ML-Entscheidungsmodell für die adjuvante G-NEC-Therapie (G-NEC)
Auf maschinellem Lernen basierendes Entscheidungsmodell für eine optimale adjuvante Therapie beim primären neuroendokrinen Magenkarzinom: eine nationale Evidenzstudie aus der Praxis
Das neuroendokrine Karzinom des Magens (G-NEC) ist ein seltener und aggressiver Tumor, der von neuroendokrinen Zellen in der Magenschleimhaut ausgeht. Sie zeichnet sich durch eine hohe Rezidivneigung und eine allgemein schlechte Prognose aus. Aufgrund seiner Seltenheit gibt es nur begrenzte Daten und keinen etablierten Konsens über die optimale postoperative adjuvante Therapie, was Behandlungsentscheidungen für Gesundheitsdienstleister zu einer Herausforderung macht.
Bei dieser Studie handelt es sich um eine retrospektive Analyse, die sich auf die Bewertung der Überlebensraten, die Identifizierung prognostischer Faktoren und die Formulierung von Behandlungsempfehlungen für Patienten mit G-NEC konzentriert. Durch die Analyse realer klinischer Daten wollen wir die Faktoren, die die Patientenergebnisse beeinflussen, besser verstehen und evidenzbasierte Strategien zur Verbesserung des Überlebens entwickeln. Unser Ziel ist es, Ärzten wertvolle Erkenntnisse und Werkzeuge zur Verfügung zu stellen, um fundiertere Behandlungsentscheidungen zu treffen und so letztendlich die Qualität der Versorgung und die Ergebnisse für Patienten mit dieser herausfordernden Krankheit zu verbessern.
Studienübersicht
Status
Studientyp
Einschreibung (Tatsächlich)
Kontakte und Standorte
Studienorte
-
-
Fujian
-
Fuzhou, Fujian, China, 350001
- Fujian Medical University
-
-
Teilnahmekriterien
Zulassungskriterien
Studienberechtigtes Alter
- Kind
- Erwachsene
- Älterer Erwachsener
Akzeptiert gesunde Freiwillige
Probenahmeverfahren
Studienpopulation
Beschreibung
Einschlusskriterien:
- (1) Patienten, die sich einer radikalen Operation ohne neoadjuvante Therapie unterzogen haben;
- (2) pathologisch bestätigtes NEC oder gemischtes adenoneuroendokrines Karzinom (MANEC).
Ausschlusskriterien:
- (1) Vorgeschichte anderer bösartiger Neubildungen;
- (2) Behandlung mit endoskopischer Submukosadissektion oder endoskopischer Schleimhautresektion oder Thorakotomie;
- (3) unvollständige klinische Daten (einschließlich pathologischer, adjuvanter Chemotherapie- und Follow-up-Informationen);
- (4) Erhalt alternativer adjuvanter Behandlungsschemata;
- (5) Tod innerhalb von 30 Tagen nach der Operation.
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
Kohorten und Interventionen
Gruppe / Kohorte |
|---|
|
Patienten mit neuroendokrinem Magenkarzinom (G-NEC).
Diese Studie konzentriert sich auf Patienten mit diagnostiziertem neuroendokrinen Karzinom des Magens (G-NEC), die sich einer radikalen Operation unterzogen haben.
Die Kohorte umfasst erwachsene Patienten (≥ 18 Jahre), die zwischen Januar 2006 und Dezember 2020 in 38 tertiären Krankenhäusern in China behandelt wurden.
Die Patienten werden basierend auf ihrer postoperativen adjuvanten Behandlung in drei Gruppen eingeteilt: keine adjuvante Chemotherapie, Chemotherapie auf Etoposid- und Platinderivatbasis und Chemotherapie auf Fluorouracilbasis.
Die Studie zielt darauf ab, ein auf maschinellem Lernen basierendes Entscheidungsunterstützungsmodell zu entwickeln und zu validieren, um individualisierte adjuvante Therapiestrategien für G-NEC-Patienten zu optimieren, wobei das primäre Ergebnis das krankheitsfreie Überleben (DFS) ist.
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Krankheitsfreies Überleben (DFS)
Zeitfenster: Vom Datum der Operation bis zu 5 Jahren
|
Das krankheitsfreie Überleben ist definiert als die Zeit vom Datum der Operation bis zum Wiederauftreten der Krankheit, dem Tod jeglicher Ursache oder der letzten Nachuntersuchung, je nachdem, was zuerst eintritt.
Die Leistung des maschinellen Lernmodells bei der Vorhersage des DFS und der Empfehlung einer optimalen adjuvanten Therapie wird bewertet.
|
Vom Datum der Operation bis zu 5 Jahren
|
Mitarbeiter und Ermittler
Sponsor
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Tatsächlich)
Primärer Abschluss (Tatsächlich)
Studienabschluss (Tatsächlich)
Studienanmeldedaten
Zuerst eingereicht
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst gepostet (Tatsächlich)
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Geschätzt)
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Zuletzt verifiziert
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Schlüsselwörter
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
- 2024GNEC
Plan für individuelle Teilnehmerdaten (IPD)
Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?
Beschreibung des IPD-Plans
Patientendatenschutz: Da es sich bei dieser Studie um vertrauliche medizinische Informationen handelt, müssen wir sicherstellen, dass jeder Datenaustauschplan allen relevanten Datenschutzgesetzen und -vorschriften entspricht.
Ethische Überlegungen: Wir beraten uns mit unserer Ethikkommission, um den am besten geeigneten Ansatz für den Datenaustausch zu ermitteln, der die Einwilligung des Patienten respektiert und die Integrität der Forschung wahrt.
Datenstandardisierung: Angesichts des multizentrischen Charakters dieser Studie arbeiten wir an der Standardisierung unserer Datenerfassungs- und -speicherungsprozesse in allen 38 teilnehmenden Krankenhäusern, um die Konsistenz und Qualität aller potenziell gemeinsam genutzten Daten sicherzustellen.
Kooperationspotenzial: Wir erkennen den Wert des Datenaustauschs für die Weiterentwicklung der Magen-Neuroendokrinkarzinom-Forschung und prüfen mögliche Kooperationen mit anderen Forschungsgruppen.
Ressourcenzuweisung: Wir bewerten die Ressourcen, die zur Vorbereitung der Daten für die gemeinsame Nutzung erforderlich sind, einschließlich Anonymisierungsprozessen und der Erstellung von Datenwörterbüchern.
Arzneimittel- und Geräteinformationen, Studienunterlagen
Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt
Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt
Produkt, das in den USA hergestellt und aus den USA exportiert wird
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 .
Klinische Studien zur Maschinelles Lernen
-
Gazi UniversityAtılım University; Gazi University Scientific Research UnitAbgeschlossenPflegeausbildung | Pflege | Thoraxtubus | E-LearningTruthahn
-
RenJi HospitalNoch keine RekrutierungDeep Learning, lumbale Magnetresonanztomographie
-
Chelsea and Westminster NHS Foundation TrustNational Institute for Health Research, United Kingdom; OCB MediaAbgeschlossenQualitätsverbesserung | Lernen | E-LearningVereinigtes Königreich
-
Hai LvAktiv, nicht rekrutierendFacettengelenke; Entartung; Deep Learning; Künstliche IntelligenzChina
-
Kırıkkale UniversityAnmeldung auf EinladungSpirituelle Betreuung | Flipped Learning ModellTürkei (türkiye)
-
National Cheng-Kung University HospitalAnmeldung auf EinladungChemotherapie | Intensivstation | Krankenschwester | Selbstwirksamkeit | E-LearningTaiwan
-
Sultan Qaboos Comprehensive Cancer CenterNoch keine Rekrutierung
-
Orsi AcademyAbgeschlossen
-
Cairo UniversityNoch keine RekrutierungEndodontie | KI (Künstliche Intelligenz) | Deep-Learning-Modell | Zähnung | Verpasste Kanäle | Endodontische Nachbehandlung | Non-surgical Retreatment | DIFFICULTY ASSESSMENT | SEPARATED INSTRUMENT | Poor Obturation | Obturation Quality
-
Maastricht University Medical CenterAktiv, nicht rekrutierendAktinische Keratose | Dermatologie | E-LearningNiederlande