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

Tidlig påvisning av lungekreft med maskinlæring basert på rutinemessige kliniske undersøkelser

Denne observasjons-, tverrsnittsstudien i lungekreftpasienter og lungekreftfrie kontroller har som mål å utvikle en maskinlæringsmodell for tidlig påvisning av LC basert på rutinemessige, allment tilgjengelige og minimalt invasive kliniske undersøkelser. Modellen med tilstrekkelig prediktiv ytelse kan senere brukes i klinisk praksis som et hjelpemiddel for å definere den optimale populasjonen og tidspunktet for lungekreftscreeningsprogram.

Studieoversikt

Studietype

Observasjonsmessig

Registrering (Antatt)

7500

Kontakter og plasseringer

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

Studiesteder

      • Golnik, Slovenia, 4204
        • University Clinic of Respiratory and Allergic Diseases Golnik
        • Ta kontakt med:
        • Hovedetterforsker:
          • Mitja Prah, MD
      • Ljubljana, Slovenia, 1000
        • Jozef Stefan Institute
        • Ta kontakt med:
        • Hovedetterforsker:
          • Mitja Luštrek, PhD

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

  • Voksen
  • Eldre voksen

Tar imot friske frivillige

Ja

Prøvetakingsmetode

Sannsynlighetsprøve

Studiepopulasjon

Studien vil inkludere voksne aktive eller tidligere røykere som har høy risiko for å utvikle lungekreft, og vil bli vurdert som egnede kandidater for lungekreftscreening. Studien vil fokusere på pasienter med bekreftet bronkogen lungekreft.

Beskrivelse

Alle pasienter:

  • Alder ≥ 50 år og < 80 år ved indeksdato for diagnose (for tilfeller) eller pseudodiagnose (for kontroller).
  • Tilstedeværelse av minst én utvidet blodanalyse, spirometri og DLCO-rapport innen 6 måneder før indeksdatoen.
  • CT-skanning av brystet utført i en ikke-hastende setting (elektivt) innen 6 måneder før indeksdatoen (= indeks-CT).
  • Aktive røykere på indeksdatoen eller tidligere røykere som sluttet å røyke innen 15 år før indeksdatoen.
  • Røykehistorie ≥ 20 pakkeår.

Tillegg kun for tilfeller: Bekreftet histologisk diagnose av bronkogen lungekreft i tidsperioden ≥ 2010 og ≤ 2020.

Tillegg kun for kontroller:

  • Fravær av lungekreft til enhver tid ≤ 2020, bekreftet ved CT-skanning av thorax på indeksdatoen.
  • Dokumentert å leve uten diagnose av lungekreft i minst 3 år etter indeksdato.

Utvidede kriterier for prediksjonsundergruppen for lungekreft:

I tillegg til de ovenfor angitte inklusjonskriteriene har pasienter i denne undergruppen minst én utvidet blodanalyse, spirometri og DLCO-rapport tilgjengelig i tidsintervallet mellom 3-5 år før indeksdatoen.

Studieplan

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

Hvordan er studiet utformet?

Designdetaljer

Kohorter og intervensjoner

Gruppe / Kohort
Intervensjon / Behandling
Sykdomskohort
Observasjonsmessig, ingen inngrep
Ingen inngrep.
Kontrollkohort
Observasjonsmessig, ingen inngrep
Ingen inngrep.

Hva måler studien?

Primære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Utvikle en modell med høy prediktiv ytelse for tidlig påvisning av ikke-småcellet lungekreft (NSCLC) i den kvalifiserte pasientpopulasjonen.
Tidsramme: 11 år
Det primære resultatet testes ved å beregne en felles rektangulær 95 % konfidensregion for {sensitivitet, spesifisitet} og sammenlignet med den rapporterte nøyaktigheten til screeningkriteriene for NLST-studien.
11 år

Sekundære resultatmål

Resultatmål
Tidsramme
Vis at den nyutviklede modellen oppnår høyere prediksjonsnøyaktighet enn den godt validerte modellen PLCom2012.
Tidsramme: 11 år
11 år

Andre resultatmål

Resultatmål
Tidsramme
Utvikle en modell med høy prediktiv ytelse for tidlig påvisning av småcellet lungekreft (SCLC) i den kvalifiserte pasientpopulasjonen.
Tidsramme: 11 år
11 år
Utvikle en modell for prediksjon av lungekreft i en tidsperiode hvor sykdommen fortsatt er svært usannsynlig å være klinisk påvisbar, hos en undergruppe av pasienter som oppfyller de utvidede kvalifikasjonskriteriene.
Tidsramme: 11 år
11 år
Identifiser funksjoner med den høyeste diskriminerende kraften til prediksjon og tidlig oppdagelse av lungekreft.
Tidsramme: 11 år
11 år
Identifiser funksjoner med den høyeste diskriminerende kraften for å skille mellom lungekreftpasienter i stadium I-II og stadium III-IV.
Tidsramme: 11 år
11 år

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 (Antatt)

1. september 2023

Primær fullføring (Antatt)

1. september 2024

Studiet fullført (Antatt)

1. september 2024

Datoer for studieregistrering

Først innsendt

8. juni 2023

Først innsendt som oppfylte QC-kriteriene

8. juni 2023

Først lagt ut (Antatt)

16. juni 2023

Oppdateringer av studieposter

Sist oppdatering lagt ut (Antatt)

16. juni 2023

Siste oppdatering sendt inn som oppfylte QC-kriteriene

8. juni 2023

Sist bekreftet

1. juni 2023

Mer informasjon

Begreper knyttet til denne studien

Plan for individuelle deltakerdata (IPD)

Planlegger du å dele individuelle deltakerdata (IPD)?

NEI

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