ML-beslissingsmodel voor G-NEC adjuvante therapie (G-NEC)
Op machine learning gebaseerd beslismodel voor optimale adjuvante therapie bij primair neuro-endocrien carcinoom van de maag: een nationale studie uit de praktijk
Maagneuro-endocrien carcinoom (G-NEC) is een zeldzame en agressieve tumor die ontstaat uit neuro-endocriene cellen in de maagwand. Het wordt gekenmerkt door een hoge kans op herhaling en een over het algemeen slechte prognose. Vanwege de zeldzaamheid ervan zijn er beperkte gegevens en geen gevestigde consensus over de optimale postoperatieve adjuvante therapie, waardoor behandelbeslissingen een uitdaging vormen voor zorgverleners.
Deze studie is een retrospectieve analyse die zich richt op het evalueren van de overlevingskansen, het identificeren van prognostische factoren en het formuleren van behandelaanbevelingen voor patiënten met G-NEC. Door klinische gegevens uit de praktijk te analyseren, willen we de factoren die de uitkomsten van patiënten beïnvloeden beter begrijpen en op bewijs gebaseerde strategieën ontwikkelen om de overleving te verbeteren. Ons doel is om artsen waardevolle inzichten en hulpmiddelen te bieden om beter geïnformeerde behandelbeslissingen te nemen, waardoor uiteindelijk de kwaliteit van de zorg en de resultaten voor patiënten met deze uitdagende ziekte worden verbeterd.
Studie Overzicht
Toestand
Studietype
Inschrijving (Werkelijk)
Contacten en locaties
Studie Locaties
-
-
Fujian
-
Fuzhou, Fujian, China, 350001
- Fujian Medical University
-
-
Deelname Criteria
Geschiktheidscriteria
Leeftijden die in aanmerking komen voor studie
- Kind
- Volwassen
- Oudere volwassene
Accepteert gezonde vrijwilligers
Bemonsteringsmethode
Studie Bevolking
Beschrijving
Inclusiecriteria:
- (1) patiënten die een radicale operatie hebben ondergaan zonder enige neoadjuvante therapie;
- (2) pathologie bevestigde NEC of gemengd adenoneuro-endocrien carcinoom (MANEC).
Uitsluitingscriteria:
- (1) geschiedenis van andere kwaadaardige neoplasmata;
- (2) behandeling met endoscopische submucosale dissectie of endoscopische mucosale resectie of thoracotomie;
- (3) onvolledige klinische gegevens (inclusief pathologische, adjuvante chemotherapie en vervolginformatie);
- (4) ontvangst van alternatieve adjuvante behandelingsregimes;
- (5) overlijden binnen 30 dagen postoperatief.
Studie plan
Hoe is de studie opgezet?
Ontwerpdetails
Cohorten en interventies
Groep / Cohort |
|---|
|
Patiënten met neuro-endocrien carcinoom van de maag (G-NEC).
Deze studie richt zich op patiënten met de diagnose maagneuro-endocrien carcinoom (G-NEC) die een radicale operatie hebben ondergaan.
Het cohort omvat volwassen patiënten (≥18 jaar) die tussen januari 2006 en december 2020 in 38 tertiaire ziekenhuizen in China zijn behandeld.
Patiënten worden verdeeld in drie groepen op basis van hun postoperatieve adjuvante behandeling: geen adjuvante chemotherapie, op etoposide en platinaderivaten gebaseerde chemotherapie, en op fluorouracil gebaseerde chemotherapie.
De studie heeft tot doel een op machine learning gebaseerd beslissingsondersteuningsmodel te ontwikkelen en te valideren om geïndividualiseerde adjuvante therapiestrategieën voor G-NEC-patiënten te optimaliseren, met als primaire uitkomst ziektevrije overleving (DFS).
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Ziektevrije overleving (DFS)
Tijdsspanne: Vanaf de datum van de operatie tot 5 jaar
|
Ziektevrije overleving wordt gedefinieerd als de tijd vanaf de datum van de operatie tot het terugkeren van de ziekte, het overlijden door welke oorzaak dan ook, of de laatste follow-up, afhankelijk van wat zich het eerst voordoet.
De prestaties van het machine learning-model bij het voorspellen van DFS en het aanbevelen van optimale adjuvante therapie zullen worden geëvalueerd.
|
Vanaf de datum van de operatie tot 5 jaar
|
Medewerkers en onderzoekers
Sponsor
Studie record data
Bestudeer belangrijke data
Studie start (Werkelijk)
Primaire voltooiing (Werkelijk)
Studie voltooiing (Werkelijk)
Studieregistratiedata
Eerst ingediend
Eerst ingediend dat voldeed aan de QC-criteria
Eerst geplaatst (Werkelijk)
Updates van studierecords
Laatste update geplaatst (Geschat)
Laatste update ingediend die voldeed aan QC-criteria
Laatst geverifieerd
Meer informatie
Termen gerelateerd aan deze studie
Trefwoorden
Aanvullende relevante MeSH-voorwaarden
Andere studie-ID-nummers
- 2024GNEC
Plan Individuele Deelnemersgegevens (IPD)
Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?
Beschrijving IPD-plan
Privacy van patiënten: Omdat bij dit onderzoek gevoelige medische informatie betrokken is, moeten we ervoor zorgen dat elk plan voor het delen van gegevens voldoet aan alle relevante privacywetten en -regelgeving.
Ethische overwegingen: We overleggen met onze ethische commissie om de meest geschikte aanpak voor het delen van gegevens te bepalen, waarbij de toestemming van de patiënt wordt gerespecteerd en de integriteit van het onderzoek wordt gehandhaafd.
Gegevensstandaardisatie: Gezien het multicentrische karakter van dit onderzoek werken we aan het standaardiseren van onze gegevensverzamelings- en opslagprocessen in alle 38 deelnemende ziekenhuizen om de consistentie en kwaliteit van potentieel gedeelde gegevens te garanderen.
Samenwerkingspotentieel: We erkennen de waarde van het delen van gegevens bij het bevorderen van onderzoek naar neuro-endocriene carcinoom van de maag en onderzoeken mogelijke samenwerkingen met andere onderzoeksgroepen.
Toewijzing van middelen: We beoordelen de middelen die nodig zijn om de gegevens voor te bereiden voor delen, inclusief de-identificatieprocessen en het maken van datadictionaria.
Informatie over medicijnen en apparaten, studiedocumenten
Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel
Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct
product vervaardigd in en geëxporteerd uit de V.S.
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 .