Deze pagina is automatisch vertaald en de nauwkeurigheid van de vertaling kan niet worden gegarandeerd. Raadpleeg de Engelse versie voor een brontekst.

Vroege detectie van longkanker met machinaal leren op basis van routinematig klinisch onderzoek

8 juni 2023 bijgewerkt door: Aleš Rozman, The University Clinic of Pulmonary and Allergic Diseases Golnik
Deze observationele, cross-sectionele studie bij longkankerpatiënten en longkankervrije controles heeft tot doel een machine learning-model te ontwikkelen voor vroege detectie van LC op basis van routinematig, algemeen toegankelijk en minimaal invasief klinisch onderzoek. Het model met voldoende voorspellende prestaties zou later in de klinische praktijk kunnen worden gebruikt als hulpmiddel bij het bepalen van de optimale populatie en timing voor het screeningsprogramma voor longkanker.

Studie Overzicht

Studietype

Observationeel

Inschrijving (Geschat)

7500

Contacten en locaties

In dit gedeelte vindt u de contactgegevens van degenen die het onderzoek uitvoeren en informatie over waar dit onderzoek wordt uitgevoerd.

Studie Locaties

      • Golnik, Slovenië, 4204
        • University Clinic of Respiratory and Allergic Diseases Golnik
        • Contact:
        • Hoofdonderzoeker:
          • Mitja Prah, MD
      • Ljubljana, Slovenië, 1000
        • Jozef Stefan Institute
        • Contact:
        • Hoofdonderzoeker:
          • Mitja Luštrek, PhD

Deelname Criteria

Onderzoekers zoeken naar mensen die aan een bepaalde beschrijving voldoen, de zogenaamde geschiktheidscriteria. Enkele voorbeelden van deze criteria zijn iemands algemene gezondheidstoestand of eerdere behandelingen.

Geschiktheidscriteria

Leeftijden die in aanmerking komen voor studie

  • Volwassen
  • Oudere volwassene

Accepteert gezonde vrijwilligers

Ja

Bemonsteringsmethode

Kanssteekproef

Studie Bevolking

De studie zal volwassen actieve of voormalige rokers omvatten die een hoog risico lopen op het ontwikkelen van longkanker en die als geschikte kandidaten voor longkankerscreening worden beschouwd. De studie zal zich richten op patiënten met bevestigde bronchogene longkanker.

Beschrijving

Alle patiënten:

  • Leeftijd ≥ 50 jaar en < 80 jaar op de indexdatum van de diagnose (voor casussen) of pseudodiagnose (voor controles).
  • Aanwezigheid van minimaal één uitgebreide bloedanalyse, spirometrie en DLCO rapportage binnen de 6 maanden voor de indexdatum.
  • Borst-CT-scan uitgevoerd in een niet-spoedeisende setting (electief) binnen de 6 maanden voor de indexdatum (=index-CT).
  • Actieve rokers op de indexdatum of ex-rokers die binnen 15 jaar voor de indexdatum zijn gestopt met roken.
  • Rookgeschiedenis ≥ 20 pakjaren.

Aanvullend alleen voor Cases: bevestigde histologische diagnose van bronchogene longkanker in de periode ≥ 2010 en ≤ 2020.

Aanvullend alleen voor bedieningselementen:

  • Altijd afwezigheid van longkanker ≤ 2020, bevestigd door CT-thorax op de indexdatum.
  • Gedocumenteerd leven zonder diagnose van longkanker gedurende ten minste 3 jaar na de indexdatum.

Uitgebreide criteria voor de subgroep voor de voorspelling van longkanker:

Naast de bovengenoemde inclusiecriteria hebben patiënten in deze subgroep minimaal één uitgebreide bloedanalyse, spirometrie en DLCO-rapport beschikbaar in het tijdsinterval tussen 3-5 jaar voor de indexdatum.

Studie plan

Dit gedeelte bevat details van het studieplan, inclusief hoe de studie is opgezet en wat de studie meet.

Hoe is de studie opgezet?

Ontwerpdetails

Cohorten en interventies

Groep / Cohort
Interventie / Behandeling
Ziekte cohort
Observationeel, geen interventies
Geen tussenkomsten.
Controle cohort
Observationeel, geen interventies
Geen tussenkomsten.

Wat meet het onderzoek?

Primaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Ontwikkel een model met hoge voorspellende prestaties voor vroege detectie van niet-kleincellige longkanker (NSCLC) in de in aanmerking komende patiëntenpopulatie.
Tijdsspanne: 11 jaren
De primaire uitkomst wordt getest door een gezamenlijk rechthoekig 95%-betrouwbaarheidsgebied voor {gevoeligheid, specificiteit} te berekenen en te vergelijken met de gerapporteerde nauwkeurigheid van NLST-onderzoeksscreeningscriteria.
11 jaren

Secundaire uitkomstmaten

Uitkomstmaat
Tijdsspanne
Aantonen dat het nieuw ontwikkelde model een hogere voorspellingsnauwkeurigheid behaalt dan het goed gevalideerde model PLCOm2012.
Tijdsspanne: 11 jaren
11 jaren

Andere uitkomstmaten

Uitkomstmaat
Tijdsspanne
Ontwikkel een model met hoge voorspellende prestaties voor vroege detectie van kleincellige longkanker (SCLC) in de in aanmerking komende patiëntenpopulatie.
Tijdsspanne: 11 jaren
11 jaren
Ontwikkel een model voor de voorspelling van longkanker in een tijdsperiode waarin het nog steeds zeer onwaarschijnlijk is dat de ziekte klinisch detecteerbaar is, bij een subgroep van patiënten die voldoen aan de uitgebreide geschiktheidscriteria.
Tijdsspanne: 11 jaren
11 jaren
Identificeer kenmerken met het hoogste onderscheidingsvermogen op het gebied van voorspelling van longkanker en vroege detectie.
Tijdsspanne: 11 jaren
11 jaren
Identificeer kenmerken met het hoogste onderscheidingsvermogen om onderscheid te maken tussen longkankerpatiënten in stadium I-II en stadium III-IV.
Tijdsspanne: 11 jaren
11 jaren

Medewerkers en onderzoekers

Hier vindt u mensen en organisaties die betrokken zijn bij dit onderzoek.

Studie record data

Deze datums volgen de voortgang van het onderzoeksdossier en de samenvatting van de ingediende resultaten bij ClinicalTrials.gov. Studieverslagen en gerapporteerde resultaten worden beoordeeld door de National Library of Medicine (NLM) om er zeker van te zijn dat ze voldoen aan specifieke kwaliteitscontrolenormen voordat ze op de openbare website worden geplaatst.

Bestudeer belangrijke data

Studie start (Geschat)

1 september 2023

Primaire voltooiing (Geschat)

1 september 2024

Studie voltooiing (Geschat)

1 september 2024

Studieregistratiedata

Eerst ingediend

8 juni 2023

Eerst ingediend dat voldeed aan de QC-criteria

8 juni 2023

Eerst geplaatst (Geschat)

16 juni 2023

Updates van studierecords

Laatste update geplaatst (Geschat)

16 juni 2023

Laatste update ingediend die voldeed aan QC-criteria

8 juni 2023

Laatst geverifieerd

1 juni 2023

Meer informatie

Termen gerelateerd aan deze studie

Plan Individuele Deelnemersgegevens (IPD)

Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?

NEE

Informatie over medicijnen en apparaten, studiedocumenten

Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel

Nee

Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct

Nee

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 .

Abonneren