10-jarige retrospectieve studie van oraal en maxillofaciaal plaveiselcelcarcinoom
Klinisch-pathologische en prognostische analyse van oraal en maxillofaciaal plaveiselcelcarcinoom: een 10-jarig retrospectief onderzoek in één centrum
Inleiding: De incidentie van occulte cervicale lymfekliermetastasen (OCLNM) bedraagt naar verluidt 20%-30% bij mondkanker en orofaryngeale kanker in een vroeg stadium. Er bestaat een gebrek aan een nauwkeurige diagnostische methode om occulte lymfekliermetastasen te voorspellen en om chirurgen te helpen nauwkeurige behandelbeslissingen te nemen.
Doel: Het construeren en evalueren van een preoperatieve diagnostische methode om occulte lymfekliermetastase (OCLNM) te voorspellen bij oraal en orofarynx plaveiselcelcarcinoom in een vroeg stadium (OC en OP SCC) op basis van deep learning-kenmerken (DLF's) en radiomics-kenmerken.
Methode: In totaal werden 319 patiënten met de diagnose OC of OP SCC in een vroeg stadium retrospectief geïncludeerd en onderverdeeld in trainings-, test- en externe validatiesets. Traditionele radiomics-kenmerken en DLF's werden uit hun MRI-beelden gehaald. Er werd gebruik gemaakt van de analyse van de minst absolute krimp en selectieoperator (LASSO) om de meest waardevolle kenmerken te identificeren. Voorspellingsmodellen voor OCLNM zijn ontwikkeld met behulp van radiomics-functies en DLF's. De effectiviteit van de modellen en hun klinische toepasbaarheid werden geëvalueerd met behulp van de area under the curve (AUC), beslissingscurveanalyse (DCA) en overlevingsanalyse.
Studie Overzicht
Toestand
Toestand
Conditie
Conditie
Interventie / Behandeling
Interventie / Behandeling
Studietype
Studietype
Inschrijving (Werkelijk)
Inschrijving
Contacten en locaties
Studie Locaties
-
-
Guangdong
-
Guangzhou, Guangdong, China, 510000
- Sun Yat-sen Memorial Hospital
-
Guangzhou, Guangdong, China, 510000
- Sun yat-sun memorial hospital
-
-
Deelname Criteria
Geschiktheidscriteria
Geschiktheidscriteria
Leeftijden die in aanmerking komen voor studie
- Kind
- Volwassen
- Oudere volwassene
Accepteert gezonde vrijwilligers
Bemonsteringsmethode
Studie Bevolking
Beschrijving
Inclusiecriteria:
- Pathologisch bevestigd, niet eerder behandeld oraal en orofarynx plaveiselcelcarcinoom met radicale resectie;
- MRI-onderzoek werd twee weken vóór de operatie uitgevoerd;
- Bij alle patiënten met nekdissectie en de status van regionale lymfeklieren werd bevestigd via pathologisch onderzoek;
- Bij alle patiënten was er geen klinisch bewijs van betrokkenheid van de knooppunten.
Uitsluitingscriteria:
- Andere kwaadaardige tumoren, zoals adenoïd cystisch carcinoom;
- een gebrek aan volledige MRI-beeldvorming of slechte MRI-beeldkwaliteit;
- patiënten hadden een nekdissectie ondergaan of waren niet-chirurgisch behandeld;
- patiënten met gemetastaseerde ziekte.
Studie plan
Hoe is de studie opgezet?
Ontwerpdetails
Aantal groepen / cohorten
Cohorten en interventies
Groep / CohortGroep / Cohort |
Interventie / BehandelingInterventie / Behandeling |
|---|---|
|
Cohort A
Willekeurig (121 gevallen) verdeeld over de trainings- en testsets in een verhouding van 7:3.
|
Het voorspellende vermogen van het bovenstaande Resnet50 deep learning (DL)-model werd gevalideerd in de testset.
Op basis van de AUC en ACC werd het beste voorspellingsmodel geïdentificeerd.
Om de robuustheid van het geselecteerde model te onderzoeken, werd ROC-analyse uitgevoerd in de externe validatieset.
Bovendien werd de Log-rank-test toegepast om de voorspellende waarde van het model te evalueren.
|
|
Cohort B
Gesegmenteerd in twee groepen op basis van de verzamelde batches, die werden gedefinieerd als externe validatieset1 (n = 68) en externe validatieset2 (n = 130)
|
Het voorspellende vermogen van het bovenstaande Resnet50 deep learning (DL)-model werd gevalideerd in de testset.
Op basis van de AUC en ACC werd het beste voorspellingsmodel geïdentificeerd.
Om de robuustheid van het geselecteerde model te onderzoeken, werd ROC-analyse uitgevoerd in de externe validatieset.
Bovendien werd de Log-rank-test toegepast om de voorspellende waarde van het model te evalueren.
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
AUC-waarden (het gebied onder de curve) van het model
Tijdsspanne: 10 jaar (Dit is een retrospectief onderzoek, we verzamelen 10 jaar patiënten, maar het project dat we implementeren voor het verzamelen en analyseren van gegevens duurt 9 maanden)
|
De effectiviteit van de modellen en hun klinische toepasbaarheid werden geëvalueerd met behulp van de oppervlakte onder de curve (AUC).
|
10 jaar (Dit is een retrospectief onderzoek, we verzamelen 10 jaar patiënten, maar het project dat we implementeren voor het verzamelen en analyseren van gegevens duurt 9 maanden)
|
Medewerkers en onderzoekers
Sponsor
Sponsor
Studie record data
Bestudeer belangrijke data
Studie start (Werkelijk)
Studie start
Primaire voltooiing (Werkelijk)
Primaire voltooiing
Studie voltooiing (Werkelijk)
Studie voltooiing
Studieregistratiedata
Eerst ingediend
Eerst ingediend
Eerst ingediend dat voldeed aan de QC-criteria
Eerst ingediend dat voldeed aan de QC-criteria
Eerst geplaatst (Werkelijk)
Eerst geplaatst
Updates van studierecords
Laatste update geplaatst (Werkelijk)
Laatste update geplaatst
Laatste update ingediend die voldeed aan QC-criteria
Laatste update ingediend die voldeed aan QC-criteria
Laatst geverifieerd
Laatst geverifieerd
Meer informatie
Termen gerelateerd aan deze studie
Aanvullende relevante MeSH-voorwaarden
Andere studie-ID-nummers
Andere studie-ID-nummers
- SYSKY-2023-426-01
Plan Individuele Deelnemersgegevens (IPD)
Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?
Informatie over medicijnen en apparaten, studiedocumenten
Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel
Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct
Deze informatie is zonder wijzigingen rechtstreeks van de website clinicaltrials.gov gehaald. Als u verzoeken heeft om uw onderzoeksgegevens te wijzigen, te verwijderen of bij te werken, neem dan contact op met register@clinicaltrials.gov. Zodra er een wijziging wordt doorgevoerd op clinicaltrials.gov, wordt deze ook automatisch bijgewerkt op onze website .