Ta strona została przetłumaczona automatycznie i dokładność tłumaczenia nie jest gwarantowana. Proszę odnieść się do angielska wersja za tekst źródłowy.

Wspomagane sztuczną inteligencją podejmowanie decyzji dotyczących reoperacji z powodu krwawienia pooperacyjnego raka żołądka

7 kwietnia 2026 zaktualizowane przez: First Affiliated Hospital of Zhejiang University

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

Rekrutacyjny

Warunki

Szczegółowy opis

To badanie wykorzystuje projekt hybrydowy, zbierając zarówno dane retrospektywne, jak i prospektywne.

Typ studiów

Obserwacyjny

Zapisy (Szacowany)

7000

Kontakty i lokalizacje

Ta sekcja zawiera dane kontaktowe osób prowadzących badanie oraz informacje o tym, gdzie badanie jest przeprowadzane.

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:

Kryteria uczestnictwa

Badacze szukają osób, które pasują do określonego opisu, zwanego kryteriami kwalifikacyjnymi. Niektóre przykłady tych kryteriów to ogólny stan zdrowia danej osoby lub wcześniejsze leczenie.

Kryteria kwalifikacji

Wiek uprawniający do nauki

  • Dorosły
  • Starszy dorosły

Akceptuje zdrowych ochotników

Nie

Metoda próbkowania

Próbka bez prawdopodobieństwa

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:

  1. Wiek: Pacjenci w wieku ≥ 18 lat.
  2. Rozpoznanie: Histologicznie potwierdzony pierwotny rak żołądka.
  3. Procedura chirurgiczna: Przeprowadzono radykalną gastrektomię (w tym proksymalną, dystalną lub całkowitą gastrektomię).
  4. Zgoda: Dostarczenie pisemnej świadomej zgody (wymagane szczególnie dla fazy prospektywnej).
  5. Kompletność danych: Dostępność pełnych danych klinicznych przedoperacyjnych oraz dokumentacji z obserwacji pooperacyjnej obejmującej co najmniej pierwsze 15 dni po operacji.
  6. Historia onkologiczna: Brak historii innych pierwotnych nowotworów złośliwych.

Kryteria wykluczenia:

  1. Typ operacji: Pacjenci, u których przeprowadzono nieradykalną resekcję lub operację w trybie nagłym.
  2. Jakość danych: Brakujące dane w kluczowych polach przekraczają 20%.
  3. Stan przedoperacyjny: Obecność ciężkiego zakażenia przedoperacyjnego lub niewydolności narządowej.
  4. Przestrzeganie obserwacji: Niechęć do udziału w prospektywnej obserwacji lub niemożność realizacji harmonogramu obserwacji (dotyczy tylko fazy prospektywnej).

Plan studiów

Ta sekcja zawiera szczegółowe informacje na temat planu badania, w tym sposób zaprojektowania badania i jego pomiary.

Jak projektuje się badanie?

Szczegóły projektu

Kohorty i interwencje

Grupa / 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

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

Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.

Sponsor

Współpracownicy

Śledczy

  • Krzesło do nauki: Jichao Qin, M.D., Zhejiang University

Daty zapisu na studia

Daty te śledzą postęp w przesyłaniu rekordów badań i podsumowań wyników do ClinicalTrials.gov. Zapisy badań i zgłoszone wyniki są przeglądane przez National Library of Medicine (NLM), aby upewnić się, że spełniają określone standardy kontroli jakości, zanim zostaną opublikowane na publicznej stronie internetowej.

Główne daty studiów

Rozpoczęcie studiów (Szacowany)

10 kwietnia 2026

Zakończenie podstawowe (Szacowany)

31 grudnia 2027

Ukończenie studiów (Szacowany)

31 stycznia 2028

Daty rejestracji na studia

Pierwszy przesłany

10 marca 2026

Pierwszy przesłany, który spełnia kryteria kontroli jakości

7 kwietnia 2026

Pierwszy wysłany (Rzeczywisty)

13 kwietnia 2026

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (Rzeczywisty)

13 kwietnia 2026

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

7 kwietnia 2026

Ostatnia weryfikacja

1 marca 2026

Więcej informacji

Terminy związane z tym badaniem

Inne numery identyfikacyjne badania

  • IIT20260161B

Plan dla danych uczestnika indywidualnego (IPD)

Planujesz udostępniać dane poszczególnych uczestników (IPD)?

NIE

Informacje o lekach i urządzeniach, dokumenty badawcze

Bada produkt leczniczy regulowany przez amerykańską FDA

Nie

Bada produkt urządzenia regulowany przez amerykańską FDA

Nie

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 .