Prognostische waarde van neurometabolische netwerken in CRC (PVNM-CRC) (PVNM-CRC)

Inhoudsopgave 1.0 Proef Samenvatting 2.0 Trial Design 2.1 Trial Design 2.1 Proefdiagram 3.0 Doelstelling (s) & Hypothese (ES) 3.1 Primaire doelstelling (s) & Hypothese (Es) 3.2 Secundaire doelstelling (s) & Hypothese (ES) 4.0 Achtergrond & Rationaal 4.1 RATIONAAL 4.2.1 RAVEADE VOOR DE TRIEF 4.2.2 Rationale voor eindpunten 5.0 Methodologie 5.1 Entry Criteria 5.1.1 Diagnose/toestand voor binnenkomst in de proef 5.1.2 Onderwerpopnamecriteria 5.1.3 Onderwerpuitsluitingscriteria 5.1.4 Intrekking/stopcriteria van het onderwerp/Demographics en baseline -kenmerken Verzameling 5.3 Gegevensverzameling en -basis. PET/CT Imaging Kwaliteitscontrole 5.3.3 PET/CT Imaging Annotation 6.0 Proefprocedures 7.0 Statistische analyse 7.1 Statistische analyseplan Samenvatting 7.2 Hypothesen/schatting 7.3 Analyse Populatie 7.4 Statistische methoden voor Study Endpoints 7.5 Statistische methoden voor basislijnkenmerken en demografie 7.6 Sample Grootte en Power Berekeningen 8.0 Spons- 80.2 Gegevensuitwisseling. Medewerkers 9.2 Verantwoordelijke partij/onderzoeker 9.3 Rol van financiering 9.4 Ethische commissie

1.0 Samenvatting van de proef Samenvatting Korte titel: Prognostische waarde van neurometabolische netwerken in CRC (PVNM-CRC) Officiële titel: een observationeel onderzoek naar de prognostische waarde van neurometabolische netwerken in colorectaal cance-onderzoekstype: Observatietijd Perspectief: Prospectic Study Population: Procedical Cancer Study Procedure: Eligible Patiënten zullen prospectief ingeschreven, PERTEURED, PACTIEVE PACTEUR. zal respectievelijk worden verzameld en geanalyseerd. De gegevens worden toegepast op de voorspellingsmodellen om de prognose te evalueren. Studiegroepen: Patiënten worden aangeworven in één groep en ontvangen responsvoorspelling door respectievelijk vier verschillende voorspellers op basis van vereiste beelden, die eerder door onderzoekers zijn geconstrueerd.

Steekproefgrootte: ongeveer 213 patiënten worden ingeschreven. Geschatte duur: ongeveer 12 maanden vanaf het moment dat het eerste onderwerp zich inschreef tot het laatste onderwerp.

Uitkomstmaten: Primaire eindpunten: gebied onder Curve (AUC) Secundaire eindpunten: gevoeligheid, specificiteit, positieve voorspellingswaarde (PPV), negatieve voorspellingswaarde (NPV)

2.0 Trial Design 2.1 Trial Design Dit is een prospectieve, observationele klinische studie voor validatie van op kunstmatige intelligentie (AI) gebaseerde voorspellingsmodellen voor het voorspellen van de prognose voor colorectale kanker (CRC). In het bijzonder zijn onderzoekers bedoeld om de voorspellingsnauwkeurigheid van de hersenverwant risico-index voor ziekte in gastro-intestinale evaluatie van kanker (brug) te verifiëren, en of het beter presteert dan andere conventionele voorspellingsmodellen op basis van klinische gegevens.

Ongeveer 213 patiënten zullen prospectief worden ingeschreven bij het eerste aangesloten ziekenhuis van de Zhengzhou University in een prospectieve validatiegegevensset. Alle patiënten voeren de diagnose en pathologische biopsie van het hele lichaam uit/CT -beeldvorming uit. Gekwalificeerde afbeeldingen van PET/CT -sequenties worden verzameld en geüpload naar een cloudplatform, waarbinnen de regio's van tumor (ROIS) worden geannoteerd door een professioneel team van radiologen. De afbeeldingengegevens worden gebruikt voor verschillende voorspellingsmodellen om voorspellingslabels te genereren voor individuen, die blind zijn voor zowel deelnemers als verantwoordelijke artsen.

2.2 Proefdiagram

3.0 Doelstelling (S) & Hypothese (ES) 3.1 Primaire doelstelling (S) & Hypothesis (Es)

(1) Doelstelling 1: Evalueer het gebied onder curve (AUC) van brug bij het voorspellen van de totale overleving (OS) voor CRC -patiënten.

Hypothese (H1): Bridge bereikt een AUC van meer dan 0,80 bij het voorspellen van OS voor CRC -patiënten.

3.2 Secundaire doelstelling (s) & Hypothese (ES)

1. Doelstelling 2: Vergelijk de AUC van Bridge met klinische voorspellingsmodellen bij het voorspellen van de overlevingsstatus voor CRC -patiënten. Hypothese (H2): Bridge is superieur aan klinische voorspellingsmodellen in termen van AUC bij het voorspellen van OS voor CRC -patiënten.
2. Doelstelling 5: Evalueer de gevoeligheid van de brug bij het voorspellen van OS voor CRC -patiënten.
3. Doelstelling 6: Evalueer de specificiteit van de brug bij het voorspellen van OS voor CRC -patiënten.
4. Doelstelling 7: Evalueer de positieve voorspellingswaarde (PPV) van de brug bij het voorspellen van OS voor CRC -patiënten.
5. Doelstelling 8: Evalueer de negatieve voorspellingswaarde (NPV) van de brug bij het voorspellen van OS voor CRC -patiënten.

4.0 Achtergrond & Rationaal 4.1 Achtergrond colorectale kanker (CRC), met per jaar toenemende incidentie en mortaliteit wereldwijd, is de tweede belangrijkste oorzaak van kankergerelateerde dood geworden. 1,2 Het maagdarmkanaal (GI) omvat een complex ecosysteem met uitgebreide interacties tussen normale of neoplastische epitheelcellen met immuun-, neuronale en andere celtypen, evenals micro -organismen en metabolieten in het darmlumen.8 In het bijzonder speelt de ingewikkelde relatie tussen het GI-kanaal en het centrale zenuwstelsel (CNS), gezamenlijk bekend als de hersengootas, een cruciale rol in de pathogenese van gastro-intestinale aandoeningen en neoplasma.9 Chronische stress verhoogde bijvoorbeeld het risico op darmkanker via het activeren van het COX-2/PEG2-systeem en bevorderde tumorcelverspreiding door het remodelleren van lymfevasculatuur. 10,11 De bidirectionele communicatie van de hersengootas wordt in het algemeen gemedieerd door neurotransmitters, inflammatoire cytokines, metabolieten of darmmicrobiota.12,13 Desalniettemin heeft de schijnwerpers voornamelijk geschenen op de hersenstorting overspraakmechanismen in experimentele cellulaire of diermodellen, met minder aandacht voor de structurele en functionele veranderingen op de hersennetwerken op patiëntniveau.

De evolutie van functionele neuroimaging -modaliteiten en neurowetenschappentechnologieën heeft een nauwkeurige afbakening van CNS -activiteiten mogelijk gemaakt. In het bijzonder is de beeldvormingstechnologie van nucleaire geneeskunde met 2- [18F] fluoro-2-deoxy-D-glucose ([18F] FDG) om beeldvormende informatie over het hele lichaam aan te nemen, de optimale in vivo methode voor het onderzoek van regionaal metabolisme voor menselijk hersenen en associaties met systemische stoornissen.14 We hebben eerder de neuronale metabole-ventriculaire dyssynchronisatieas geïdentificeerd die mogelijk verband houdt met belangrijke aritmische gebeurtenissen met behulp van myocardiale perfusiebeeldvorming en de hersenen [18f] FDG Positron-emissietomografie (PET) .15 Gezien de potentiële dubbele interacties van de hersengoot-as, kan identificatie van specifieke hersenregio's geassocieerd met CRC-ontwikkeling en -progressie leiden tot een beter begrip van de neurobiologische onderbouwing van de ziekte en de ontwikkeling van gerichte therapeutische strategieën en haarstudie gestructureerd om de rol van neuro-metabolisme en haar potentiële mediator in regulerende CRC-tumorigen en metastas te informeren. Door te verdiepen in de neurometabolische-gut-as in CRC, kunnen de resulterende mechanistische inzichten worden gebruikt om diagnostische en prognostische biomarkers te identificeren en nieuwe therapeutische interventies voor CRC-patiënten te ontwikkelen.

4.2 Rationale 4.2.1 Rationale voor de proef eerder, onderzoekers hebben een brug gebouwd op basis van datasets van retrospectieve. De studie wordt uitgevoerd om de klinische toepasbaarheid en generaliseerbaarheid van de brug bij het voorspellen van OS voor CRC -patiënten verder te verifiëren. De voorspellingsprestaties van Bridge zullen worden geëvalueerd in een potentiële dataset en vergeleken met conventionele op klinische gebaseerde voorspellingsmodellen in de proef, die mogelijk belangrijk bewijs kunnen leveren voor de haalbaarheid en klinische waarde van de integratie van hersenbeelden voor door kunstmatige intelligentie ondergedompelde GI-kankergeneeskunde.

4.2.2 Rationale voor eindpunten Het eindpunt van de primaire nauwkeurigheid in de studie is de AUC, een belangrijke indicator voor de classificatieprestaties van een binaire classificator, die veel is gebruikt om de modelprestaties op het gebied van machine learning te evalueren.

5.0 Methodologie 5.1 Entry Criteria 5.1.1 Diagnose/toestand voor binnenkomst in de mannelijke/vrouwelijke proefpersonen met rectumkanker van ten minste 18 jaar zal in deze studie worden ingeschreven.

5.1.2 Inclusiecriteria van het onderwerp

Om in aanmerking te komen voor deelname aan deze proef, moet het onderwerp:

1. Wees ≥ 18 jaar oud op de dag van de inschrijving.
2. Hebben pathologisch bevestigd als rectaal adenocarcinoom door elektronische colonoscopie -biopsie.
3. Zijn gediagnosticeerd als colorectale kanker (CRC) door verbeterde PET/CT.
4. Afbeeldingen van PET/CT -sequenties zijn beschikbaar.
5. Wees bereid en in staat om schriftelijke geïnformeerde instemming te bieden voor het verzamelen en toepassen van klinische steekproef- en medische gegevens gecertificeerd en goedgekeurd door de lokale ethische commissie. De vereisten voor geïnformeerde toestemming voor het proces zijn afgezien.

5.1.3 Onderwerpuitsluitingscriteria

Het onderwerp moet worden uitgesloten van deelname aan de proef als het onderwerp:

1. Heeft plaveiselcel of ongedifferentieerd rectaal carcinoom.
2. Heeft meerdere primair rectaal carcinoom, een geschiedenis van maligniteit, of heeft een gelijktijdige aanvullende maligniteit die verwerkt is of een actieve behandeling vereist. Uitzonderingen zijn onder meer basaalcelcarcinoom van de huid, plaveiselcelcarcinoom van de huid die potentieel curatieve therapie of in situ baarmoederhalskanker heeft ondergaan.
3. . Gebrek aan afbeeldingen van PET/CT, of onvoldoende kwaliteit van PET/CT -afbeeldingen om metingen te verkrijgen (d.w.z. bewegingsartefacten).
4. Gebrek aan pathologie.
5. Hebben binnen 28 dagen een grote operatie of aanzienlijk traumatisch letsel ondergaan.

6. Hebben een actieve auto -immuunziekte die in de afgelopen 2 jaar systemische behandeling vereist (d.w.z. met het gebruik van ziektemodificatiemiddelen, corticosteroïden of immunosuppressieve geneesmiddelen).

   Vervangingstherapie (d.w.z. thyroxine, insuline of fysiologische corticosteroïde vervangingstherapie voor bijnier- of hypofyse -insufficiëntie) wordt niet beschouwd als een vorm van systemische behandeling.

7. Een diagnose van immunodeficiëntie hebben of ontvangt chronische systemische steroïde therapie (bij het doseren van meer dan 10 mg per dag prednison equivalent) of enige andere vorm van immunosuppressieve therapie binnen 7 dagen voorafgaand aan de initiatie van de behandeling.
8. Een actieve infectie hebben die systemische therapie vereist.

10. Heb een geschiedenis of actueel bewijs van enige aandoening, laboratoriumafwijking, psychiatrische of middelenmisbruikstoornissen die de resultaten van het onderzoek kunnen verwarren of de deelname van de proefpersoon gedurende de volledige duur van het proces kunnen verstoren, naar de mening van de behandelaar.

11. Zwanger of borstvoeding geven of verwachten zwanger te worden of vaders kinderen binnen de geprojecteerde duur van het proces.

12. Momenteel deelnemen aan een extra studie en het ontvangen van studietherapie.

5.1.4 Intrekking/stopzetting van het onderwerp

Het onderwerp zal worden ingetrokken uit deelname aan de proef als een van de volgende gebeurtenissen plaatsvindt tijdens het proces:

1. Het onderwerp beëindigt/intrekt de studie tijdens de proef. 5.2 Basisinformatie -verzameling en het genereren van serienummer Zodra inschrijving, worden de basisinformatie inclusief demografie en de klinische kenmerken van elk onderwerp van elk onderwerp vastgelegd. Een uniek trackingnummer zal willekeurig worden gegenereerd voor elk onderwerp dat zal worden gebruikt om het onderwerp te identificeren voor alle procedures in de proef.

5.3 Imaging gegevensverzameling en proces 5.3.1 PET/CT-beeldvorming verzamelen en anonimisatie voor elk onderwerp, initiële tumorbeeldvorming door PET/CT had binnen 1-2 weken na ingeschreven moeten worden uitgevoerd. Het proces voor het verzamelen en overbrengen van beeldvorming wordt gemanipuleerd in een uniform beeldvormingsprotocol door radiologen en technici in deelnemende instellingen. De hele reeks PET/CT -scans moet worden geëxporteerd als DICOM -bestanden en volledig geanonimiseerd met een uniek trackingnummer voordat u wordt geüpload naar het aangewezen cloudplatform.

5.3.2 PET/CT Imaging Quality Control -afbeeldingen van PET/CT -scans die op sites zijn verkregen, worden gedownload en beoordeeld door een onafhankelijke radioloog die in PET/CT wordt ervaren in het centrale laboratorium om een ​​hoge beeldkwaliteit voor analyse te garanderen. Case die een gebrek is aan een vereiste volgorde zal eerst worden uitgesloten. Afbeeldingen met onvoldoende duidelijkheid, lage resolutie, bewegingsartefacten of andere verontrustende factoren die mogelijk van invloed kunnen zijn op beeldvormingsanalyse zullen verder worden uitgesloten.

5.3.3 PET/CT Imaging Annotation De Regions of Interest (ROI's) van hersenen binnen de adequate sequenties zullen handmatig worden geannoteerd door deskundige radiologen met ten minste 5 jaar ervaring in PET/CT -beeldvorming. De statistische parametrische mapping (SPM) is het voorkeurstool voor beeldvormingssegmentatie.

Alle cerebrale beelden werden eerst gestandaardiseerd in de ruimte van Montreal Neurological Institute (MNI) met behulp van een 12-parameters affiene transformatie en vervolgens niet-lineaire registratie en opnieuw bemonsterd tot 2 x 2 x 2 mm3 voxels. Alle genormaliseerde beelden werden vervolgens afgevlakt met een 8 mm3 volledige breedte-in-helft-maximale Gaussiaanse kernel. Vervolgens werden de intracraniële weefsels in de afgevlakte beelden geëxtraheerd met behulp van een hersenmaskerbeeld in de MNI -ruimte. De gestandaardiseerde opnamewaarden (SUV's) van alle intracraniële voxels werden opgeteld om de hele SUV van de hersenen te verkrijgen (SUVWHOLE-hersenen), die werd gebruikt om het totale glucoseconsumptie van de hersenen weer te geven. Negentig bilaterale interessegebieden (ROIS) werden geselecteerd in de MNI -ruimte met behulp van de geautomatiseerde anatomische labeling (AAL) Atlas. Het cerebellum werd gebruikt als referentiegebied 1. De Suvmean in een specifiek cerebrale gebied werd gedeeld door de Suvmean van het cerebellum. Aldus werden de SUV -verhoudingen (SUVR's) van de ROI's berekend. Een derde senior professionele radioloog is verantwoordelijk voor geschillenbeslechting en annotatie -evaluatie.

6.0 Proefprocedures De proefprocedures zijn samengevat in de stroomdiagrammen zoals hieronder beschreven. De asterisk onder de tijdscursus geeft aan dat het mogelijke tijdstip dat een onderwerp kan worden ingeschreven voor de proef. De procedure wordt dienovereenkomstig uitgevoerd.

7.0 Statistische analyse Deze sectie schetst de statistische strategie en procedures voor de proef. Als, nadat de proef is begonnen, wijzigingen aangebracht in primaire en/of belangrijke secundaire hypothesen, of de statistische methoden die verband houden met die hypothesen, wordt het protocol dienovereenkomstig gewijzigd.

7.1 Statistische analyseplan Samenvatting Studieontwerp Overzicht Een prospectieve, observationele, prognostische studie om de voorspellingsnauwkeurigheid en prestatie -superioriteit van een brug van een brug te valideren bij het voorspellen van OS voor colorectale kanker (CRC) voorspellingstoewijzing ongeveer 100 proefpersonen die nieuw gediagnosticeerd zijn als CRC die NCRT ondergaat ondergaan NCRT met pathologische tumor -respons die een opeenvolging van één collectieve groep zullen zijn in één collectieve groep. Alle proefpersonen zullen worden geëvalueerd als 'voorspelde overleving' of 'voorspelde niet-overleving' door vier voorspellers onafhankelijk op basis van vereiste beeldgegevens 7.2 Hypothesen/schattingsdoelstellingen en hypothesen van de studie worden vermeld in paragraaf 3.0. 7.3 Analyse Populatie Alle ingeschreven onderwerpen die een prospectieve evaluatie van voorspellers ontvangen en prognose verstrekken, zullen in deze populatie worden opgenomen.

7.4 Statistische methoden voor studie -eindpunten Deze sectie beschrijft de statistische methoden die de primaire en secundaire doelstellingen aanpakken.

Eindpunten van de primaire nauwkeurigheid onder Curve (AUC) AUC wordt gedefinieerd als de kans dat een willekeurig gekozen positief voorbeeld hoger wordt gerangschikt dan een willekeurig gekozen negatief voorbeeld. Een hogere AUC duidt op een betere classificatieprestaties van een duidelijke voorspeller. De AUC wordt geëvalueerd door het gebied te berekenen onder curve van ontvanger operationele kenmerken (ROC) die het aandeel van de werkelijke positieve gevallen (gevoeligheid) aangaat tegen het aandeel valse positieve gevallen (1-specifieke) op basis van verschillende voorspellende waarschijnlijkheidsdrempel. De 95% betrouwbaarheidsintervallen (95% BI) AUC worden gegenereerd door bootstrapping -strategie in 1000 bemonsteringstijden.

Secundaire nauwkeurigheid Endpoints Gevoeligheidsgevoeligheid wordt gedefinieerd als het aandeel van de voorspelde positieve gevallen bij de totale werkelijke positieve gevallen, ook bekend als de werkelijke positieve snelheid.

In de studie wordt de gevoeligheid van de brug geëvalueerd door het aandeel van de 'voorspelde overleving' -proefpersonen te berekenen bij de totale' werkelijke overleving' -proefpersonen. De 95% betrouwbaarheidsintervallen (95% BI) gevoeligheid worden gegenereerd door bootstrapping -strategie in 1000 bemonsteringstijden.

Specificiteitspecificiteit wordt gedefinieerd als het aandeel van de voorspelde negatieve gevallen tussen de totale werkelijke negatieve gevallen, ook bekend als de werkelijke negatieve snelheid.

In de studie wordt de specificiteit van de brug geëvalueerd door het aandeel van de 'voorspelde niet-overlevende' proefpersonen te berekenen bij de totale 'werkelijke niet-overlevende' proefpersonen. De 95% betrouwbaarheidsintervallen (95% BI) van specificiteit worden gegenereerd door bootstrapping -strategie in 1000 bemonsteringstijden.

Positieve voorspellingswaarde Positieve voorspellingswaarde (PPV) wordt gedefinieerd als het aandeel van de werkelijke positieve gevallen bij de totale voorspelde positieve gevallen.

In de studie wordt PPV van Bridge geëvalueerd door het aandeel van de 'werkelijke overleving' -proefpersonen te berekenen bij de totale' voorspelde overleving' -proefpersonen. De 95% betrouwbaarheidsintervallen (95% BI) PPV worden gegenereerd door bootstrapping -strategie in 1000 bemonsteringstijden.

Negatieve voorspellingswaarde Negatieve voorspellingswaarde (NPV) wordt gedefinieerd als het aandeel van de werkelijke negatieve gevallen tussen de totale voorspelde negatieve gevallen.

In de studie wordt NPV van Bridge geëvalueerd door het aandeel van de 'werkelijke niet-overlevende' proefpersonen te berekenen bij de totale 'voorspelde niet-overlevende' proefpersonen. De 95% betrouwbaarheidsintervallen (95% BI) NPV worden gegenereerd door bootstrapping -strategie in 1000 bemonsteringstijden.

Secundaire vergelijkende eindpunten De test van Delong Delong is een niet -parametrische test voor het vergelijken van AUC van twee of meer gecorreleerde ROC -curven.

De AUC van Bridge zal worden vergeleken met de AUC's van andere twee voorspellers respectievelijk door de test van DeLong. Een tweezijdige p-waarde van minder dan 0,05 werd als significant beschouwd.

Student's t test Student's t -test is een inferentiële statistiek die wordt gebruikt om te bepalen of er een significant verschil is tussen de middelen van twee datasets die de normale distributies en homogeniteitsvariantie volgen.

De gemiddelde AUC van Bridge zal worden vergeleken met de gemiddelde AUC's van andere drie voorspellers respectievelijk per student's t -test. Een tweezijdige p-waarde van minder dan 0,05 werd als significant beschouwd.

7.5 Statistische methoden voor basiskenmerken en demografie De vergelijkbaarheid van de twee groepen met een duidelijke pathologische respons (overleving versus niet-overleving) voor elke relevante basiskenmerken zal worden beoordeeld door het gebruik van tabellen en/of grafieken. Het aantal en het percentage onderwerpen in subgroepen worden weergegeven. Demografische variabelen (zoals leeftijd en geslacht) en basiskenmerken (zoals klinisch stadium) zullen worden samengevat door beschrijvende statistieken of categorische tabellen. Student's t-test of Wilcoxon ondertekende rangtest zal worden uitgevoerd om continue variabelen te vergelijken, terwijl χ2-test of Fisher's exacte test voor categorische variabelen.

7.6 Steekproefomvang en vermogensberekeningen De studie zal opeenvolgende 213 proefpersonen achtereenvolgens inschrijven. Voor AUC (H1) heeft de studie ~ 85% vermogen om een ​​AUC van 0,80 in brug te detecteren bij alfa = 0,05 (tweezijdig) met 213 proefpersonen.

De steekproefomvang en vermogensberekeningen werden uitgevoerd in de software Pass 15. 8.0 Vertrouwelijkheid en gegevensuitwisselingsplan 8.1 Vertrouwelijkheid van gegevensgegevens die in de proeven worden gegenereerd, worden door de onderzoekers vertrouwelijk beschouwd, behalve voor zover het in een publicatie is opgenomen. Tijdens de proef zal het onderwerp worden geïdentificeerd door uniek trackingnummer.

8.2 Gegevensuitwisselingsplan De onderwerpgegevens (de geïdentificeerde deelnemersinformatie en oorsprongafbeeldingen van PET/CT en pathologische dia's) en het volledige studieprotocol zal onmiddellijk beschikbaar worden gesteld aan de wetenschappelijke gemeenschap, onmiddellijk bij publicatie, met zo weinig mogelijk beperkingen. Alle verzoeken moeten ter overweging aan de onderzoekers worden ingediend. Een gegevensgebruikovereenkomst is vereist vóór de vrijgave van onderwerpgegevens en institutionele beoordelingsraads goedkeuring indien van toepassing.

9.0 sponsors en medewerkers 9.1 Sponsors De proef wordt gesponsord door het eerste aangesloten ziekenhuis van de Zhengzhou University.

9.2 Verantwoordelijke partij/onderzoeker

Het studieprotocol wordt voltooid en beoordeeld door alle auteurs. Hoofdonderzoekers zijn verantwoordelijk voor het studieprotocol. De centrale contactgegevens is als volgende:

Prof. Yujie Bai, MD Telefoon: 0371-18801221165 E-mail: baiyujie1010@163.com 9.3 Rol van de financiering De financiering van de studie wordt ondersteund door National Natural Science Foundation of China onder subsidie ​​nr. 81872188, nr. 81902867, nr. 82001986 en nr. 81903152. De financiers spelen geen rol in het onderzoeksontwerp, gegevensverzameling, gegevensanalyse, gegevensinterpretatie, schrijven van het rapport of de beslissing om het rapport voor publicatie in te dienen.

9.4 Ethische commissie Deze studie is goedgekeurd door de ethische commissie van het eerste aangesloten ziekenhuis van de Zhengzhou University.