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

Wczesne wykrywanie raka płuca dzięki uczeniu maszynowemu w oparciu o rutynowe badania kliniczne

8 czerwca 2023 zaktualizowane przez: Aleš Rozman, The University Clinic of Pulmonary and Allergic Diseases Golnik
To obserwacyjne, przekrojowe badanie z udziałem pacjentów z rakiem płuc i osób z grupy kontrolnej bez raka płuc ma na celu opracowanie modelu uczenia maszynowego do wczesnego wykrywania LC w oparciu o rutynowe, szeroko dostępne i minimalnie inwazyjne badania kliniczne. Model o odpowiedniej wydajności predykcyjnej może być później wykorzystany w praktyce klinicznej jako pomoc w określeniu optymalnej populacji i czasu programu badań przesiewowych w kierunku raka płuc.

Przegląd badań

Typ studiów

Obserwacyjny

Zapisy (Szacowany)

7500

Kontakty i lokalizacje

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

Lokalizacje studiów

      • Golnik, Słowenia, 4204
        • University Clinic of Respiratory and Allergic Diseases Golnik
        • Kontakt:
        • Główny śledczy:
          • Mitja Prah, MD
      • Ljubljana, Słowenia, 1000
        • Jozef Stefan Institute
        • Kontakt:
        • Główny śledczy:
          • Mitja Luštrek, PhD

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

Tak

Metoda próbkowania

Próbka prawdopodobieństwa

Badana populacja

Badanie obejmie dorosłych czynnych lub byłych palaczy, u których występuje wysokie ryzyko zachorowania na raka płuc i którzy zostaną uznani za odpowiednich kandydatów do badań przesiewowych w kierunku raka płuc. Badanie skupi się na pacjentach z potwierdzonym rakiem oskrzelowo-pochodnym płuca.

Opis

Wszyscy pacjenci:

  • Wiek ≥ 50 lat i < 80 lat w dniu indeksowania diagnozy (dla przypadków) lub pseudodiagnozy (dla kontroli).
  • Obecność co najmniej jednego rozszerzonego raportu z analizy krwi, spirometrii i DLCO w ciągu 6 miesięcy przed datą indeksacji.
  • Tomografia komputerowa klatki piersiowej wykonana w trybie niepilnym (wybiórczo) w ciągu 6 miesięcy przed datą indeksacji (= tomografia komputerowa).
  • Aktywni palacze w dniu indeksu lub byli palacze, którzy rzucili palenie w ciągu 15 lat przed datą indeksu.
  • Historia palenia ≥ 20 paczkolat.

Dodatkowe tylko dla przypadków: Potwierdzone rozpoznanie histologiczne raka płuc pochodzenia oskrzelowego w okresie ≥ 2010 i ≤ 2020.

Dodatkowe tylko dla kontroli:

  • Brak raka płuc przez cały czas ≤ 2020 r., potwierdzony tomografią komputerową klatki piersiowej w dniu indeksacji.
  • Udokumentowane życie bez diagnozy raka płuc przez co najmniej 3 lata od daty indeksu.

Rozszerzone kryteria dla podgrupy predykcji raka płuca:

Oprócz podanych powyżej kryteriów włączenia, pacjenci w tej podgrupie mają dostępne co najmniej jedno rozszerzone badanie krwi, spirometrię i raport DLCO w przedziale czasowym od 3 do 5 lat przed datą indeksu.

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
Interwencja / Leczenie
Kohorta choroby
Obserwacja, brak interwencji
Brak interwencji.
Kohorta kontrolna
Obserwacja, brak interwencji
Brak interwencji.

Co mierzy badanie?

Podstawowe miary wyniku

Miara wyniku
Opis środka
Ramy czasowe
Opracowanie modelu o wysokiej wydajności predykcyjnej do wczesnego wykrywania niedrobnokomórkowego raka płuca (NSCLC) w kwalifikującej się populacji pacjentów.
Ramy czasowe: 11 lat
Główny wynik jest testowany poprzez obliczenie wspólnego prostokątnego obszaru ufności 95% dla {czułości, swoistości} i porównywany z podaną dokładnością kryteriów przesiewowych badania NLST.
11 lat

Miary wyników drugorzędnych

Miara wyniku
Ramy czasowe
Wykazać, że nowo opracowany model osiąga wyższą dokładność przewidywania niż dobrze zweryfikowany model PLCOm2012.
Ramy czasowe: 11 lat
11 lat

Inne miary wyników

Miara wyniku
Ramy czasowe
Opracowanie modelu o wysokiej wydajności predykcyjnej do wczesnego wykrywania drobnokomórkowego raka płuca (SCLC) w kwalifikującej się populacji pacjentów.
Ramy czasowe: 11 lat
11 lat
Opracować model przewidywania raka płuc w okresie, w którym nadal jest bardzo mało prawdopodobne, aby choroba była wykrywalna klinicznie, w podgrupie pacjentów spełniających rozszerzone kryteria kwalifikacyjne.
Ramy czasowe: 11 lat
11 lat
Zidentyfikuj cechy o najwyższej sile dyskryminacyjnej w przewidywaniu i wczesnym wykrywaniu raka płuc.
Ramy czasowe: 11 lat
11 lat
Zidentyfikuj cechy o najwyższej sile dyskryminacyjnej, aby rozróżnić pacjentów z rakiem płuca w stadium I-II i stadium III-IV.
Ramy czasowe: 11 lat
11 lat

Współpracownicy i badacze

Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.

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)

1 września 2023

Zakończenie podstawowe (Szacowany)

1 września 2024

Ukończenie studiów (Szacowany)

1 września 2024

Daty rejestracji na studia

Pierwszy przesłany

8 czerwca 2023

Pierwszy przesłany, który spełnia kryteria kontroli jakości

8 czerwca 2023

Pierwszy wysłany (Szacowany)

16 czerwca 2023

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (Szacowany)

16 czerwca 2023

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

8 czerwca 2023

Ostatnia weryfikacja

1 czerwca 2023

Więcej informacji

Terminy związane z tym badaniem

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 .

Subskrybuj