- ICH GCP
- Register voor klinische proeven in de VS.
- Klinische proef NCT06740851
Voorspellend model voor pijn- en functieresultaten na 1 jaar na een duimgewrichtoperatie bij artrosepatiënten
Een onderzoeksprotocol voor de ontwikkeling van een voorspellend model voor pijn- en functieresultaten over een jaar na Touch® trapeziometacarpale gewrichtsartroplastiek
Studie Overzicht
Toestand
Interventie / Behandeling
Gedetailleerde beschrijving
Deze studie heeft tot doel voorspellende modellen te ontwikkelen en te valideren voor het beoordelen van pijn- en handfunctieresultaten één jaar na de artroplastiek van het trapeziometacarpale gewricht (TMJ) met behulp van de Touch®-prothese. De studie maakt gebruik van een prospectief register in één centrum van een gespecialiseerd orthopedisch ziekenhuis in Zürich, Zwitserland.
Analytische methoden:
We zullen de volgende modelleringsaanpak gebruiken om de beste voorspellende waarde voor de uitkomst van pijn over een jaar te bepalen. Het gekozen model is:
- Extreme Gradient Boosting (XGBoost): een niet-parametrische, ensemble-gebaseerde aanpak die beslissingsbomen combineert door middel van boosting om complexe functie-interacties vast te leggen en niet-lineariteit effectief te modelleren. XGBoost omvat ook L1- en L2-regularisatie, waardoor het overfitting kan beheersen en tegelijkertijd sterke voorspellende prestaties kan bieden. XGBoost staat bekend om zijn superieure prestaties bij het vastleggen van ingewikkelde relaties, het bieden van robuuste voorspellingen over verschillende datacontexten en het behalen van de eerste prijs in veel AI-datathons.
Ontbrekende gegevens:
We verwachten ontbrekende gegevens voor door de patiënt gerapporteerde, klinische, radiologische en aanvullende variabelen. Om dit aan te pakken, zullen we dat doen
- Beoordeel de omvang en patronen van ontbrekende waarden voor elke variabele met behulp van beschrijvende statistieken en grafische methoden.
- Onderzoek redenen voor ontbrekende waarden en potentiële verschillen tussen individuen met en zonder onvolledige gegevens.
- Behandel ontbrekende gegevens met behulp van de ingebouwde mogelijkheid van XGBoost om ontbrekende waarden rechtstreeks te beheren door optimale splitsingen voor ontbrekende gegevens te leren, waardoor de noodzaak voor externe imputatiebenaderingen voor dit model wordt geëlimineerd.
Modelontwikkeling:
Extreme gradiëntversterking (XGBoost):
De gegevens worden opgesplitst in een trainings- (70%) en testset (30%). Het XGBoost-model zal worden getraind met behulp van hyperparameterafstemming via rasterzoeken, gecombineerd met herhaalde vijfvoudige kruisvalidatie (vijf keer herhaald) op de trainingsset. Deze herhaalde kruisvalidatie dient als interne validatie om een robuuste en onbevooroordeelde schatting van de modelprestaties tijdens de training te garanderen. Bij het zoeken naar de rasterruimte wordt een redelijk bereik aan waarden voor belangrijke hyperparameters onderzocht, zoals:
- Aantal boostrondes (nrounds): (bijvoorbeeld 50, 100, 200)
- Leersnelheid (eta): (bijv. 0,05, 0,1, 0,3)
- Maximale diepte van bomen (max_diepte): (bijv. 2, 4, 6)
- Minimale som van instanties in elk knooppunt (min_child_weight): (bijvoorbeeld 1, 2, 4)
- De rasterruimte zal gematigd van omvang worden gehouden om de volledigheid in evenwicht te brengen met de rekenkundige haalbaarheid, waardoor een grondige verkenning van belangrijke hyperparameters wordt gegarandeerd en een al te uitputtende zoektocht wordt vermeden.
- Bij het ontwikkelen van ons model zullen we ernaar streven de prestaties te verbeteren en overfitting te verminderen door gebruik te maken van featureselectie om collineariteit aan te pakken. We zullen ook een minimale set functies onderzoeken met behulp van de belangrijkheidsscores van een initieel XGBoost-model en expertkennis om prioriteit te geven aan klinisch relevante voorspellers. Ten slotte zullen we feature engineering (bijvoorbeeld polynomiale transformaties) onderzoeken om de voorspellende kracht van ons model te vergroten.
Modelevaluatie:
- Uitgehouden testset: Na interne validatie en afstemming van de hyperparameters zal het uiteindelijke model worden geëvalueerd op de 30% uitgestelde testset om de prestaties ervan op ongeziene gegevens te beoordelen, wat een onbevooroordeelde schatting van de generaliseerbaarheid oplevert.
Prestatiestatistieken:
- R² (Bepalingscoëfficiënt): Om het aandeel van de variantie te evalueren dat door het model wordt verklaard.
- Mean Absolute Error (MAE): Om de gemiddelde omvang van voorspellingsfouten te kwantificeren en de nauwkeurigheid van het model voor continue resultaten te beoordelen, waardoor een artsvriendelijke interpretatie van fouten wordt geboden.
- Kalibratie- en validatieplots: Om de overeenkomst tussen waargenomen en voorspelde uitkomsten te beoordelen, waarbij wordt geëvalueerd hoe goed de voorspelde waarden overeenkomen met de werkelijke waarden in de onderzoekspopulatie.
- Leercurve: Er zullen leercurven worden gebruikt om de modelprestaties over verschillende trainingssetgroottes te evalueren. Door trainings- en validatiefouten uit te zetten tegen het aantal trainingssteekproeven (subsets van de hele dataset), kunnen we de fit van het model beoordelen, het leergedrag observeren en bepalen of onze modelprestaties baat zouden hebben bij aanvullende trainingsgegevens.
- Voorspellingsonzekerheid: We zullen bootstrap-aggregatie (bagging) gebruiken, volgens methoden van Hastie et al., om voorspellingsintervallen te verkrijgen, die de onzekerheid in individuele XGBoost-voorspellingen kwantificeren door de variantie in voorspellingsfouten tussen bootstrap-steekproeven te analyseren. In tegenstelling tot betrouwbaarheidsintervallen verklaren deze intervallen zowel de misspecificatie van het model als de onzekerheid over de uitkomsten.
Modeluitvoer:
We zullen het uiteindelijke model gebruiken om een webgebaseerde uitkomstcalculator te ontwikkelen voor pijn en functie 1 jaar na de operatie. Dit hulpmiddel is in de eerste plaats bedoeld voor gebruik door artsen, met als doel de gedeelde besluitvorming met de patiënten te vergemakkelijken. Door duidelijke visualisaties en gemakkelijk te begrijpen classificaties te bieden, helpt de calculator artsen mogelijke uitkomsten aan patiënten uit te leggen en de betrokkenheid van patiënten bij hun behandelplanning te ondersteunen. De modeluitvoer omvat de voorspelde pijnscore op een numerieke beoordelingsschaal (NRS) van 0-10 of de bMHQ-handfunctiescore, die varieert van 0-100.
Op basis van de uitkomst worden de exact voorspelde waarden als volgt visueel gemarkeerd:
- Groen: NRS 0-3, bMHQ 67-100 (indicatief voor positieve resultaten)
- Oranje: NRS 4-7, bMHQ 34-66 (indicatief voor matige uitkomsten)
- Rood: NRS 8-10, bMHQ 0-33 (indicatief voor slechte resultaten) Deze classificatie is bedoeld om een snelle, visuele weergave te bieden van de voorspelde resultaten, waardoor het voor artsen en patiënten gemakkelijker wordt om de resultaten te interpreteren en het risiconiveau te begrijpen. verwachte herstelpotentieel. De classificatiedrempels kunnen op basis van verdere validatie worden gewijzigd om nauwkeurigheid en klinische relevantie te garanderen.
Studietype
Inschrijving (Geschat)
Contacten en locaties
Studie Locaties
-
-
-
Zürich, Zwitserland, 8008
- Schulthess Klinik
-
-
Deelname Criteria
Geschiktheidscriteria
Leeftijden die in aanmerking komen voor studie
- Kind
- Volwassen
- Oudere volwassene
Accepteert gezonde vrijwilligers
Bemonsteringsmethode
Studie Bevolking
Beschrijving
Inclusiecriteria:
- Patiënten die werden behandeld met een primaire TMJ-artroplastiek met behulp van de Touch®-prothese voor TMJ-artrose in ons single-center prospectieve register.
- Patiënten die hun follow-upvragenlijst na 1 jaar hadden ingevuld
Uitsluitingscriteria:
- Revisieoperatie,
- Niet behandeld voor primaire artrose (d.w.z. secundaire artrose of reumatoïde artritis of andere),
- Heeft het toestemmingsformulier niet ondertekend
Studie plan
Hoe is de studie opgezet?
Ontwerpdetails
Cohorten en interventies
Groep / Cohort |
Interventie / Behandeling |
|---|---|
|
Touch®-patiënten
Patiënten die werden behandeld met een primaire artroplastiek van het trapeziometacarpale gewricht (TMJ) met behulp van de Touch®-prothese voor TMJ OA in ons single-center prospectieve register. Patiënten hadden vóór de operatie doorgaans behandelingen met spalken, handtherapie en 1-3 steroïde-injecties ondergaan. Specifieke indicaties voor primaire TMJ-implantaatartroplastiek waren onder meer een goede trapeziumbotmassa zonder cysten, een trapeziale hoogte van minimaal 8 mm, geen klinisch relevante scaphotrapezoïdale artrose en geen ernstige instabiliteit van het metacarpofalangeale gewricht. |
De interventie omvat een primaire artroplastiek van het trapeziometacarpale gewricht (TMJ) met behulp van de Touch®-prothese, een implantaat met dubbele mobiliteit, ontworpen voor de behandeling van artrose in de duim.
Andere namen:
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Pijn tijdens activiteiten na 1 jaar na de operatie
Tijdsspanne: 1 jaar na de operatie
|
Pijn tijdens activiteiten wordt gemeten met behulp van een Numeric Rating Scale (NRS), variërend van 0 (geen pijn) tot 10 (maximale pijn).
Deelnemers beoordelen het pijnniveau dat wordt ervaren tijdens typische dagelijkse activiteiten.
|
1 jaar na de operatie
|
|
Handfunctie 1 jaar na de operatie
Tijdsspanne: 1 jaar na de operatie
|
De handfunctie zal worden beoordeeld met behulp van de korte Michigan Hand Outcomes Questionnaire (bMHQ), die de handprestaties bij verschillende activiteiten evalueert.
Scores variëren van 0 tot 100, waarbij hogere scores een beter functioneren aangeven.
|
1 jaar na de operatie
|
Medewerkers en onderzoekers
Sponsor
Publicaties en nuttige links
Algemene publicaties
- Bijsterbosch J, Visser W, Kroon HM, Stamm T, Meulenbelt I, Huizinga TW, Kloppenburg M. Thumb base involvement in symptomatic hand osteoarthritis is associated with more pain and functional disability. Ann Rheum Dis. 2010 Mar;69(3):585-7. doi: 10.1136/ard.2009.104562. Epub 2010 Feb 2. Erratum In: Ann Rheum Dis. 2011 Nov;70(11):2060. Ann Rheum Dis. 2012 Jun;71(6):1106.
- Haugen IK, Englund M, Aliabadi P, Niu J, Clancy M, Kvien TK, Felson DT. Prevalence, incidence and progression of hand osteoarthritis in the general population: the Framingham Osteoarthritis Study. Ann Rheum Dis. 2011 Sep;70(9):1581-6. doi: 10.1136/ard.2011.150078. Epub 2011 May 27. Erratum In: Ann Rheum Dis. 2018 Oct;77(10):1546. doi: 10.1136/ard.2011.150078corr1.
- Hamasaki T, Harris PG, Bureau NJ, Gaudreault N, Ziegler D, Choiniere M. Efficacy of Surgical Interventions for Trapeziometacarpal (Thumb Base) Osteoarthritis: A Systematic Review. J Hand Surg Glob Online. 2021 Mar 23;3(3):139-148. doi: 10.1016/j.jhsg.2021.02.003. eCollection 2021 May.
- Vermeulen GM, Slijper H, Feitz R, Hovius SE, Moojen TM, Selles RW. Surgical management of primary thumb carpometacarpal osteoarthritis: a systematic review. J Hand Surg Am. 2011 Jan;36(1):157-69. doi: 10.1016/j.jhsa.2010.10.028.
- Falkner F, Tumkaya AM, Thomas B, Panzram B, Bickert B, Harhaus L. Dual mobility prosthesis for trapeziometacarpal osteoarthritis: results from a prospective study of 55 prostheses. J Hand Surg Eur Vol. 2023 Jun;48(6):566-574. doi: 10.1177/17531934231156280. Epub 2023 Feb 28.
- Herren DB, Marks M, Neumeister S, Schindele S. Low complication rate and high implant survival at 2 years after Touch(R) trapeziometacarpal joint arthroplasty. J Hand Surg Eur Vol. 2023 Oct;48(9):877-883. doi: 10.1177/17531934231179581. Epub 2023 Jun 13.
- Bertozzi L, Valdes K, Vanti C, Negrini S, Pillastrini P, Villafane JH. Investigation of the effect of conservative interventions in thumb carpometacarpal osteoarthritis: systematic review and meta-analysis. Disabil Rehabil. 2015;37(22):2025-43. doi: 10.3109/09638288.2014.996299. Epub 2015 Jan 5.
- Esteban Lopez LMJ, Hoogendam L, Vermeulen GM, Tsehaie J, Slijper HP, Selles RW, Wouters RM; The Hand-Wrist Study Group. Long-Term Outcomes of Nonsurgical Treatment of Thumb Carpometacarpal Osteoarthritis: A Cohort Study. J Bone Joint Surg Am. 2023 Dec 6;105(23):1837-1845. doi: 10.2106/JBJS.22.01116. Epub 2023 Oct 30.
- Gehrmann SV, Tang J, Li ZM, Goitz RJ, Windolf J, Kaufmann RA. Motion deficit of the thumb in CMC joint arthritis. J Hand Surg Am. 2010 Sep;35(9):1449-53. doi: 10.1016/j.jhsa.2010.05.026.
- Bakri K, Moran SL. Thumb carpometacarpal arthritis. Plast Reconstr Surg. 2015 Feb;135(2):508-520. doi: 10.1097/PRS.0000000000000916.
- van der Oest MJW, Duraku LS, Andrinopoulou ER, Wouters RM, Bierma-Zeinstra SMA, Selles RW, Zuidam JM. The prevalence of radiographic thumb base osteoarthritis: a meta-analysis. Osteoarthritis Cartilage. 2021 Jun;29(6):785-792. doi: 10.1016/j.joca.2021.03.004. Epub 2021 Mar 17.
- Kloppenburg M, van Beest S, Kroon FPB. Thumb base osteoarthritis: A hand osteoarthritis subset requiring a distinct approach. Best Pract Res Clin Rheumatol. 2017 Oct;31(5):649-660. doi: 10.1016/j.berh.2018.08.007. Epub 2018 Sep 26.
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
Andere studie-ID-nummers
- 2019-02096
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
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 .