- ICH GCP
- Register voor klinische proeven in de VS.
- Klinische proef NCT04840056
Voorspelling van maagkanker bij darmmetaplasie en atrofische gastritis (GIMA)
Voorspelling van maagkanker bij darmmetaplasie en atrofische gastritis - toepassing van kunstmatige intelligentie in histologie en klinische gegevens
De primaire doelstellingen van deze studie zijn:
- Klinische of histologische factoren identificeren die verband houden met de ontwikkeling van maagkanker bij patiënten met IM en AG
- Een machine learning-algoritme opzetten voor het voorspellen van toekomstige maagkankerrisico's en individuele risicostratificatie bij patiënten met IM en AG
Studie Overzicht
Toestand
Gedetailleerde beschrijving
Dit is een tweedelig retrospectief onderzoek met een klinisch gegevensgedeelte en een pathologiegedeelte. Van ongeveer 70% van de geïncludeerde casussen zal een trainingscohort worden ontwikkeld. Het zal worden gevolgd door een validatiecohort met de resterende gevallen.
Klinische gegevens worden retrospectief verzameld met behulp van het Clinical Data Analysis and Reporting System (CDARS) en het Clinical Management System (CMS). Een clusterbreed cohort (New Territories East Cluster, NTEC) bestaande uit patiënten met een voorgeschiedenis van histologisch bewezen maag-IM en AG zal worden geïdentificeerd en opgenomen voor latere analyse. De gegevensverzamelingsperiode voor de retrospectieve gegevens is 2000-2020.
Histologie-objectglaasjes worden retrospectief opgehaald indien beschikbaar (binnen NTEC). De beeldvormingstechniek voor hele dia's zal worden gebruikt voor de ontwikkeling van trainings- en validatiecohorten met machine learning-algoritmen in het pathologiegedeelte.
Studietype
Inschrijving (Geschat)
Contacten en locaties
Studiecontact
- Naam: Felix Sia
- Telefoonnummer: +85226370428
- E-mail: felix.sia@cuhk.edu.hk
Studie Contact Back-up
- Naam: Thomas Lam
- Telefoonnummer: +85226370428
- E-mail: thomas.lam@cuhk.edu.hk
Studie Locaties
-
-
New Territories
-
Shatin, New Territories, Hongkong
- Werving
- Prince of Wales Hospital
-
-
Deelname Criteria
Geschiktheidscriteria
Leeftijden die in aanmerking komen voor studie
Accepteert gezonde vrijwilligers
Bemonsteringsmethode
Studie Bevolking
Klinische gegevens worden retrospectief verzameld met behulp van het Clinical Data Analysis and Reporting System (CDARS) en het Clinical Management System (CMS). Een clusterbreed cohort (New Territories East Cluster, NTEC) bestaande uit patiënten met een voorgeschiedenis van histologisch bewezen maag-IM en AG zal worden geïdentificeerd en opgenomen voor latere analyse. De gegevensverzamelingsperiode voor de retrospectieve gegevens is 2000-2020.
Histologie-objectglaasjes worden retrospectief opgehaald indien beschikbaar (binnen NTEC). De beeldvormingstechniek voor hele dia's zal worden gebruikt voor de ontwikkeling van trainings- en validatiecohorten met machine learning-algoritmen in het pathologiegedeelte.
Beschrijving
Inclusiecriteria:
- Volwassenen >= 18 jaar
- Histologisch bewezen atrofische gastritis of intestinale metaplasie (bij antrum en/of lichaam en/of maaghoek)
Uitsluitingscriteria:
- geen
Studie plan
Hoe is de studie opgezet?
Ontwerpdetails
Cohorten en interventies
Groep / Cohort |
|---|
|
Intestinale metaplasie
patiënt met een voorgeschiedenis van histologisch bewezen maagdarmmetaplasie
|
|
Atrofische gastritis
patiënt met een voorgeschiedenis van histologisch bewezen atrofische gastritis
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Maagkanker en maagdysplasie
Tijdsspanne: 20 jaar
|
Het primaire eindpunt is de incidentie van maagkanker (intestinaal type) en maagdysplasie (laag- en hooggradige dysplasie).
|
20 jaar
|
Secundaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Algehele nauwkeurigheid van het machine learning-model
Tijdsspanne: 20 jaar
|
De algehele nauwkeurigheid van machine learning-modellen zal worden geëvalueerd
|
20 jaar
|
|
Gevoeligheid van machine learning-model
Tijdsspanne: 20 jaar
|
De gevoeligheid van het machine learning-model zal worden geëvalueerd
|
20 jaar
|
|
Specificiteit van het machine learning-model
Tijdsspanne: 20 jaar
|
De specificiteit van het machine learning-model zal worden geëvalueerd
|
20 jaar
|
|
Positieve voorspellende waarde van machine learning-model
Tijdsspanne: 20 jaar
|
De positieve voorspellende waarde van het machine learning-model zal worden geëvalueerd
|
20 jaar
|
|
Negatieve voorspellende waarde van machine learning-model
Tijdsspanne: 20 jaar
|
De negatieve voorspellende waarde van het machine learning-model wordt geëvalueerd
|
20 jaar
|
|
Gebied onder de bedrijfskarakteristiek van de ontvanger van het machine learning-model
Tijdsspanne: 20 jaar
|
Het gebied onder de bedrijfskarakteristiek van de ontvanger van het machine learning-model zal worden geëvalueerd
|
20 jaar
|
Medewerkers en onderzoekers
Sponsor
Studie record data
Bestudeer belangrijke data
Studie start (Werkelijk)
Primaire voltooiing (Geschat)
Studie voltooiing (Geschat)
Studieregistratiedata
Eerst ingediend
Eerst ingediend dat voldeed aan de QC-criteria
Eerst geplaatst (Werkelijk)
Updates van studierecords
Laatste update geplaatst (Werkelijk)
Laatste update ingediend die voldeed aan QC-criteria
Laatst geverifieerd
Meer informatie
Termen gerelateerd aan deze studie
Trefwoorden
Aanvullende relevante MeSH-voorwaarden
- Ziekten van het spijsverteringsstelsel
- Pathologische processen
- Neoplasmata
- Neoplasmata per site
- Gastro-intestinale neoplasmata
- Neoplasmata van het spijsverteringsstelsel
- Gastro-intestinale aandoeningen
- Maag Ziekten
- Gastro-enteritis
- Pathologische aandoeningen, anatomisch
- Maagneoplasmata
- Gastritis
- Atrofie
- Metaplasie
- Gastritis, atrofisch
Andere studie-ID-nummers
- 2021.082
Plan Individuele Deelnemersgegevens (IPD)
Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?
Beschrijving IPD-plan
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 .