인도 성인에서 대장 선종을 예측하기 위한 기계 학습 모델의 외부 다기관 검증
인도 성인에서 대장 선종을 예측하기 위한 머신러닝 모델의 외부, 다기관 검증 - 전향적, 관찰적, 다기관 연구.
대장 선종은 대장암(CRC)의 전구체입니다. 인도에서는 선종 유병률이 연령, 성별 및 생활 방식/대사 요인에 따라 다양하기 때문에 정확한 시술 전 위험 분류는 대장내시경 수율과 자원 배분을 최적화할 수 있습니다. ML 모델은 다중 예측 변수를 통합하여 개인별 위험을 추정할 수 있습니다.
기존 위험 점수는 대부분 서양 중심이며, 다른 사회 인구 통계학적 및 대사 프로필을 가진 인도 인구에서는 성능과 보정이 적절하지 않을 수 있습니다. 임상 적용 전 외부, 전향적, 다기관 검증이 필수적입니다.
연구 개요
상태
상태
정황
정황
개입 / 치료
개입 / 치료
연구 유형
연구 유형
등록 (추정된)
등록
연락처 및 위치
연구 연락처
연구 연락처
- 이름: DR. NITIN JAGTAP, MD,DM
- 전화번호: 8712015028
- 이메일: docsnitin13@gmail.com
연구 연락처 백업
- 이름: DR NITIN JAGTAP, MD,DM
- 전화번호: 8712015028
- 이메일: docsnitin13@gmail.com
참여기준
자격 기준
자격 기준
공부할 수 있는 나이
- 성인
- 고령자
건강한 자원 봉사자를 받아들입니다
샘플링 방법
연구 인구
설명
포함 기준:
- 진단적 대장내시경을 받는 성인(만 18세 이상).
- 적절한 장 준비(Boston Bowel Preparation Scale 총점 ≥6, 각 분절 ≥2).
- 완전한 검사(맹장 삽관; 치료 없을 시 회수 시간 ≥6분).
- CRF 기준 모든 모델 예측 변수 사용 가능.
제외 기준:
• 알려진 대장암 또는 용종, 과거 대장절제술, 용종증 증후군, 알려진 염증성 장질환, 또는 파생 연구에서 제외된 강력한 유전성 대장암 증후군(예: 린치 증후군).
- 부적절한 준비, 불완전한 대장내시경, 폐색부 이상 광학적 진단 방지 폐색 병변.
- 응급 대장내시경, 진단 목적 없이 치료만 시행한 시술.
공부 계획
연구는 어떻게 설계됩니까?
디자인 세부사항
그룹/코호트 수
코호트 및 개입
그룹/코호트그룹/코호트 |
개입 / 치료개입 / 치료 |
|---|---|
|
단일 전향적 관찰 코호트
참가자들은 표준 치료 대장내시경 검사를 받습니다 치료군 또는 대조군으로 배정되지 않습니다 |
연구 특이적 중재는 시행되지 않습니다.
참가자는 표준 진단 대장내시경 및 조직병리학적 평가를 받습니다.
잠금된 기계 학습 모델은 임상 관리에 영향을 주지 않고 위험 예측만을 위해 일상적으로 수집된 기초 임상 및 인구통계학적 데이터에 적용됩니다.
|
연구는 무엇을 측정합니까?
주요 결과 측정
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
머신 러닝 모델의 수신자 조작 특성 곡선 아래 면적 (AUROC)
기간: 1년
|
조직학적으로 증명된 대장 선종의 존재를 식별하기 위한 기계 학습 기반 예측 모델의 수신기 조작 특성 곡선 아래 면적(AUROC)
|
1년
|
2차 결과 측정
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
머신 러닝 예측 모델의 검증 성능
기간: 1년
|
대장 선종 예측을 위한 기계 학습 모델의 검증 성능으로, 독립적인 검증 코호트에서 AUROC, 보정 지표(브라이어 점수) 및 보정 플롯을 사용하여 평가되었습니다.
|
1년
|
공동 작업자 및 조사자
연구 기록 날짜
연구 주요 날짜
연구 시작 (추정된)
연구 시작
기본 완료 (추정된)
기본 완료
연구 완료 (추정된)
연구 완료
연구 등록 날짜
최초 제출
최초 제출
QC 기준을 충족하는 최초 제출
QC 기준을 충족하는 최초 제출
처음 게시됨 (추정된)
처음 게시됨
연구 기록 업데이트
마지막 업데이트 게시됨 (추정된)
마지막 업데이트 게시됨
QC 기준을 충족하는 마지막 업데이트 제출
QC 기준을 충족하는 마지막 업데이트 제출
마지막으로 확인됨
마지막으로 확인됨
추가 정보
이 연구와 관련된 용어
기타 연구 ID 번호
기타 연구 ID 번호
- VALID-ADENOMA-IN
개별 참가자 데이터(IPD) 계획
개별 참가자 데이터(IPD)를 공유할 계획입니까?
약물 및 장치 정보, 연구 문서
미국 FDA 규제 의약품 연구
미국 FDA 규제 기기 제품 연구
이 정보는 변경 없이 clinicaltrials.gov 웹사이트에서 직접 가져온 것입니다. 귀하의 연구 세부 정보를 변경, 제거 또는 업데이트하도록 요청하는 경우 register@clinicaltrials.gov. 문의하십시오. 변경 사항이 clinicaltrials.gov에 구현되는 즉시 저희 웹사이트에도 자동으로 업데이트됩니다. .