Den CT-baserte dype læringsmodellen forutsier komplikasjoner i delvis nefrektomi
12. mars 2025 oppdatert av: Du Lingzhi
Den CT-baserte dype læringsmodellen overgår tradisjonelle anatomiske klassifiseringsmodeller i preoperativt å forutsi komplikasjoner og risikokvalitet i delvis nefrektomi
Etterforskerne kombinerer radiomikk og dyp læring for å analysere lesjonene grundigere, og sikter mot en mer nøyaktig prediksjon av komplikasjoner i delvis nefrektomi, og sammenligner denne tilnærmingen med tradisjonelle modeller.
Studieoversikt
Status
Fullført
Forhold
Detaljert beskrivelse
I denne studien ble pasienter som fikk diagnosen nyrecellekarsinom eller nyrecyste som gjennomgikk delvis nefrektomi over flere sentre inkludert.
Og deltakerne ble ekskludert hvis de hadde (a) manglende eller utilgjengelige avbildningsdata eller (b) ingen tilgjengelige forbedrede CT -bilder.
Kohorten ble delt inn i trenings- og testsett i et forhold på 7: 3.
Etter det ble radiomikkfunksjonene trukket ut fra bildene, og Lasso -regresjon ble brukt til å velge funksjoner.
Da ble en dyp læringsmodell utviklet for å forutsi komplikasjoner og risikokarakterer og sammenlignet med tradisjonelle klassifiseringsmodeller (nyre og PADUA), noe som demonstrerer overlegen anvendbarhet.
Studietype
Observasjonsmessig
Registrering (Faktiske)
1474
Kontakter og plasseringer
Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.
Studiesteder
-
-
Xuhui District
-
Shanghai, Xuhui District, Kina, 200032
- Name: Zhongshan Hospital Fudan University, Location: 180th Fenglin Road, Xuhui District, Shanghai, China
-
-
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
Prøvetakingsmetode
Ikke-sannsynlighetsprøve
Studiepopulasjon
Studiepopulasjonen inkluderer pasienter som er diagnostisert med nyrecellekarsinom eller nyrecyste som gjennomgikk delvis nefrektomi i de deltagte sentrene. Kliniske og avbildningsdata ble retrospektivt samlet inn fra medisinske poster, inkludert demografiske egenskaper (alder, kjønn, BMI), tumorplassering (venstre eller høyre nyre), kirurgiske detaljer (kirurgisk tilnærming, iskemidid) og perioperative komplikasjoner.
Pasientene ble inkludert basert på tilgjengeligheten av komplette kliniske, kirurgiske og avbildningsdata. Eksklusjonskriterier omfattet individer med manglende eller utilgjengelige avbildningsdata, eller ingen tilgjengelige forbedrede CT -bilder. Studien tar sikte på å kombinere CT-baserte radiomikkfunksjoner og kliniske funksjoner for å utvikle en dyp læringsmodell for å forutsi perioperative komplikasjoner av delvis nefrektomi, og sammenligne med tradisjonelle anatomiske klassifiseringsmodeller.
Beskrivelse
Inkluderingskriterier:
- Klinisk diagnose av nyrecellekarsinom eller nyrecyste
- Gjennomgikk delvis nefrektomi mellom juni 2014 og juli 2024
Eksklusjonskriterier:
- Manglende eller utilgjengelige avbildningsdata
- Ingen tilgjengelige forbedrede CT -bilder
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 |
|---|
|
Komplikasjon 1
Pasienter som opplevde perioperative komplikasjoner under delvis nefrektomi
|
|
Komplikasjon 0
Pasienter som ikke opplevde perioperative komplikasjoner under delvis nefrektomi
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
om komplikasjoner skjedde
Tidsramme: perioperativt
|
Retrospektivt gjennomgå det medisinske journalsystemet for å avgjøre om pasienter utviklet postoperative komplikasjoner.
|
perioperativt
|
Sekundære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Pasientenes risikograd
Tidsramme: perioperativt
|
Basert på det allment anerkjente Clavien-Dindo Classification (CDC) -systemet for kirurgiske komplikasjoner, ble disse komplikasjonene kategorisert i fire karakterer: grad I, II, III og IV.
Risikokvalitet ble tildelt tilsvarende: "Ingen risiko" er definert som ingen komplikasjoner oppstod, "Grade Low" er definert som det høyeste komplikasjonsnivået som grad I, "karakterenerat" er definert som det høyeste komplikasjonsnivået som grad II, og "karakterhøy" er definert som komplikasjoner av grad III eller høyere, som er livstruende.
|
perioperativt
|
Samarbeidspartnere og etterforskere
Det er her du vil finne personer og organisasjoner som er involvert i denne studien.
Sponsor
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. juni 2024
Primær fullføring (Faktiske)
31. desember 2024
Studiet fullført (Faktiske)
28. februar 2025
Datoer for studieregistrering
Først innsendt
8. mars 2025
Først innsendt som oppfylte QC-kriteriene
12. mars 2025
Først lagt ut (Faktiske)
25. mars 2025
Oppdateringer av studieposter
Sist oppdatering lagt ut (Faktiske)
25. mars 2025
Siste oppdatering sendt inn som oppfylte QC-kriteriene
12. mars 2025
Sist bekreftet
1. mars 2025
Mer informasjon
Begreper knyttet til denne studien
Nøkkelord
Ytterligere relevante MeSH-vilkår
- Urogenitale sykdommer
- Urogenitale neoplasmer
- Neoplasmer etter nettsted
- Neoplasmer
- Mannlige urogenitale sykdommer
- Nyresykdommer
- Urologiske sykdommer
- Kvinnelige urogenitale sykdommer
- Kvinnelige urogenitale sykdommer og graviditetskomplikasjoner
- Neoplasmer etter histologisk type
- Neoplasmer, kjertel og epitel
- Adenokarsinom
- Urologiske neoplasmer
- Karsinom
- Nyre-neoplasmer
- Karsinom, nyrecelle
Andre studie-ID-numre
- zsurologyDLMforPNcomplication
Plan for individuelle deltakerdata (IPD)
Planlegger du å dele individuelle deltakerdata (IPD)?
JA
IPD-planbeskrivelse
Kliniske data og ekstraherte radiomics har data, unntatt pasientinformasjon.
IPD-delingstidsramme
Innen seks måneder etter publisering i tidsskriftet.
Tilgangskriterier for IPD-deling
Dataene som støtter denne studien er tilgjengelige fra de påmeldte institusjonene, men begrensningene gjelder tilgjengeligheten deres på grunn av personverngrunner.
Data kan nås ved rimelig forespørsel fra den tilsvarende forfatteren.
IPD-deling Støtteinformasjonstype
- STUDY_PROTOCOL
Legemiddel- og utstyrsinformasjon, studiedokumenter
Studerer et amerikansk FDA-regulert medikamentprodukt
Nei
Studerer et amerikansk FDA-regulert enhetsprodukt
Nei
produkt produsert i og eksportert fra USA
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. .