ML beslutningsmodell for G-NEC adjuvant terapi (G-NEC)
Maskinlæringsbasert beslutningsmodell for optimal adjuvant terapi ved primært gastrisk nevroendokrint karsinom: en nasjonal evidensstudie fra den virkelige verden
Gastrisk nevroendokrint karsinom (G-NEC) er en sjelden og aggressiv svulst som stammer fra nevroendokrine celler i mageslimhinnen. Det er preget av høy tilbøyelighet til residiv og en generelt dårlig prognose. På grunn av dens sjeldenhet er det begrenset med data og ingen etablert konsensus om den optimale postoperative adjuvante terapien, noe som gjør behandlingsbeslutninger utfordrende for helsepersonell.
Denne studien er en retrospektiv analyse som fokuserer på å evaluere overlevelsesrater, identifisere prognostiske faktorer og formulere behandlingsanbefalinger for pasienter med G-NEC. Ved å analysere kliniske data fra den virkelige verden, tar vi sikte på å bedre forstå faktorene som påvirker pasientresultater og å utvikle evidensbaserte strategier for å forbedre overlevelse. Målet vårt er å gi klinikere verdifull innsikt og verktøy for å ta mer informerte behandlingsbeslutninger, og til slutt forbedre kvaliteten på behandlingen og resultatene for pasienter med denne utfordrende sykdommen.
Studieoversikt
Status
Studietype
Registrering (Faktiske)
Kontakter og plasseringer
Studiesteder
-
-
Fujian
-
Fuzhou, Fujian, Kina, 350001
- Fujian Medical University
-
-
Deltakelseskriterier
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
- Barn
- Voksen
- Eldre voksen
Tar imot friske frivillige
Prøvetakingsmetode
Studiepopulasjon
Beskrivelse
Inkluderingskriterier:
- (1) pasienter som gjennomgikk radikal kirurgi uten noen neoadjuvant terapi;
- (2) patologi bekreftet NEC eller blandet adenoneuroendokrint karsinom (MANEC).
Ekskluderingskriterier:
- (1) historie med andre ondartede neoplasmer;
- (2) behandling med endoskopisk submukosal disseksjon eller endoskopisk mukosal reseksjon eller torakotomi;
- (3) ufullstendige kliniske data (inkludert patologisk, adjuvant kjemoterapi og oppfølgingsinformasjon);
- (4) mottak av alternative adjuvante behandlingsregimer;
- (5) død innen 30 dager postoperativt.
Studieplan
Hvordan er studiet utformet?
Designdetaljer
Kohorter og intervensjoner
Gruppe / Kohort |
|---|
|
Gastrisk nevroendokrint karsinom (G-NEC) pasienter
Denne studien fokuserer på pasienter diagnostisert med gastrisk nevroendokrint karsinom (G-NEC) som har gjennomgått radikal kirurgi.
Kohorten inkluderer voksne pasienter (≥18 år) behandlet ved 38 tertiærsykehus i Kina mellom januar 2006 og desember 2020.
Pasientene deles inn i tre grupper basert på deres postoperative adjuvante behandling: ingen adjuvant kjemoterapi, etoposid- og platinaderivatbasert kjemoterapi og fluorouracilbasert kjemoterapi.
Studien tar sikte på å utvikle og validere en maskinlæringsbasert beslutningsstøttemodell for å optimalisere individualiserte adjuvante terapistrategier for G-NEC-pasienter, med det primære resultatet som sykdomsfri overlevelse (DFS).
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Sykdomsfri overlevelse (DFS)
Tidsramme: Fra operasjonsdato opp til 5 år
|
Sykdomsfri overlevelse er definert som tiden fra operasjonsdatoen til tilbakefall av sykdommen, død uansett årsak eller siste oppfølging, avhengig av hva som inntreffer først.
Maskinlæringsmodellens ytelse i å forutsi DFS og anbefale optimal adjuvant terapi vil bli evaluert.
|
Fra operasjonsdato opp til 5 år
|
Samarbeidspartnere og etterforskere
Sponsor
Studierekorddatoer
Studer hoveddatoer
Studiestart (Faktiske)
Primær fullføring (Faktiske)
Studiet fullført (Faktiske)
Datoer for studieregistrering
Først innsendt
Først innsendt som oppfylte QC-kriteriene
Først lagt ut (Faktiske)
Oppdateringer av studieposter
Sist oppdatering lagt ut (Antatt)
Siste oppdatering sendt inn som oppfylte QC-kriteriene
Sist bekreftet
Mer informasjon
Begreper knyttet til denne studien
Nøkkelord
Ytterligere relevante MeSH-vilkår
Andre studie-ID-numre
- 2024GNEC
Plan for individuelle deltakerdata (IPD)
Planlegger du å dele individuelle deltakerdata (IPD)?
IPD-planbeskrivelse
Pasientens personvern: Siden denne studien involverer sensitiv medisinsk informasjon, må vi sørge for at enhver datadelingsplan overholder alle relevante personvernlover og -forskrifter.
Etiske vurderinger: Vi rådfører oss med vår etiske komité for å bestemme den mest hensiktsmessige tilnærmingen til datadeling som respekterer pasientens samtykke og opprettholder integriteten til forskningen.
Datastandardisering: Gitt multisenterkarakteren til denne studien, jobber vi med å standardisere datainnsamlings- og lagringsprosessene våre på tvers av alle 38 deltakende sykehus for å sikre konsistens og kvalitet på potensielt delte data.
Samarbeidspotensial: Vi anerkjenner verdien av datadeling for å fremme forskning på gastrisk nevroendokrine karsinomer og utforsker potensielle samarbeid med andre forskningsgrupper.
Ressursallokering: Vi vurderer ressursene som kreves for å forberede dataene for deling, inkludert avidentifikasjonsprosesser og opprettelse av dataordbøker.
Legemiddel- og utstyrsinformasjon, studiedokumenter
Studerer et amerikansk FDA-regulert medikamentprodukt
Studerer et amerikansk FDA-regulert enhetsprodukt
produkt produsert i og eksportert fra USA
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. .