Wspomagane sztuczną inteligencją podejmowanie decyzji dotyczących reoperacji z powodu krwawienia pooperacyjnego raka żołądka
Wieloośrodkowe badanie obserwacyjne mające na celu opracowanie i walidację modelu głębokiego uczenia maszynowego do dynamicznej oceny ryzyka krwawienia pooperacyjnego w celu wsparcia podejmowania decyzji o reoperacji u pacjentów z rakiem żołądka
Celem tego badania obserwacyjnego jest opracowanie i walidacja modelu głębokiego uczenia do dynamicznej oceny ryzyka krwawienia pooperacyjnego oraz wspomagania podejmowania decyzji o reoperacji u dorosłych pacjentów (≥18 lat) z rozpoznanym pierwotnym rakiem żołądka poddawanych radykalnej gastrektomii. Główne pytanie[a], na które ma odpowiedzieć [to/jest]:
Czy model AI oparty na okołooperacyjnych dynamicznych parametrach fizjologicznych i precyzyjnej śródoperacyjnej utracie krwi może dokładnie przewidzieć ryzyko krwawienia pooperacyjnego wymagającego reoperacji? Czy zastosowanie tego modelu AI poprawia podejmowanie decyzji klinicznych (np. wcześniejszy czas ostrzegania, optymalny czas interwencji) i wyniki pacjentów (np. śmiertelność, długość pobytu)? Ponieważ nie ma grupy porównawczej (jest to czyste badanie obserwacyjne bez ram interwencji), badacze nie będą porównywać różnych grup leczenia. Zamiast tego badacze ocenią wydajność modelu (czułość, ujemną wartość predykcyjną, AUC, kalibrację) przy użyciu danych retrospektywnych do treningu i prospektywnych danych wieloośrodkowych do walidacji zewnętrznej.
Uczestnicy będą:
Podlegać standardowej radykalnej gastrektomii i rutynowej opiece pooperacyjnej zgodnie z praktyką kliniczną (bez interwencji specyficznych dla badania).
Mieć zbierane dane okołooperacyjne, w tym dane demograficzne, historię medyczną, parametry życiowe, badania laboratoryjne (gazometria krwi), szczegóły chirurgiczne i precyzyjne pomiary śródoperacyjnej utraty krwi.
(Tylko dla uczestników prospektywnych) Wyrazić świadomą zgodę i wypełnić oceny kontrolne do 30 dni po operacji.
Przegląd badań
Status
Status
Warunki
Warunki
Szczegółowy opis
Typ studiów
Typ studiów
Zapisy (Szacowany)
Zapisy
Kontakty i lokalizacje
Kontakt w sprawie studiów
Kontakt w sprawie studiów
- Nazwa: Jianghao Li, B.S. in Computer Science
- Numer telefonu: 86+15968774033
- E-mail: 12518934@zju.edu.cn
Lokalizacje studiów
-
-
Zhejiang
-
Hangzhou, Zhejiang, Chiny, 330100
- Rekrutacyjny
- The First Affiliated Hospital, Zhejiang University School of Medicine Yuhang Campus
-
Kontakt:
- Gastroenterological Surgery
- Numer telefonu: 86+0571-87235877
- E-mail: 12518934@zju.edu.cn
-
-
Kryteria uczestnictwa
Kryteria kwalifikacji
Kryteria kwalifikacji
Wiek uprawniający do nauki
- Dorosły
- Starszy dorosły
Akceptuje zdrowych ochotników
Metoda próbkowania
Badana populacja
To badanie obejmuje dorosłych (≥18 lat) z potwierdzonym pierwotnym rakiem żołądka poddawanych planowej radykalnej gastrektomii (bliższej/dalszej/całkowitej) z limfadenektomią D1+/D2 w [Centrum]. Kohorta obejmuje ramię retrospektywne ([2015.6]-[2026.2]) i prospektywne ([2026.3]-obecnie). Wykluczono nagłe, paliatywne lub wielonarządowe resekcje w celu zapewnienia jednorodności.
Badacze przewidują włączenie 7000 pacjentów. Pierwszorzędowym punktem końcowym jest pooperacyjne krwawienie wymagające ponownej interwencji chirurgicznej w ciągu 30 dni. Szacowana częstość występowania wynosi 0,5%-2,0%. Aby zaradzić tej nierównowadze klas, model AI zastosuje stratyfikowane próbkowanie i uczenie wrażliwe na koszt. Ta populacja reprezentuje standardowych kandydatów do operacji radykalnej w ośrodkach trzeciego stopnia referencyjności. Wykluczając skrajne przypadki, model jest zoptymalizowany do stratyfikacji ryzyka w rutynowych planowych warunkach, gdzie wczesne ostrzeżenia zapobiegają katastrofalnym skutkom. Dane prospektywne zweryfikują możliwość uogólniania w czasie rzeczywistym.
Opis
Kryteria włączenia:
- Wiek: Pacjenci w wieku ≥ 18 lat.
- Rozpoznanie: Histologicznie potwierdzony pierwotny rak żołądka.
- Procedura chirurgiczna: Przeprowadzono radykalną gastrektomię (w tym proksymalną, dystalną lub całkowitą gastrektomię).
- Zgoda: Dostarczenie pisemnej świadomej zgody (wymagane szczególnie dla fazy prospektywnej).
- Kompletność danych: Dostępność pełnych danych klinicznych przedoperacyjnych oraz dokumentacji z obserwacji pooperacyjnej obejmującej co najmniej pierwsze 15 dni po operacji.
- Historia onkologiczna: Brak historii innych pierwotnych nowotworów złośliwych.
Kryteria wykluczenia:
- Typ operacji: Pacjenci, u których przeprowadzono nieradykalną resekcję lub operację w trybie nagłym.
- Jakość danych: Brakujące dane w kluczowych polach przekraczają 20%.
- Stan przedoperacyjny: Obecność ciężkiego zakażenia przedoperacyjnego lub niewydolności narządowej.
- Przestrzeganie obserwacji: Niechęć do udziału w prospektywnej obserwacji lub niemożność realizacji harmonogramu obserwacji (dotyczy tylko fazy prospektywnej).
Plan studiów
Jak projektuje się badanie?
Szczegóły projektu
Liczba grup / kohort
Kohorty i interwencje
Grupa / KohortaGrupa / Kohorta |
|---|
|
Zbiór treningowy (kierowany przez głównego badacza)
Główna część danych retrospektywnych do konstrukcji modelu, uczenia parametrów, bez interwencji
|
|
Zbiór walidacyjny (pod kierownictwem Głównego Badacza)
Pozostała część danych retrospektywnych do strojenia hiperparametrów w celu zapobiegania przeuczeniu, bez interwencji
|
|
Zewnętrzny zestaw walidacyjny (przeprowadzony przez innych badaczy)
Prosperektywnie zebrane dane do końcowej oceny skuteczności, bez interwencji
|
Co mierzy badanie?
Podstawowe miary wyniku
Podstawowe miary wyniku
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
wydajność predykcyjna modelu głębokiego uczenia w identyfikacji pacjentów z wysokim ryzykiem krwawienia pooperacyjnego wymagającego ponownej operacji
Ramy czasowe: Pierwszorzędowym punktem końcowym jest AUC-ROC modelu w przewidywaniu krwawienia pooperacyjnego wymagającego reoperacji w ciągu 30 dni po zabiegu
|
Obszar pod krzywą charakterystyki pracy odbiornika (AUC-ROC) modelu sztucznej inteligencji do przewidywania krwawienia pooperacyjnego wymagającego ponownej operacji w zewnętrznej kohorcie walidacyjnej.
|
Pierwszorzędowym punktem końcowym jest AUC-ROC modelu w przewidywaniu krwawienia pooperacyjnego wymagającego reoperacji w ciągu 30 dni po zabiegu
|
Współpracownicy i badacze
Sponsor
Sponsor
Współpracownicy
Współpracownicy
Śledczy
Śledczy
- Krzesło do nauki: Jichao Qin, M.D., Zhejiang University
Daty zapisu na studia
Główne daty studiów
Rozpoczęcie studiów (Szacowany)
Rozpoczęcie studiów
Zakończenie podstawowe (Szacowany)
Zakończenie podstawowe
Ukończenie studiów (Szacowany)
Ukończenie studiów
Daty rejestracji na studia
Pierwszy przesłany
Pierwszy przesłany
Pierwszy przesłany, który spełnia kryteria kontroli jakości
Pierwszy przesłany, który spełnia kryteria kontroli jakości
Pierwszy wysłany (Rzeczywisty)
Pierwszy wysłany
Aktualizacje rekordów badań
Ostatnia wysłana aktualizacja (Rzeczywisty)
Ostatnia wysłana aktualizacja
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
Ostatnia weryfikacja
Ostatnia weryfikacja
Więcej informacji
Terminy związane z tym badaniem
Dodatkowe istotne warunki MeSH
Inne numery identyfikacyjne badania
Inne numery identyfikacyjne badania
- IIT20260161B
Plan dla danych uczestnika indywidualnego (IPD)
Planujesz udostępniać dane poszczególnych uczestników (IPD)?
Informacje o lekach i urządzeniach, dokumenty badawcze
Bada produkt leczniczy regulowany przez amerykańską FDA
Bada produkt urządzenia regulowany przez amerykańską FDA
Te informacje zostały pobrane bezpośrednio ze strony internetowej clinicaltrials.gov bez żadnych zmian. Jeśli chcesz zmienić, usunąć lub zaktualizować dane swojego badania, skontaktuj się z register@clinicaltrials.gov. Gdy tylko zmiana zostanie wprowadzona na stronie clinicaltrials.gov, zostanie ona automatycznie zaktualizowana również na naszej stronie internetowej .