Maschinelles Lernen von PMRA und Shapley zur Vorhersage der Lymphknotenmetastasierung in zentralen Subregionen klinisch knotennegatives papilläres Schilddrüsenmikrokarzinom: eine prospektive multizentrische Validierung und Entwicklung eines Webrechners (PMRA)
6. März 2025 aktualisiert von: Xinliang Su, First Affiliated Hospital of Chongqing Medical University
Hintergrund: Das Management des klinisch knotennegativen (CN0) papillären Schilddrüsenmikrokarzinoms (PTMC) wird durch hohe okkulte Lymphknotenmetastasierung (LNM) kompliziert. Wir wollten ein Vorhersagemodell für zentrales LNM mit maschinellem Lernen (ML) und herkömmlichen Nomogrammen durch Wahrscheinlichkeitsbasis-Ranking-Modellansatz (PMRRA) entwickeln und validieren.
Methoden: Wir haben eine prospektive multizentrische Studie durchgeführt, an der 4.882 Patienten in 3 Krankenhäusern (2016-2023) beteiligt waren. Nach Anwendung der Einschlusskriterien wurden 1.953 Patienten aus dem Primärzentrum für Modellzug und Test (7: 3 -Verhältnis) zugewiesen. Die externe Validierung umfasste prospektive Kohorten von 286 und 176 Patienten aus zwei unabhängigen Zentren.13 ML -Algorithmen und herkömmliche Nomogrammmodelle wurden systematisch unter Verwendung von PMRRA bewertet. Wir haben Modelle mit präoperativen Merkmalen allein mit denjenigen, die sowohl präoperative als auch intraoperative Pathologiedaten einbezogen werden, verglichen. Die Merkmalsauswahl verwendete sechs Methoden, wobei die L1-basierte Selektion für die meisten Vorhersagen optimal ist. Die Interpretierbarkeit der Modellin wurde durch Shapley-Additive Erklärungen (SHAP) verbessert.
Studienübersicht
Status
Abgeschlossen
Bedingungen
Studientyp
Beobachtungs
Einschreibung (Tatsächlich)
4882
Kontakte und Standorte
Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.
Studienorte
-
-
-
Chongqing, China
- 1 Friendship Road, Yuzhong District Chongqing
-
-
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
- Kind
- Erwachsene
- Älterer Erwachsener
Akzeptiert gesunde Freiwillige
Nein
Probenahmeverfahren
Nicht-Wahrscheinlichkeitsprobe
Studienpopulation
Eine retrospektive Analyse wurde zwischen 2016 und 2020 an 4.882 Fällen aus dem ersten verbundenen Krankenhaus der Chongqing Medical University (Hospital A) durchgeführt, in dem klinische, ultraschall- und intraoperative gefrorene Pathologie -Daten gesammelt wurden.
Nach Anwendung der Einschluss- und Ausschlusskriterien wurden 1.953 Patienten für die Modellentwicklung und die interne Validierung ausgewählt (geteilt in einem Verhältnis von 7: 3).
Zur prospektiven externen Validierung wurden Patienten aus zwei zusätzlichen Zentren eingeschlossen: 286 Fälle des Frauen- und Kinderkrankenhauses der Chongqing Medical University (Krankenhaus B) und 176 Fälle des Volkskrankenhauses des Bezirks Yubei in Chongqing (Krankenhaus C), das als externe Validierungssätze 1 und 2 ausgewiesen ist.
Beschreibung
Einschlusskriterien:
- Erstpatienten der Schilddrüsenkrebsoperation erstmals
- CN0-PTMC-Patienten diagnostiziert durch Feinnadelaspiration und Bildgebung.
Ausschlusskriterien:
- Sekundärchirurgie
- Andere pathologische Arten von Schilddrüsenkrebs
- Unvollständige klinische Daten
- Entfernte Metastasierung oder Vorgeschichte der Exposition gegenüber zervikalen Strahlung.
Studienplan
Dieser Abschnitt enthält Einzelheiten zum Studienplan, einschließlich des Studiendesigns und der Messung der Studieninhalte.
Wie ist die Studie aufgebaut?
Designdetails
Kohorten und Interventionen
Gruppe / Kohorte |
Intervention / Behandlung |
|---|---|
|
Nach Anwendung der Einschlusskriterien wurden 1.953 Patienten aus dem Primärzentrum für Modell TR zugewiesen
Nach Anwendung der Einschlusskriterien wurden 1.953 Patienten aus dem Primärzentrum für Modellzug und Test (7: 3 -Verhältnis) zugewiesen.
Die externe Validierung umfasste prospektive Kohorten von 286 und 176 Patienten aus zwei unabhängigen Zentren.13
ML -Algorithmen und herkömmliche Nomogrammmodelle wurden systematisch unter Verwendung von PMRRA bewertet. Wir haben Modelle mit präoperativen Merkmalen allein mit denjenigen, die sowohl präoperative als auch intraoperative Pathologiedaten einbezogen werden, verglichen.
Die Merkmalsauswahl verwendete sechs Methoden, wobei die L1-basierte Selektion für die meisten Vorhersagen optimal ist. Die Interpretierbarkeit der Modellin wurde durch Shapley-Additive Erklärungen (SHAP) verbessert.
|
Maschinelles Lernen von PMRA und Shapley zur Vorhersage der Lymphknotenmetastasierung in zentralen Subregionen klinisch knotennegatives papilläres Schilddrüsenmikrokarzinom: eine prospektive multizentrische Validierung und Entwicklung eines Webrechners
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Zeitfenster |
|---|---|
|
Die Prädiktoren wurden analysiert, nachdem die Daten von 1953 Patienten in den Trainingssatz und in der internen Validierung (zu einem Verhältnis von 7: 3) aufgenommen wurden, und die Prädiktoren wurden bei 286 Patienten bzw. 176 Patienten in zwei externen Validierungszentren analysiert.
Zeitfenster: 2016-2023
|
2016-2023
|
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 2016
Primärer Abschluss (Tatsächlich)
31. Dezember 2023
Studienabschluss (Tatsächlich)
31. Dezember 2023
Studienanmeldedaten
Zuerst eingereicht
21. Februar 2025
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
6. März 2025
Zuerst gepostet (Tatsächlich)
25. März 2025
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
25. März 2025
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
6. März 2025
Zuletzt verifiziert
1. Februar 2025
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Schlüsselwörter
Zusätzliche relevante MeSH-Bedingungen
- Erkrankungen des endokrinen Systems
- Pathologische Prozesse
- Neubildungen nach Standort
- Neubildungen
- Neubildungen nach histologischem Typ
- Neoplasmen der endokrinen Drüse
- Kopf-Hals-Neubildungen
- Neubildungen, Drüsen und Epithelien
- Neoplastische Prozesse
- Karzinom
- Neubildungen, Plattenepithelzellen
- Neoplasma Metastasierung
- Schilddrüsenerkrankungen
- Schilddrüsenneoplasmen
- Karzinom, papillär
- Lymphatische Metastasierung
Andere Studien-ID-Nummern
- 1stHospitalofChongqingMU
Plan für individuelle Teilnehmerdaten (IPD)
Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?
NEIN
Beschreibung des IPD-Plans
Die Hauptgründe sind wie folgt: IPD enthält persönliche sensible Informationen, und das Teilen kann die Privatsphäre verletzen und die Datenschutzbestimmungen (wie die DSGVO) verletzen.
Das Teilen von IPD kann das Risiko von Datenverlust oder -missbrauch darstellen, insbesondere wenn es nicht anonymisiert ist.
Die Verwendung von Daten unterliegt rechtliche oder vertragliche Einschränkungen und kann nicht ohne Erlaubnis geteilt werden.
IPD kann an geistigem Eigentum oder Geschäftsgeheimnissen beinhalten und die Teilen der Rechte von Datenbesitzern beeinflussen.
Das Teilen von IPD kann gegen die Einwilligung der Forschungsteilnehmer verstoßen und ethische Streitigkeiten auslösen.
Der Mangel an Hintergrundinformationen kann zu einer falschen Interpretation oder einem falschen Missbrauch der Daten führen.
Der Prozess der Datenvorbereitung, Anonymisierung und Freigabe ist zeitaufwändig und arbeitsintensiv und fügt zusätzliche Belastungen hinzu.
Daher sollte die IPD -Freigabe mit Vorsicht erfolgen und erfordert in der Regel eine strenge Überprüfung und Schutz nach Vereinbarung.
Arzneimittel- und Geräteinformationen, Studienunterlagen
Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt
Nein
Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt
Nein
Produkt, das in den USA hergestellt und aus den USA exportiert wird
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 .