Screening for kolorektal kreft i ung alder basert på kunstig intelligens
28. mars 2024 oppdatert av: Renmin Hospital of Wuhan University
Anvendelse av kunstig intelligens for screening av kolorektal kreft i ung alder basert på elektroniske medisinske journaler
I denne studien hadde vi som mål å utvikle, internt og tidsmessig validere maskinlæringsmodellene for å hjelpe til med å screene YOCRC som er forbudt på de retrospektive utvunnede elektroniske medisinske journaldataene (EMR).
Studieoversikt
Status
Fullført
Forhold
Intervensjon / Behandling
Detaljert beskrivelse
Diagnostisering av tykktarmskreft med unge utbrudd (YOCRC) har blitt mer vanlig de siste tiårene.
Screening av CRC blant yngre voksne er fortsatt en utfordring.
I denne studien planlegger vi retrospektivt å trekke ut relevante kliniske data fra unge individer som gjennomgikk koloskopi fra 2013 til 2022 ved hjelp av elektronisk medisinsk journal (EMR).
Flere overvåkede maskinlæringsteknikker vil bli brukt for å skille YOCRC og ikke-YOCRC-individer, klassifikatorene ovenfor vil bli opplært og internt validert i opplæringsdatasettet og internt valideringsdatasett som er innrømmet mellom 2013 og 2021, henholdsvis.
Vi vil også vurdere den tidsmessige eksterne validiteten til klassifikatorene basert på opptakene fra 2022.
Studietype
Observasjonsmessig
Registrering (Faktiske)
11000
Kontakter og plasseringer
Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.
Studiesteder
-
-
Hubei
-
Wuhan, Hubei, Kina, 430060
- Renmin Hospital of Wuhan 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
- Voksen
Tar imot friske frivillige
Ja
Prøvetakingsmetode
Ikke-sannsynlighetsprøve
Studiepopulasjon
Studiepopulasjonen vi hentet ut i denne studien var fra avdeling for gastroenterologi, avdeling for onkologi, etc.
Mer spesifikt var det to hovedkilder for studiedeltakerne: noen individer inkludert i vår studie hadde relevante symptomer (som kroniske magesmerter, endret avføringsvaner, uforklarlig vekttap, hematochezia), og de fikk koloskopiundersøkelse etter råd fra lege, mens noen enkeltpersoner kommer til sykehuset bare for en omfattende fysisk undersøkelse (de fysiske undersøkelseselementene inkluderer koloskopi).
Beskrivelse
Inklusjonskriterier:
- Nylig diagnostisert med CRC (YOCRC-gruppen)
- Alder ved 18-49 år ved diagnose (YOCRC-gruppe)
- Har aldri mottatt noen CRC-relatert behandling (YOCRC-gruppen)
- Ingen CRC bekreftet av koloskopi eller patologi (ikke-YOCRC-gruppe)
- Alder 18–49 (ikke-YOCRC-gruppe)
Ekskluderingskriterier:
- Sykehusopphold mindre enn 24 timer eller med ufullstendig fullstendig blodtall
- Pasienter med inflammatorisk tarmsykdom eller arvelige CRC-syndromer
- Anamnese med andre typer primær ondartet svulst og andre årsaker som gjorde dem uegnet for registrering
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 |
|---|---|
|
Pasienter med ung-debutert tykktarmskreft
Pasienter ble diagnostisert med ung-debut kolorektal kreft etter å ha mottatt koloskopiundersøkelse.
|
Denne studien brukte kliniske data og maskinlæringsmodell for å screene tykktarmskreft med unge utbrudd.
|
|
Pasienter uten ung-debutert tykktarmskreft
Pasienter ble utelukket ung-debutert kolorektal kreft etter å ha mottatt koloskopiundersøkelse.
|
Denne studien brukte kliniske data og maskinlæringsmodell for å screene tykktarmskreft med unge utbrudd.
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Ytelsen til screeningmodeller for maskinlæring
Tidsramme: gjennom studiegjennomføring, gjennomsnittlig 1 år
|
Ytelsen til screeningmodeller for kolorektalkreft med unge begynnelse vil bli vurdert ved å beregne arealet under mottakeroperasjonskarakteristikken (ROC) kurven (AUC), nøyaktighet, tilbakekalling, spesifisitet, negativ prediktiv verdi (NPV), positiv prediktiv verdi (PPV, eller kalt Precision).
|
gjennom studiegjennomføring, gjennomsnittlig 1 år
|
Samarbeidspartnere og etterforskere
Det er her du vil finne personer og organisasjoner som er involvert i denne studien.
Etterforskere
- Studiestol: Dong Weiguo, PhD, Renmin Hospital of Wuhan University
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)
1. desember 2023
Primær fullføring (Faktiske)
10. januar 2024
Studiet fullført (Faktiske)
25. januar 2024
Datoer for studieregistrering
Først innsendt
15. mars 2024
Først innsendt som oppfylte QC-kriteriene
28. mars 2024
Først lagt ut (Faktiske)
2. april 2024
Oppdateringer av studieposter
Sist oppdatering lagt ut (Faktiske)
2. april 2024
Siste oppdatering sendt inn som oppfylte QC-kriteriene
28. mars 2024
Sist bekreftet
1. januar 2024
Mer informasjon
Begreper knyttet til denne studien
Ytterligere relevante MeSH-vilkår
Andre studie-ID-numre
- Weiguo Dong
Plan for individuelle deltakerdata (IPD)
Planlegger du å dele individuelle deltakerdata (IPD)?
UBESLUTTE
IPD-planbeskrivelse
Involverer informasjon om pasientens personvern
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. .