Oireiden kehityskulkujen ennustaminen torakoskooppisen keuhkosyövän leikkauksen jälkeen käyttämällä tulkittavaa koneoppimismallia
keskiviikko 8. tammikuuta 2025 päivittänyt: GuiBin Qiao, Guangdong Provincial People's Hospital
Potilaat kärsivät erilaisista oireista torakoskooppisen leikkauksen jälkeen.
Validoituja ennakoivia työkaluja ei kuitenkaan ole mahdollista tunnistaa suuren riskin potilaista.
Tähän tutkimukseen odotetaan osallistuvan noin 1 500 keuhkosyöpäpotilasta, joille tehdään torakoskooppinen leikkaus.
Piilevän luokan sekamallinnusta (LCMM) käytetään sellaisten potilaiden alaryhmien tunnistamiseen, joilla on samanlaisia oireita.
Koneoppimismalleja kehitettiin ennakoimaan postoperatiivisten oireiden kehityskulkuja kerättyjen tietojen perusteella.
Leikkauksen jälkeisten oireiden tehokas ennustaminen voi auttaa tunnistamaan riskipotilaita ja ryhtymään ennaltaehkäiseviin toimenpiteisiin.
Tutkimuksen yleiskatsaus
Tila
Ei vielä rekrytointia
Ehdot
Yksityiskohtainen kuvaus
Torakoskooppinen keuhkosyövän leikkaus on laajalti käytetty lähestymistapa varhaisen ja paikallisesti edenneen keuhkosyövän hoitoon.
Torakoskooppisen leikkauksen eduista, kuten minimaalisesta invaasiosta ja nopeasta toipumisesta huolimatta, potilaat kärsivät edelleen erilaisista oireista, kuten kivusta, hengenahdistusta, unihäiriöistä tai väsymyksestä leikkauksen jälkeen, mikä heikentää vakavasti elämänlaatua.
Validoituja ennakoivia työkaluja ei kuitenkaan ole mahdollista tunnistaa suuren riskin potilaista.
Tähän tutkimukseen odotetaan osallistuvan noin 1 500 keuhkosyöpäpotilasta, joille tehdään torakoskooppinen leikkaus.
Potilaita pyydetään täyttämään MD Anderson Symptom Inventory-Lung Cancer -moduuli torakoskooppisen leikkauksen jälkeen.
Mielenkiintoisia oireita ovat kipu, hengenahdistus, unihäiriöt ja väsymys.
Keskivaikeat tai vaikeisiin oireisiin määriteltiin pisteet ≥ 4. Piilevä luokan sekamallinnus (LCMM), klusteritekniikka, voi tunnistaa potilaiden alaryhmiä, joilla on samanlaiset oireiluratat pitkittäispotilaiden raportoimien tulostietojen (PRO) perusteella.
Koneoppimismalleja kehitettiin ennustamaan postoperatiivisten oireiden kehityskulkuja kerättyjen tietojen, kuten demografisten ja kliinisten tietojen sekä operatiivisten tietojen perusteella.
Koneoppimismalleja ovat pääasiassa Random Forest, Support Vector Machines, Neural Networks, XGBoost jne.
Sopivin malli valitaan ja mallin tulkinta suoritetaan SHAP-menetelmällä.
Leikkauksen jälkeisten oireiden tehokas ennustaminen voi auttaa tunnistamaan riskipotilaita ja ryhtymään ennaltaehkäiseviin toimenpiteisiin.
Opintotyyppi
Havainnollistava
Ilmoittautuminen (Arvioitu)
1500
Yhteystiedot ja paikat
Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.
Opiskeluyhteys
- Nimi: Guibin Qiao, MD
- Puhelinnumero: 13602749153
- Sähköposti: guibinqiao@126.com
Opiskelupaikat
-
-
-
Guangdong, Kiina, 510080
- Guangdong Provincial People's Hospital
-
Ottaa yhteyttä:
- Guibin Qiao
- Puhelinnumero: 13602749153
- Sähköposti: guibinqiao@126.com
-
Ottaa yhteyttä:
- Zijie Li
- Puhelinnumero: 13433747658
- Sähköposti: zijie_li10@163.com
-
-
Osallistumiskriteerit
Tutkijat etsivät ihmisiä, jotka sopivat tiettyyn kuvaukseen, jota kutsutaan kelpoisuuskriteereiksi. Joitakin esimerkkejä näistä kriteereistä ovat henkilön yleinen terveydentila tai aiemmat hoidot.
Kelpoisuusvaatimukset
Opintokelpoiset iät
- Aikuinen
- Vanhempi Aikuinen
Hyväksyy terveitä vapaaehtoisia
Ei
Näytteenottomenetelmä
Ei-todennäköisyysnäyte
Tutkimusväestö
Keuhkosyöpäpotilaalle tehtiin torakoskooppinen leikkaus ja hän suoritti MD Andersonin oireiden inventointi-keuhkosyöpämoduulin leikkauksen jälkeen.
Kuvaus
Sisällön kriteerit:
- Ikä 18-80 vuotta;
- Patologisesti diagnosoitu keuhkosyöpä;
- Käy läpi torakoskooppinen leikkaus, mukaan lukien videoavusteinen torakoskopia ja robottiavusteinen torakoskopia;
- ei aikaisempaa pahanlaatuista kasvainta tai keuhkoleikkausta;
- On kyky suorittaa mittakaava.
Poissulkemiskriteerit:
- Muunnetaan torakotomiaksi torakoskooppisen leikkauksen aikana;
- Ei pysty suorittamaan postoperatiivista asteikkoa vähintään kaksi kertaa;
- Puuttuvat data-arvot ylittävät 30 prosenttia.
Opintosuunnitelma
Tässä osiossa on tietoja tutkimussuunnitelmasta, mukaan lukien kuinka tutkimus on suunniteltu ja mitä tutkimuksella mitataan.
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Oireiden liikeradat torakoskooppisen leikkauksen jälkeen
Aikaikkuna: Neljän viikon sisällä torakoskooppisesta leikkauksesta
|
Mielenkiintoisia postoperatiivisia oireita olivat kipu, hengenahdistus, unihäiriöt ja väsymys.
|
Neljän viikon sisällä torakoskooppisesta leikkauksesta
|
Yhteistyökumppanit ja tutkijat
Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.
Tutkijat
- Päätutkija: Guibin Qiao, Guangdong Provincial People's Hospital
Opintojen ennätyspäivät
Nämä päivämäärät seuraavat ClinicalTrials.gov-sivustolle lähetettyjen tutkimustietueiden ja yhteenvetojen edistymistä. National Library of Medicine (NLM) tarkistaa tutkimustiedot ja raportoidut tulokset varmistaakseen, että ne täyttävät tietyt laadunvalvontastandardit, ennen kuin ne julkaistaan julkisella verkkosivustolla.
Opi tärkeimmät päivämäärät
Opiskelun aloitus (Arvioitu)
Lauantai 1. maaliskuuta 2025
Ensisijainen valmistuminen (Arvioitu)
Torstai 1. tammikuuta 2026
Opintojen valmistuminen (Arvioitu)
Sunnuntai 1. helmikuuta 2026
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Keskiviikko 8. tammikuuta 2025
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Keskiviikko 8. tammikuuta 2025
Ensimmäinen Lähetetty (Todellinen)
Tiistai 25. maaliskuuta 2025
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Tiistai 25. maaliskuuta 2025
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Keskiviikko 8. tammikuuta 2025
Viimeksi vahvistettu
Maanantai 1. huhtikuuta 2024
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- LC-ML
Lääke- ja laitetiedot, tutkimusasiakirjat
Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta
Ei
Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta
Ei
Yhdysvalloissa valmistettu ja sieltä viety tuote
Ei
Nämä tiedot haettiin suoraan verkkosivustolta clinicaltrials.gov ilman muutoksia. Jos sinulla on pyyntöjä muuttaa, poistaa tai päivittää tutkimustietojasi, ota yhteyttä register@clinicaltrials.gov. Heti kun muutos on otettu käyttöön osoitteessa clinicaltrials.gov, se päivitetään automaattisesti myös verkkosivustollemme .