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

Maskinlæring for å forutsi lymfeknutemetastase i T1 esophageal plateepitelkarsinom

9. februar 2024 oppdatert av: Shanghai Zhongshan Hospital

Maskinlæring for å forutsi lymfeknutemetastase i T1 esophageal plateepitelkarsinom: En multisenterstudie

Eksisterende modeller gjør det dårlig når det gjelder å kvantifisere risikoen for lymfeknutemetastaser (LNM). Denne studien genererte elastisk nettoregresjon (ELR), tilfeldig skog (RF), ekstrem gradientforsterkning (XGB) og en kombinert (ensemble) modell av disse for LNM hos pasienter med T1 øsofagus plateepitelkarsinom.

Studieoversikt

Status

Fullført

Forhold

Intervensjon / Behandling

Detaljert beskrivelse

Lymfeknutemetastaser (LNM) er en relativt uvanlig, men mulig komplikasjon av T1 esophageal plateepitelkarsinom (ESCC). Eksisterende modeller gjør det dårlig når det gjelder å kvantifisere denne risikoen. Denne studien hadde som mål å utvikle en maskinlæringsmodell for LNM hos pasienter med T1 esophageal plateepitelkarsinom.

Pasienter med T1 plateepitelkarsinom behandlet med kirurgi mellom januar 2010 og september 2021 fra 3 institusjoner ble inkludert i denne studien. Maskinlæringsmodeller ble utviklet ved bruk av data om pasienters alder og kjønn, dybden av tumorinvasjon, tumorstørrelse, tumorplassering, makroskopisk tumortype, lymfatisk og vaskulær invasjon og histologisk karakter. Elastisk nettoregresjon (ELR), tilfeldig skog (RF), ekstrem gradientforsterkning (XGB), og en kombinert (ensemble) modell av disse ble generert. Bruk Area Under Curve (AUC) for å evaluere modellens prediksjonsevne. Bidraget til modellen av hver faktor ble beregnet. For å bedre møte kliniske behov har etterforskerne utformet modellen som en brukervennlig nettside.

Studietype

Intervensjonell

Registrering (Faktiske)

1267

Fase

  • Ikke aktuelt

Kontakter og plasseringer

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

Studiesteder

  • Kina
    • Shanghai
      • Shanghai, Shanghai, Kina, 200032
        • Zhongshan Hospital Affiliated to Fudan University

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

  • Barn
  • Voksen
  • Eldre voksen

Tar imot friske frivillige

Nei

Beskrivelse

Inklusjonskriterier:

  • (I) thorax ESCC
  • (II) ingen historie med samtidig eller tidligere malignitet
  • (III) svulst med pT1 staging
  • (IV) 15 eller flere lymfeknuter undersøkt

Ekskluderingskriterier:

  • gjennomgikk neoadjuvant behandling eller endoskopisk submukosal disseksjon før operasjon

Studieplan

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

Hvordan er studiet utformet?

Designdetaljer

  • Primært formål: Diagnostisk
  • Tildeling: N/A
  • Intervensjonsmodell: Enkeltgruppeoppdrag
  • Masking: Ingen (Open Label)

Våpen og intervensjoner

Deltakergruppe / Arm
Intervensjon / Behandling
Eksperimentell: Arm brukt til å forutsi lymfeknutemetastase
Fremgangsmåte: esofagektomi
Reseksjon av esophageal tumor og lymfeknutedisseksjon

Hva måler studien?

Primære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Modellytelse: diskriminering
Tidsramme: 8 uker
Tegn ROC-kurven til modellen og få AUC-verdiene deres, og velg den beste prediksjonsmodellen basert på resultatene av valideringssettet
8 uker
Variabel betydning
Tidsramme: 6 uker
Beregn viktighetsnivået til variabler brukt i modellen og sorter dem, og analyser årsakene til de viktigste variablene
6 uker
Delanalyse (ML-modell vs. logistikkmodell vs. NCCN-retningslinje)
Tidsramme: 8 uker
Bruk NCCN-retningslinjer og logistikkmodeller for prediksjon, og sammenlign ytelsen deres med modellen oppnådd i denne studien for å bestemme de faktiske bruksfordelene til modellen
8 uker

Samarbeidspartnere og etterforskere

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

Sponsor

Shanghai Zhongshan Hospital

Publikasjoner og nyttige lenker

Den som er ansvarlig for å legge inn informasjon om studien leverer frivillig disse publikasjonene. Disse kan handle om alt relatert til studiet.

Generelle publikasjoner

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. januar 2010

Primær fullføring (Faktiske)

15. desember 2019

Studiet fullført (Faktiske)

15. juli 2023

Datoer for studieregistrering

Først innsendt

23. januar 2024

Først innsendt som oppfylte QC-kriteriene

9. februar 2024

Først lagt ut (Faktiske)

13. februar 2024

Oppdateringer av studieposter

Sist oppdatering lagt ut (Faktiske)

13. februar 2024

Siste oppdatering sendt inn som oppfylte QC-kriteriene

9. februar 2024

Sist bekreftet

1. februar 2024

Mer informasjon

Begreper knyttet til denne studien

Ytterligere relevante MeSH-vilkår

Andre studie-ID-numre

  • 81902396

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