Questa pagina è stata tradotta automaticamente e l'accuratezza della traduzione non è garantita. Si prega di fare riferimento al Versione inglese per un testo di partenza.

Studio retrospettivo di 10 anni sul carcinoma a cellule squamose orale e maxillofacciale

Analisi clinicopatologica e prognostica del carcinoma a cellule squamose orale e maxillofacciale: uno studio retrospettivo di 10 anni in un unico centro

Introduzione: L'incidenza delle metastasi linfonodali cervicali occulte (OCLNM) è del 20%-30% nel cancro orale in stadio iniziale e nel cancro orofaringeo. Manca un metodo diagnostico accurato per prevedere le metastasi linfonodali occulte e per aiutare i chirurghi a prendere decisioni terapeutiche precise.

Obiettivo: costruire e valutare un metodo diagnostico preoperatorio per prevedere le metastasi linfonodali occulte (OCLNM) nel carcinoma a cellule squamose orale e orofaringeo in stadio iniziale (OC e OP SCC) basato su caratteristiche di deep learning (DLF) e caratteristiche radiomiche.

Metodi: Un totale di 319 pazienti con diagnosi di OC o OP SCC in stadio iniziale sono stati arruolati retrospettivamente e suddivisi in gruppi di formazione, test e validazione esterna. Le caratteristiche radiomiche tradizionali e i DLF sono stati estratti dalle loro immagini MRI. Per identificare le caratteristiche di maggior valore è stata utilizzata l'analisi dell'operatore di contrazione e selezione minima assoluta (LASSO). I modelli di previsione per OCLNM sono stati sviluppati utilizzando funzionalità radiomiche e DLF. L'efficacia dei modelli e la loro applicabilità clinica sono state valutate utilizzando l'area sotto la curva (AUC), l'analisi della curva decisionale (DCA) e l'analisi della sopravvivenza.

Panoramica dello studio

Tipo di studio

Osservativo

Iscrizione (Effettivo)

319

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

    • Guangdong
      • Guangzhou, Guangdong, Cina, 510000
        • Sun Yat-Sen Memorial Hospital
      • Guangzhou, Guangdong, Cina, 510000
        • Sun yat-sun memorial hospital

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

  • Bambino
  • Adulto
  • Adulto più anziano

Accetta volontari sani

No

Metodo di campionamento

Campione non probabilistico

Popolazione di studio

Le caratteristiche radiomiche che influenzano la previsione di OCLNM in OC e OP SCC. Un totale di 319 pazienti con OC o OP SCC in stadio iniziale provenienti dagli ospedali

Descrizione

Criterio di inclusione:

  1. Carcinoma a cellule squamose orale e orofaringeo patologicamente confermato, precedentemente non trattato, con resezione radicale;
  2. L'esame MRI è stato eseguito due settimane prima dell'intervento chirurgico;
  3. In tutti i pazienti con dissezione del collo e lo stato dei linfonodi regionali è stato confermato tramite esame patologico;
  4. Tutti i pazienti non avevano evidenza clinica di coinvolgimento linfonodale.

Criteri di esclusione:

  1. Altri tumori maligni, come il carcinoma adenoideo cistico;
  2. una mancanza di imaging MRI completo o scarsa qualità dell'imaging MRI;
  3. i pazienti erano stati sottoposti a dissezione del collo o trattati in modo non chirurgico;
  4. pazienti con malattia metastatica.

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
Intervento / Trattamento
Coorte A
Casualmente (121 casi) divisi tra i set di training e test in un rapporto 7:3.
La capacità predittiva del modello di deep learning (DL) Resnet50 di cui sopra è stata convalidata nel set di test. Sulla base dell'AUC e dell'ACC, è stato identificato il miglior modello di previsione. Per esplorare la robustezza del modello selezionato, è stata eseguita l'analisi ROC nel set di validazione esterna. Inoltre, è stato applicato il Log-rank test per valutare il valore prognostico del modello.
Coorte B
Segmentato in due gruppi in base al batch raccolto, definiti come set di convalida esterna 1 (n = 68) e set di convalida esterna 2 (n = 130)
La capacità predittiva del modello di deep learning (DL) Resnet50 di cui sopra è stata convalidata nel set di test. Sulla base dell'AUC e dell'ACC, è stato identificato il miglior modello di previsione. Per esplorare la robustezza del modello selezionato, è stata eseguita l'analisi ROC nel set di validazione esterna. Inoltre, è stato applicato il Log-rank test per valutare il valore prognostico del modello.

Cosa sta misurando lo studio?

Misure di risultato primarie

Misura del risultato
Misura Descrizione
Lasso di tempo
Valori AUC (l'area sotto la curva) del modello
Lasso di tempo: 10 anni(Questa è una ricerca retrospettiva, raccogliamo pazienti di 10 anni, ma il progetto in cui implementiamo la raccolta e l'analisi dei dati dura 9 mesi)
L'efficacia dei modelli e la loro applicabilità clinica sono state valutate utilizzando l'area sotto la curva (AUC)
10 anni(Questa è una ricerca retrospettiva, raccogliamo pazienti di 10 anni, ma il progetto in cui implementiamo la raccolta e l'analisi dei dati dura 9 mesi)

Collaboratori e investigatori

Qui è dove troverai le persone e le organizzazioni coinvolte in questo studio.

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)

10 maggio 2023

Completamento primario (Effettivo)

10 febbraio 2024

Completamento dello studio (Effettivo)

10 febbraio 2024

Date di iscrizione allo studio

Primo inviato

19 marzo 2024

Primo inviato che soddisfa i criteri di controllo qualità

15 aprile 2024

Primo Inserito (Effettivo)

16 aprile 2024

Aggiornamenti dei record di studio

Ultimo aggiornamento pubblicato (Effettivo)

16 aprile 2024

Ultimo aggiornamento inviato che soddisfa i criteri QC

15 aprile 2024

Ultimo verificato

1 aprile 2024

Maggiori informazioni

Termini relativi a questo studio

Altri numeri di identificazione dello studio

  • SYSKY-2023-426-01

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 .

Prove cliniche su Risonanza magnetica

Sottoscrivi