterschiedlichen soziodemografischen und metabolischen Profilen geeignet. Eine externe, prospektive, multizentrische Validierung ist vor der klinischen Implementierung unerlässlich.
Studienübersicht
Status
Status
Bedingungen
Bedingungen
Intervention / Behandlung
Intervention / Behandlung
Studientyp
Studientyp
Einschreibung (Geschätzt)
Einschreibung
Kontakte und Standorte
Studienkontakt
Studienkontakt
- Name: DR. NITIN JAGTAP, MD,DM
- Telefonnummer: 8712015028
- E-Mail: docsnitin13@gmail.com
Studieren Sie die Kontaktsicherung
- Name: DR NITIN JAGTAP, MD,DM
- Telefonnummer: 8712015028
- E-Mail: docsnitin13@gmail.com
Teilnahmekriterien
Zulassungskriterien
Zulassungskriterien
Studienberechtigtes Alter
- Erwachsene
- Älterer Erwachsener
Akzeptiert gesunde Freiwillige
Probenahmeverfahren
Studienpopulation
Beschreibung
Einschlusskriterien:
- Erwachsene ≥18 Jahre, die sich einer diagnostischen Koloskopie unterziehen.
- Adäquate Darmvorbereitung (Boston Bowel Preparation Scale Gesamt ≥6 mit jedem Segment ≥2).
- Vollständige Untersuchung (Zäkumintubation; Rückzugszeit ≥6 min, wenn keine Therapie).
- Verfügbarkeit aller Modellprädiktoren gemäß CRF.
Ausschlusskriterien:
• Bekanntes CRC oder Polypen, vorherige Kolektomie, Polyposis-Syndrome, bekannte CED oder starke erbliche CRC-Syndrome (z.B. Lynch), wenn in der Ableitung ausgeschlossen.
- Unzureichende Vorbereitung, unvollständige Koloskopie, obstruierende Läsionen, die eine optische Diagnose jenseits der Obstruktion verhindern.
- Notfallkoloskopien, rein therapeutische Eingriffe ohne diagnostische Absicht.
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
Anzahl der Gruppen / Kohorten
Kohorten und Interventionen
Gruppe / KohorteGruppe / Kohorte |
Intervention / BehandlungIntervention / Behandlung |
|---|---|
|
Einzelne prospektive Beobachtungskohorte
Die Teilnehmer unterziehen sich einer Standard-Koloskopie Keine Zuordnung zu Behandlungs- oder Vergleichsgruppen |
Es wird keine studienspezifische Intervention durchgeführt.
Die Teilnehmer unterziehen sich einer Standarddiagnosekoloskopie und histopathologischen Auswertung.
Ein gesperrtes maschinelles Lernmodell wird auf routinemäßig gesammelte klinische und demografische Basisdaten nur zur Risikovorhersage angewendet, ohne das klinische Management zu beeinflussen.
|
Was misst die Studie?
Primäre Ergebnismessungen
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Fläche unter der Receiver-Operating-Characteristic-Kurve (AUROC) des maschinellen Lernmodells
Zeitfenster: 1 JAHR
|
Fläche unter der Receiver-Operating-Characteristic-Kurve (AUROC) des maschinellen Lernens basierten Vorhersagemodells zur Identifizierung des Vorhandenseins von histologisch nachgewiesenem kolorektalem Adenom
|
1 JAHR
|
Sekundäre Ergebnismessungen
Sekundäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Validierungsleistung des Machine-Learning-Vorhersagemodells
Zeitfenster: 1 JAHR
|
Validierung der Leistung des maschinellen Lernmodells zur Vorhersage von Kolonadenomen, bewertet anhand von AUROC, Kalibrierungsmetriken (Brier-Score) und Kalibrierungsplots in einer unabhängigen Validierungskohorte.
|
1 JAHR
|
Mitarbeiter und Ermittler
Sponsor
Sponsor
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Geschätzt)
Studienbeginn
Primärer Abschluss (Geschätzt)
Primärer Abschluss
Studienabschluss (Geschätzt)
Studienabschluss
Studienanmeldedaten
Zuerst eingereicht
Zuerst eingereicht
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst gepostet (Geschätzt)
Zuerst gepostet
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Geschätzt)
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
- VALID-ADENOMA-IN
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 .