Deep-Learning-Signatur zur Vorhersage okkulter Lymphknotenmetastasen bei klinischem N0-Lungenkrebs
7. Februar 2023 aktualisiert von: Chang Chen, Shanghai Pulmonary Hospital, Shanghai, China
PET/CT-basierte Deep-Learning-Signatur zur Vorhersage okkulter Lymphknotenmetastasen bei nicht-kleinzelligem Lungenkrebs im klinischen Stadium N0: Eine multizentrische prospektive diagnostische Studie
Der Zweck dieser Studie ist es, die Vorhersageleistung einer PET/CT-basierten Deep-Learning-Signatur mit dem Tumor Maximum Standarded Uptake Value (SUVmax) auf PET für die Vorhersage von okkulten Lymphknotenmetastasen von nicht-kleinzelligem Lungenkrebs im klinischen Stadium N0 in a zu vergleichen multizentrische prospektive Kohorte.
Studienübersicht
Status
Rekrutierung
Bedingungen
Intervention / Behandlung
Studientyp
Beobachtungs
Einschreibung (Voraussichtlich)
5000
Kontakte und Standorte
Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.
Studienorte
-
-
Guizhou
-
Zunyi, Guizhou, China
- Rekrutierung
- Affiliated Hospital of Zunyi Medical University
-
-
Jiangxi
-
Nanchang, Jiangxi, China
- Rekrutierung
- The First Affiliated Hospital Of Nanchang University
-
-
Shanghai
-
Yangpu, Shanghai, China
- Rekrutierung
- Shanghai Pulmonary Hospital
-
-
Zhejiang
-
Ningbo, Zhejiang, China
- Rekrutierung
- Ningbo HwaMei Hospital
-
-
Teilnahmekriterien
Forscher suchen nach Personen, die einer bestimmten Beschreibung entsprechen, die als Auswahlkriterien bezeichnet werden. Einige Beispiele für diese Kriterien sind der allgemeine Gesundheitszustand einer Person oder frühere Behandlungen.
Zulassungskriterien
Studienberechtigtes Alter
20 Jahre bis 75 Jahre (ERWACHSENE, OLDER_ADULT)
Akzeptiert gesunde Freiwillige
N/A
Studienberechtigte Geschlechter
Alle
Probenahmeverfahren
Nicht-Wahrscheinlichkeitsprobe
Studienpopulation
Clinica N0 Nicht-kleinzelliger Lungenkrebs
Beschreibung
Einschlusskriterien:
(1) Teilnehmer, die für eine Operation zum radiologischen Nachweis von Lungenläsionen aus den präoperativen Dünnschnitt-CT-Scans vorgesehen sind; (2) Der maximale Kurzachsendurchmesser von Lymphknoten von weniger als 1 cm im CT-Scan; (3) SUVmax der hilaren und mediastinalen Lymphknoten kleiner als 2,5; (4) Pathologische Bestätigung des primären NSCLC; (5) Alter zwischen 20 und 75 Jahren; (6) Eingeholte schriftliche Einverständniserklärung.
Ausschlusskriterien:
(1) Multiple Lungenläsionen; (2) schlechte Qualität der PET-CT-Bilder; (3) Teilnehmer mit unvollständigen klinischen Informationen; (4) Teilnehmer, die keine systematische Lymphknotendissektion erhalten; (5) Teilnehmer, die eine neoadjuvante Therapie erhalten haben.
Studienplan
Dieser Abschnitt enthält Einzelheiten zum Studienplan, einschließlich des Studiendesigns und der Messung der Studieninhalte.
Wie ist die Studie aufgebaut?
Designdetails
- Beobachtungsmodelle: Kohorte
- Zeitperspektiven: Interessent
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Fläche unter der Empfänger-Arbeitskennlinie
Zeitfenster: 2022.1-2023.12
|
Fläche unter der Empfänger-Arbeitskennlinie
|
2022.1-2023.12
|
Sekundäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Empfindlichkeit Empfindlichkeit
Zeitfenster: 2022.1-2023.12
|
Empfindlichkeit
|
2022.1-2023.12
|
|
Spezifität
Zeitfenster: 2022.1-2023.12
|
Spezifität
|
2022.1-2023.12
|
|
Positiv vorhergesagter Wert
Zeitfenster: 2022.1-2023.12
|
Positiv vorhergesagter Wert
|
2022.1-2023.12
|
|
Negativer Vorhersagewert
Zeitfenster: 2022.1-2023.12
|
Negativer Vorhersagewert
|
2022.1-2023.12
|
|
Genauigkeit
Zeitfenster: 2022.1-2023.12
|
Genauigkeit
|
2022.1-2023.12
|
Mitarbeiter und Ermittler
Hier finden Sie Personen und Organisationen, die an dieser Studie beteiligt sind.
Studienaufzeichnungsdaten
Diese Daten verfolgen den Fortschritt der Übermittlung von Studienaufzeichnungen und zusammenfassenden Ergebnissen an ClinicalTrials.gov. Studienaufzeichnungen und gemeldete Ergebnisse werden von der National Library of Medicine (NLM) überprüft, um sicherzustellen, dass sie bestimmten Qualitätskontrollstandards entsprechen, bevor sie auf der öffentlichen Website veröffentlicht werden.
Haupttermine studieren
Studienbeginn (TATSÄCHLICH)
1. Januar 2022
Primärer Abschluss (ERWARTET)
31. Dezember 2023
Studienabschluss (ERWARTET)
31. Dezember 2023
Studienanmeldedaten
Zuerst eingereicht
15. Juni 2022
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
15. Juni 2022
Zuerst gepostet (TATSÄCHLICH)
21. Juni 2022
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (SCHÄTZEN)
9. Februar 2023
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
7. Februar 2023
Zuletzt verifiziert
1. Februar 2023
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Schlüsselwörter
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
- DLNMS
Plan für individuelle Teilnehmerdaten (IPD)
Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?
NEIN
Arzneimittel- und Geräteinformationen, Studienunterlagen
Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt
Nein
Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt
Nein
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 .