Tämä sivu käännettiin automaattisesti, eikä käännösten tarkkuutta voida taata. Katso englanninkielinen versio lähdetekstiä varten.

Ulkoinen, monikeskuksinen koneoppimismallin validointi paksusuolen adenoman ennustamiseksi intialaisilla aikuisilla

perjantai 9. tammikuuta 2026 päivittänyt: Mohan Ramchandani, Asian Institute of Gastroenterology, India

Ulkoinen, monikeskuksinen koneoppimismallin validointi suoliston adenoman ennustamiseksi intialaisilla aikuisilla – prospektiivinen, havainnoiva, monikeskuksinen tutkimus.

Suoliston adenoomat ovat suolistosyövän (CRC) esiasteita. Tarkka riskien ennakkovalikoiminen ennen toimenpidettä voisi optimoida kolonoskopian tuottoa ja resurssien kohdentamista Intiassa, missä adenoomien esiintyvyys vaihtelee iän, sukupuolen sekä elämäntapa- ja aineenvaihduntatekijöiden mukaan. Koneoppimismallit voivat yhdistää useita ennustetekijöitä yksilöllisen riskin arvioimiseksi.

Olemassa olevat riskilaskelmat ovat suurelta osin läntisiä; niiden suorituskyky ja kalibrointi eivät välttämättä sovellu intialaisiin väestöihin, joilla on erilaiset sosiodemografiset ja aineenvaihduntaan liittyvät profiilit. Ulkoinen, prospektiivinen, monikeskuksinen validointi on välttämätöntä ennen kliinistä käyttöönottoa.

Tutkimuksen yleiskatsaus

Tila

Ei vielä rekrytointia

Ehdot

Opintotyyppi

Havainnollistava

Ilmoittautuminen (Arvioitu)

1000

Yhteystiedot ja paikat

Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.

Opiskeluyhteys

Tutki yhteystietojen varmuuskopiointi

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

Todennäköisyysnäyte

Tutkimusväestö

1000

Kuvaus

Osallistumiskriteerit:

  • Aikuiset ≥18 vuotta, joille tehdään diagnostiikkaa varten kolonoskopia.
  • Riittävä suoliston valmistelu (Boston Bowel Preparation Scale -asteikon kokonaispistemäärä ≥6, kukin segmentti ≥2).
  • Täydellinen tutkimus (sekumin intubaatio; peruutusvähintään 6 minuuttia, kun hoitoa ei tehdä).
  • Kaikkien mallin ennustimien saatavuus CRF:n mukaisesti.

Poissulkemiskriteerit:

  • • Tunnettu paksusuolen syöpä tai polyyppi, aiempi kolektomia, polyyppioireyhtymät, tunnettu tulehduksellinen suolistosairaus tai voimakkaat perinnölliset paksusuolen syöpäoireyhtymät (esim. Lynch), jos ne on jätetty pois johtopäätöksessä.

    • Riittämätön valmistelu, puutteellinen kolonoskopia, tukkeavat muutokset, jotka estävät optisen diagnoosin esteen yli.
    • Hätäkolonoskopiat, vain hoitoon tarkoitetut toimenpiteet ilman diagnostiikkaa.

Opintosuunnitelma

Tässä osiossa on tietoja tutkimussuunnitelmasta, mukaan lukien kuinka tutkimus on suunniteltu ja mitä tutkimuksella mitataan.

Miten tutkimus on suunniteltu?

Suunnittelun yksityiskohdat

Kohortit ja interventiot

Ryhmä/Kohortti
Interventio / Hoito
Yksittäinen prospektiivinen havainnointikohortti

Osallistujat käyvät läpi vakiohoitoon kuuluvan kolonoskopian

Ei kohdennusta hoito- tai vertailuryhmiin

Tutkimukseen liittyvää hoitoa ei anneta. Osallistujat käyvät läpi standardoidun diagnostiikan kolonoskopian ja histopatologisen arvioinnin. Lukittua koneoppimismallia sovelletaan rutiininomaisesti kerättyihin perustason kliinisiin ja demografisiin tietoihin vain riskien ennustamiseen ilman, että se vaikuttaisi kliiniseen hoitoon.

Mitä tutkimuksessa mitataan?

Ensisijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Koneoppimismallin käyttäjätoimintakäyrän alla oleva pinta-ala (AUROC)
Aikaikkuna: 1 VUOSI
Koneoppimiseen perustuvan ennustemallin vastaanottajan toimintaominaisuuskäyrän pinta-ala (AUROC) histologisesti todistetun paksusuolen adenoman esiintymisen tunnistamiseksi
1 VUOSI

Toissijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Koneoppimisen ennustemallin validointisuorituskyky
Aikaikkuna: 1 VUOSI
Koneoppimismallin validaatiosuorituskyky paksusuolen adenoman ennustamisessa, arvioitu käyttäen AUROC-mittaria, kalibrointimittareita (Brier-pistemäärä) ja kalibrointikäyräkuvioita itsenäisessä validointikohortissa.
1 VUOSI

Yhteistyökumppanit ja tutkijat

Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.

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)

Sunnuntai 1. helmikuuta 2026

Ensisijainen valmistuminen (Arvioitu)

Tiistai 30. maaliskuuta 2027

Opintojen valmistuminen (Arvioitu)

Tiistai 30. maaliskuuta 2027

Opintoihin ilmoittautumispäivät

Ensimmäinen lähetetty

Perjantai 26. joulukuuta 2025

Ensimmäinen toimitettu, joka täytti QC-kriteerit

Lauantai 27. joulukuuta 2025

Ensimmäinen Lähetetty (Arvioitu)

Perjantai 9. tammikuuta 2026

Tutkimustietojen päivitykset

Viimeisin päivitys julkaistu (Arvioitu)

Maanantai 12. tammikuuta 2026

Viimeisin lähetetty päivitys, joka täytti QC-kriteerit

Perjantai 9. tammikuuta 2026

Viimeksi vahvistettu

Torstai 1. tammikuuta 2026

Lisää tietoa

Tähän tutkimukseen liittyvät termit

Muita asiaankuuluvia MeSH-ehtoja

Muut tutkimustunnusnumerot

  • VALID-ADENOMA-IN

Yksittäisten osallistujien tietojen suunnitelma (IPD)

Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?

EI

Lääke- ja laitetiedot, tutkimusasiakirjat

Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta

Ei

Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta

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 .

Tilaa