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

Deep Learning Radiomics-model voor het voorspellen van de resultaten na cystectomie bij spierinvasieve blaaskanker

27 mei 2025 bijgewerkt door: Mingzhao Xiao, First Affiliated Hospital of Chongqing Medical University

Deep Learning Radiomics-model voor het voorspellen van post-cystectomieresultaten van preoperatieve CT bij spierinvasieve blaaskanker

Spierinvasieve blaaskanker (MIBC) heeft een slechte prognose, zelfs na radicale cystectomie. Postoperatieve overlevingsstratificatie op basis van radiomics en deep learning kan nuttig zijn bij behandelbeslissingen om de prognose te verbeteren. Deze studie was gericht op het ontwikkelen en valideren van een deep learning radiomics-model, gebaseerd op preoperatieve verbeterde CT, om de postoperatieve overleving bij MIBC te voorspellen.

Studie Overzicht

Toestand

Werving

Conditie

Interventie / Behandeling

Studietype

Observationeel

Inschrijving (Geschat)

500

Contacten en locaties

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

Studiecontact

Studie Locaties

  • China
    • Chongqing
      • Chongqing, Chongqing, China, 400016
        • Werving
        • Department of Urology, The First Affiliated Hospital of Chongqing Medical University
        • Contact:

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

  • Kind
  • Volwassen
  • Oudere volwassene

Accepteert gezonde vrijwilligers

Nee

Bemonsteringsmethode

Niet-waarschijnlijkheidssteekproef

Studie Bevolking

patiënten met pathologisch bevestigde MIBC die een radicale cystectomie ondergingen

Beschrijving

Inclusiecriteria:

  • patiënten met pathologisch bevestigde MIBC na radicale cystectomie;
  • contrast-CT-scan minder dan twee weken vóór de operatie;
  • volledige CT-beeldgegevens en klinische gegevens.

Uitsluitingscriteria:

  • patiënten die neoadjuvante therapie kregen;
  • niet-urotheliaal carcinoom;
  • slechte kwaliteit van CT-beelden;
  • onvolledige klinische en follow-upgegevens.

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
MIBC
patiënten met pathologisch bevestigde MIBC na radicale cystectomie
Ander: een deep learning radiomics-model ontwikkelen en valideren op basis van preoperatief verbeterd CT-beeld
een deep learning radiomics-model ontwikkelen en valideren, gebaseerd op preoperatieve verbeterde CT, om de postoperatieve overleving bij MIBC te voorspellen

Wat meet het onderzoek?

Primaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Totale overleving (OS)
Tijdsspanne: tot 10 jaar
de tijd vanaf de datum van de operatie tot het overlijden door welke oorzaak dan ook of de datum van het laatste contact (gecensureerde observatie) op de datum waarop de gegevens werden afgesloten.
tot 10 jaar
Herhalingsvrije overleving (RFS)
Tijdsspanne: tot 10 jaar
de tijd vanaf de datum van de operatie tot de datum van het eerste gedocumenteerde recidief van de ziekte. Patiënten zonder recidief op het moment van analyse zullen worden gecensureerd.
tot 10 jaar

Medewerkers en onderzoekers

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

Sponsor

First Affiliated Hospital of Chongqing Medical University

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 (Werkelijk)

1 augustus 2023

Primaire voltooiing (Geschat)

1 juni 2025

Studie voltooiing (Geschat)

1 juni 2025

Studieregistratiedata

Eerst ingediend

12 oktober 2023

Eerst ingediend dat voldeed aan de QC-criteria

18 oktober 2023

Eerst geplaatst (Werkelijk)

23 oktober 2023

Updates van studierecords

Laatste update geplaatst (Werkelijk)

31 mei 2025

Laatste update ingediend die voldeed aan QC-criteria

27 mei 2025

Laatst geverifieerd

1 mei 2025

Meer informatie

Termen gerelateerd aan deze studie

Trefwoorden

Aanvullende relevante MeSH-voorwaarden

Andere studie-ID-nummers

  • AI-BLCA
  • 2022-K508 (Andere identificatie: The First Affiliated Hospital of Chongqing Medical University)

Plan Individuele Deelnemersgegevens (IPD)

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

NEE

Beschrijving IPD-plan

De datasets die tijdens het huidige onderzoek zijn geanalyseerd, zijn vanwege de privacy van patiënten niet openbaar beschikbaar, maar zijn op redelijk verzoek verkrijgbaar bij de corresponderende auteur.

Informatie over medicijnen en apparaten, studiedocumenten

Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel

Nee

Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct

Nee

product vervaardigd in en geëxporteerd uit de V.S.

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