Il valore applicativo dei nomogrammi basati sul deep learning nella discriminazione benigno-maligno dei noduli tiroidei TI-RADS di categoria 4
5 febbraio 2024 aggiornato da: Ma Zhe
Questo studio retrospettivo si concentra sulla classificazione benigna e maligna dei noduli tiroidei utilizzando tecniche di deep learning e valuta il valore dei nomogrammi basati sul deep learning nella classificazione dei noduli tiroidei di categoria TI-RADS 4 per migliorare l'accuratezza dell'identificazione benigna e maligna della categoria TI-RADS 4 noduli tiroidei.
Materiali e metodi: sono stati raccolti i pazienti che hanno visitato il primo ospedale affiliato della prima università medica dello Shandong e l'ospedale provinciale di Qianfoshan dello Shandong. Sono state riviste le loro caratteristiche cliniche generali, le informazioni sulla diagnosi ecografica preoperatoria e i dati patologici postoperatori.
Panoramica dello studio
Stato
Completato
Condizioni
Tipo di studio
Osservativo
Iscrizione (Effettivo)
500
Contatti e Sedi
Questa sezione fornisce i recapiti di coloro che conducono lo studio e informazioni su dove viene condotto lo studio.
Luoghi di studio
-
-
Shandong
-
Jinan, Shandong, Cina
- QianfoshanH
-
-
Criteri di partecipazione
I ricercatori cercano persone che corrispondano a una certa descrizione, chiamata criteri di ammissibilità. Alcuni esempi di questi criteri sono le condizioni generali di salute di una persona o trattamenti precedenti.
Criteri di ammissibilità
Età idonea allo studio
- Adulto
- Adulto più anziano
Accetta volontari sani
No
Metodo di campionamento
Campione non probabilistico
Popolazione di studio
Lo studio ha raccolto dati su un totale di 500 noduli tiroidei di categoria 4 TI-RADS di 500 pazienti che hanno frequentato il primo ospedale affiliato della Shandong First Medical University da aprile 2022 a novembre 2023.
Descrizione
Criterio di inclusione:
- Diagnosi confermata dall'ecografia dei noduli tiroidei classificati come categoria TI-RADS 4.
- Disponibilità di risultati patologici.
Criteri di esclusione:
- Mancanza di diagnosi patologica.
- Storia di interventi chirurgici alla tiroide o altri trattamenti.
- Scarsa qualità delle immagini ecografiche dei noduli tiroidei.
- Dati clinici e di imaging del paziente incompleti.
Piano di studio
Questa sezione fornisce i dettagli del piano di studio, compreso il modo in cui lo studio è progettato e ciò che lo studio sta misurando.
Come è strutturato lo studio?
Dettagli di progettazione
Coorti e interventi
Gruppo / Coorte |
|---|
|
maligno
Noduli tiroidei con reperti patologici di malignità confermati da biopsia chirurgica o puntura nella categoria TI-RADS4
|
|
benigno
Noduli tiroidei con reperti patologici confermati da biopsia chirurgica o puntura della categoria TI-RADS4 benigna
|
Cosa sta misurando lo studio?
Misure di risultato primarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
modello di previsione del deep learning (YOLOv3) e valutazione del modello
Lasso di tempo: Valutato immediatamente dopo la creazione del modello di previsione
|
In base alle caratteristiche dei noduli tiroidei benigni e maligni, il set di dati è stato diviso in un set di addestramento e un set di test utilizzando il metodo di convalida incrociata e il modello YOLOv3 è stato addestrato utilizzando i dati del set di addestramento e le prestazioni del modello sono state valutate valutato utilizzando i dati del set di test. Il modello viene valutato utilizzando una serie di metriche quali: curva di richiamo di precisione, precisione di classificazione effettiva, matrice di confusione e area sotto la curva.
|
Valutato immediatamente dopo la creazione del modello di previsione
|
|
previsione e valutazione del nomogramma
Lasso di tempo: Valutato immediatamente dopo la costruzione del nomogramma
|
Fattorizzazione di caratteristiche cliniche, classificazione ecografica e previsioni di modelli per mappare nomogrammi utilizzando il linguaggio R. Valutazione del nomogramma utilizzando vari parametri, comprese le curve caratteristiche operative del soggetto, le curve di calibrazione e l'analisi della curva decisionale
|
Valutato immediatamente dopo la costruzione del nomogramma
|
|
Selezione delle caratteristiche cliniche e valutazione
Lasso di tempo: Dopo aver raccolto il set di dati e ottenuto i risultati patologici, i risultati statistici ottenuti vengono analizzati per fattori clinici, con una media di circa 1 anno.
|
I ricercatori hanno selezionato pazienti con noduli tiroidei di categoria TI-RADS 4 entro 1 anno per comprendere il set di dati.
I ricercatori hanno analizzato i fattori clinici nel set di dati e hanno analizzato il significato di questi fattori clinici sui risultati statistici e sulle caratteristiche cliniche utilizzando il test della somma dei ranghi a due campioni di Wilcoxon o il test del chi-quadrato.
|
Dopo aver raccolto il set di dati e ottenuto i risultati patologici, i risultati statistici ottenuti vengono analizzati per fattori clinici, con una media di circa 1 anno.
|
|
Impatto e valutazione della classificazione ecografica
Lasso di tempo: I risultati classificati dell'esame ecografico sono stati analizzati dopo il completamento della raccolta del set di dati, il completamento dell'esame ecografico e l'ottenimento dei risultati patologici finali, in media circa 1 anno.
|
I ricercatori hanno selezionato pazienti con noduli tiroidei di categoria TI-RADS 4 entro 1 anno per comprendere il set di dati.
I ricercatori hanno analizzato i risultati della classificazione dei noduli di categoria 4 TI-RADS in questo set di dati e hanno determinato il significato della classificazione ecografica sui risultati statistici utilizzando il test chi-quadrato.
|
I risultati classificati dell'esame ecografico sono stati analizzati dopo il completamento della raccolta del set di dati, il completamento dell'esame ecografico e l'ottenimento dei risultati patologici finali, in media circa 1 anno.
|
Collaboratori e investigatori
Qui è dove troverai le persone e le organizzazioni coinvolte in questo studio.
Sponsor
Studiare le date dei record
Queste date tengono traccia dell'avanzamento della registrazione dello studio e dell'invio dei risultati di sintesi a ClinicalTrials.gov. I record degli studi e i risultati riportati vengono esaminati dalla National Library of Medicine (NLM) per assicurarsi che soddisfino specifici standard di controllo della qualità prima di essere pubblicati sul sito Web pubblico.
Studia le date principali
Inizio studio (Effettivo)
1 aprile 2022
Completamento primario (Effettivo)
30 novembre 2023
Completamento dello studio (Effettivo)
30 novembre 2023
Date di iscrizione allo studio
Primo inviato
4 gennaio 2024
Primo inviato che soddisfa i criteri di controllo qualità
5 febbraio 2024
Primo Inserito (Effettivo)
14 febbraio 2024
Aggiornamenti dei record di studio
Ultimo aggiornamento pubblicato (Effettivo)
14 febbraio 2024
Ultimo aggiornamento inviato che soddisfa i criteri QC
5 febbraio 2024
Ultimo verificato
1 febbraio 2024
Maggiori informazioni
Termini relativi a questo studio
Parole chiave
Termini MeSH pertinenti aggiuntivi
Altri numeri di identificazione dello studio
- YXLL-KY-2023(133)
Piano per i dati dei singoli partecipanti (IPD)
Hai intenzione di condividere i dati dei singoli partecipanti (IPD)?
NO
Informazioni su farmaci e dispositivi, documenti di studio
Studia un prodotto farmaceutico regolamentato dalla FDA degli Stati Uniti
No
Studia un dispositivo regolamentato dalla FDA degli Stati Uniti
No
Queste informazioni sono state recuperate direttamente dal sito web clinicaltrials.gov senza alcuna modifica. In caso di richieste di modifica, rimozione o aggiornamento dei dettagli dello studio, contattare register@clinicaltrials.gov. Non appena verrà implementata una modifica su clinicaltrials.gov, questa verrà aggiornata automaticamente anche sul nostro sito web .