Denne siden ble automatisk oversatt og nøyaktigheten av oversettelsen er ikke garantert. Vennligst referer til engelsk versjon for en kildetekst.

Prediksjon av gastrisk kreft i intestinal metaplasi og atrofisk gastritt (GIMA)

21. september 2026 oppdatert av: Louis Ho Shing Lau, Chinese University of Hong Kong

Prediksjon av gastrisk kreft i intestinal metaplasi og atrofisk gastritt - Anvendelse av kunstig intelligens i histologi og kliniske data

The primary objectives of this study are:

  • To identify clinical or histological factors associated with gastric cancer development in patients with IM and AG
  • To establish a machine learning algorithm for prediction of future gastric cancer risks and individual risk stratification in patient with IM and AG

Studieoversikt

Status

Rekruttering

Detaljert beskrivelse

This is a two-part retrospective study including a clinical data part and a pathology part. A training cohort will be developed from approximately 70% of included cases. It will be followed by a validation cohort with the remaining cases.

Clinical data will be collected retrospectively using the Clinical Data Analysis and Reporting System (CDARS) and Clinical management System (CMS). A cluster-wide cohort (New Territories East Cluster, NTEC) consisting of patients with history of histologically-proven gastric IM and AG will be identified and included for subsequent analysis. The data collection period for the retrospective data will be 2000-2020.

Histology slides will be retrieved retrospectively when available (within NTEC). Whole slide imaging technique will be utilized for the development of training and validation cohorts with machine learning algorithms in the pathology part.

Studietype

Observasjonsmessig

Registrering (Antatt)

1300

Kontakter og plasseringer

Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.

Studiekontakt

Studer Kontakt Backup

Studiesteder

    • New Territories
      • Shatin, New Territories, Hong Kong
        • Rekruttering
        • Prince of Wales Hospital

Deltakelseskriterier

Forskere ser etter personer som passer til en bestemt beskrivelse, kalt kvalifikasjonskriterier. Noen eksempler på disse kriteriene er en persons generelle helsetilstand eller tidligere behandlinger.

Kvalifikasjonskriterier

Alder som er kvalifisert for studier

18 år og eldre (Voksen, Eldre voksen)

Tar imot friske frivillige

N/A

Kjønn som er kvalifisert for studier

Alle

Prøvetakingsmetode

Ikke-sannsynlighetsprøve

Studiepopulasjon

Clinical data will be collected retrospectively using the Clinical Data Analysis and Reporting System (CDARS) and Clinical management System (CMS). A cluster-wide cohort (New Territories East Cluster, NTEC) consisting of patients with history of histologically-proven gastric IM and AG will be identified and included for subsequent analysis. The data collection period for the retrospective data will be 2000-2020.

Histology slides will be retrieved retrospectively when available (within NTEC). Whole slide imaging technique will be utilized for the development of training and validation cohorts with machine learning algorithms in the pathology part.

Beskrivelse

Inclusion Criteria:

  • Adults >= 18 years of age
  • Histologically proven atrophic gastritis or intestinal metaplasia (at antrum and/or body and/or angular of stomach)

Exclusion Criteria:

- none

Studieplan

Denne delen gir detaljer om studieplanen, inkludert hvordan studien er utformet og hva studien måler.

Hvordan er studiet utformet?

Designdetaljer

  • Observasjonsmodeller: COHORT
  • Tidsperspektiver: RETROSPECTIVE

Kohorter og intervensjoner

Gruppe / Kohort
Intestinal Metaplasia

patient with history of histologically proven gastric intestinal metaplasia

Atrophic gastritis

patient with history of histologically proven atrophic gastritis

Hva måler studien?

Primære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Gastric cancer and gastric dysplasia
Tidsramme: 20 years

The primary endpoint is the incidence of gastric cancer (intestinal-type) and gastric dysplasia (low grade and high grade dysplasia).

20 years

Sekundære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Overall accuracy of machine learning model
Tidsramme: 20 years

Overall accuracy of machine learning models will be evaluated

20 years
Sensitivity of machine learning model
Tidsramme: 20 years

Sensitivity of machine learning model will be evaluated

20 years
Specificity of machine learning model
Tidsramme: 20 years

Specificity of machine learning model will be evaluated

20 years
Positive predictive value of machine learning model
Tidsramme: 20 years

Positive predictive value of machine learning model will be evaluated

20 years
Negative predictive value of machine learning model
Tidsramme: 20 years

Negative predictive value of machine learning model will be evaluated

20 years
Area under the receiver operating characteristic curve of machine learning model
Tidsramme: 20 years

Area under the receiver operating characteristic curve of machine learning model will be evaluated

20 years

Samarbeidspartnere og etterforskere

Det er her du vil finne personer og organisasjoner som er involvert i denne studien.

Studierekorddatoer

Disse datoene sporer fremdriften for innsending av studieposter og sammendragsresultater til ClinicalTrials.gov. Studieposter og rapporterte resultater gjennomgås av National Library of Medicine (NLM) for å sikre at de oppfyller spesifikke kvalitetskontrollstandarder før de legges ut på det offentlige nettstedet.

Studer hoveddatoer

Studiestart (Faktiske)

15. april 2021

Primær fullføring (Antatt)

1. desember 2026

Studiet fullført (Antatt)

31. desember 2026

Datoer for studieregistrering

Først innsendt

23. mars 2021

Først innsendt som oppfylte QC-kriteriene

7. april 2021

Først lagt ut (Faktiske)

9. april 2021

Oppdateringer av studieposter

Sist oppdatering lagt ut (Faktiske)

22. september 2026

Siste oppdatering sendt inn som oppfylte QC-kriteriene

21. september 2026

Sist bekreftet

1. september 2026

Mer informasjon

Begreper knyttet til denne studien

Plan for individuelle deltakerdata (IPD)

Planlegger du å dele individuelle deltakerdata (IPD)?

NEI

IPD-planbeskrivelse

There is no plan to share IPD with other researchers

Legemiddel- og utstyrsinformasjon, studiedokumenter

Studerer et amerikansk FDA-regulert medikamentprodukt

Nei

Studerer et amerikansk FDA-regulert enhetsprodukt

Nei

Denne informasjonen ble hentet direkte fra nettstedet clinicaltrials.gov uten noen endringer. Hvis du har noen forespørsler om å endre, fjerne eller oppdatere studiedetaljene dine, vennligst kontakt register@clinicaltrials.gov. Så snart en endring er implementert på clinicaltrials.gov, vil denne også bli oppdatert automatisk på nettstedet vårt. .

Abonnere