Wartość prognostyczna sieci neurometabolicznych w CRC (PVNM-CRC) (PVNM-CRC)

Tabela Spis treści 1.0 Podsumowanie próby 2.0 Projekt próby 2.1 Projekt próby 2.1 Schemat próbny 3.0 Cel (S) i hipoteza (ES) 3.1 Cel pierwotny (S) i hipoteza (ES) 3.2 Cel wtórny i hipoteza (ES) 4.0 Tło i racjonalnie 4.1 Tło 4.2 Racjonarstwo 4.2.1 Uzasadnienie dla badania 4.2.2 Uzasadnienie dla punktów końcowych 5.0 Metodologia 5.1 Kryteria wejścia 5.1.1 Diagnoza/warunek wejścia do badania 5.1.2 Kryteria włączenia przedmiotu 5.1.3 Kryteria wykluczenia przedmiotu 5.1.4 Kryteria wycofania/przerwania przedmiotu 5.2 Dane demograficzne i cechy podstawowe Zbieranie 5.3 Zbieranie danych obrazowania i proces 5.3.1 Zbieranie obrazowania i anonimowania PET/CT 5.3.2 Kontrola jakości obrazowania PET/CT 5.3.3 PET/CT IMATING ANOTACJA 6.0 Procedury próbne 7.0 Analiza statystyczna 7.1 Plan analizy statystycznej Podsumowanie 7.2 Hipotezy/oszacowanie 7.3 Analiza Populacja 7.4 Metody statystyczne Punkty końcowe 7.5 Metody statystyczne dla cech podstawowych i danych demograficznych 7.6 Obliczenia wielkości próby i obliczenia energii 8.0 ONFIDZENIA OF FIDETILIZACJA I DATY PLANING 8.1 Udostępnianie danych Dane 8.2 Plan 9.0 Sponsors i Collaborors 9. Współpracownicy 9.2 Odpowiedzialna strona/śledczy 9.3 Rola finansowania 9.4 Komitet Etyki

1.0 Podsumowanie próby Krótki tytuł: Wartość prognostyczna sieci neurometabolicznych w CRC (PVNM-CRC) Oficjalny tytuł: Badanie obserwacyjne dotyczące wartości prognostycznej sieci neurometabolicznych w badaniu Cance Rodzaj badań Cance: Ich obrazy w czasie obserwacyjnym: Prospektywne kontekst medyczny/Kontrostek medyczny: Condyk Obrazowanie i dane kliniczne zostaną odpowiednio gromadzone i analizowane. Dane zostaną zastosowane do modeli prognozowania w celu oceny rokowania. Grupy badawcze: Pacjenci zostaną rekrutowani do jednej grupy i otrzymają prognozę odpowiedzi odpowiednio przez cztery odrębne predyktory na podstawie wymaganych obrazów, które zostały wcześniej skonstruowane przez badaczy.

Rozmiar próbki: Około 213 pacjentów zostanie włączonych. Szacowany czas trwania: Około 12 miesięcy od czasu pierwszego pacjenta zapisał się do ostatniego pacjenta.

Miary wyniku: Pierwotne punkty końcowe: Obszar pod krzywą (AUC) Wtórne punkty końcowe: czułość, swoistość, wartość prognozy dodatniej (PPV), ujemna wartość przewidywania (NPV)

2.0 PROJEKT PROJEKTU 2.1 PROJEKT PROJEKTU Jest to prospektywne, obserwacyjne badanie kliniczne dotyczące walidacji modeli prognozowania opartych na sztucznej inteligencji (AI) do przewidywania prognozy dla raka jelita grubego (CRC). W szczególności badacze mają na celu zweryfikowanie dokładności prognozowania wskaźnika ryzyka mózgu choroby w ocenie raka żołądkowo-jelitowego (BRIDE) oraz czy przewyższa inne konwencjonalne modele prognozowania oparte na danych klinicznych.

Około 213 pacjentów zostanie prospektywnie zapisanych z pierwszego powiązanego szpitala Uniwersytetu Zhengohou do prospektywnego zestawu danych walidacyjnych. Wszyscy pacjenci wykonują diagnozę obrazowania PET/CT i biopsję patologiczną. Kwalifikowane obrazy sekwencji PET/CT zostaną zebrane i przesłane na platformę chmurową, w której regiony guza (ROI) zostaną adnotowane przez profesjonalny zespół radiologów. Dane obrazów zostaną wykorzystane do odrębnych modeli prognozowania w celu generowania etykiet prognozowych dla osób, które są ślepe zarówno dla uczestników, jak i lekarzy.

2.2 Schemat próbny

3.0 Cel ( -ów) i hipoteza (ES) 3.1 Podstawowy cel (S) i Hipoteza (ES)

(1) Cel 1: Oceń obszar pod krzywą (AUC) mostu w przewidywaniu całkowitego przeżycia (OS) u pacjentów z CRC.

Hipoteza (H1): Bridge osiąga AUC powyżej 0,80 w przewidywaniu OS dla pacjentów z CRC.

3.2 Cel wtórny i hipoteza (ES)

1. Cel 2: Porównaj AUC mostu z modelem prognozowania klinicznego w przewidywaniu statusu przeżycia u pacjentów z CRC. Hipoteza (H2): Most jest lepszy od modeli prognozowania klinicznego pod względem AUC w przewidywaniu OS pacjentów z CRC.
2. Cel 5: Oceń wrażliwość mostu w przewidywaniu OS pacjentów z CRC.
3. Cel 6: Oceń swoistość mostu w przewidywaniu OS pacjentów z CRC.
4. Cel 7: Oceń pozytywną wartość prognozowania (PPV) mostu w przewidywaniu OS pacjentów z CRC.
5. Cel 8: Oceń negatywną wartość prognozowania (NPV) mostu w przewidywaniu OS pacjentów z CRC.

4.0 Tło i uzasadnienie 4.1 Tło Rak jelita grubego (CRC), z corocznie zwiększającymi występowanie i śmiertelność na całym świecie, stał się drugą główną przyczyną śmierci związanej z rakiem. 1,2 Przewód żołądkowo -jelitowy (GI) zawiera złożony ekosystem z rozległymi interakcjami między normalnymi lub nowotworowymi komórkami nabłonkowymi z odpornościami, neuronalnymi i innymi komórek, a także mikroorganizmami i metabolitami w Lumenu jelit. 8 W szczególności zawiły związek między przewodem pokarmowym a ośrodkowym układem nerwowym (CNS), znanym zbiorowo jako oś mózgu, odgrywa kluczową rolę w patogenezie zaburzeń i nowotworów przewodu pokarmowego. 9 Na przykład przewlekły stres zwiększył ryzyko raka okrężnicy poprzez aktywację układu COX-2/PEG2 i promowanie rozprzestrzeniania się komórek nowotworowych poprzez przebudowę naczyń limfatycznych. 10,11 W dwukierunkowej komunikacji osi mózgu ogólnie stwierdza się, że neuroprzekaźniki, cytokiny zapalne, metabolity lub mikroflora jelitowa.12,13 Niemniej jednak światło reflektorów świeciło przede wszystkim na mechanizmach przesłuchu mózgu w eksperymentalnych modelach komórkowych lub zwierzęcych, przy mniejszej uwagi na strukturalne i funkcjonalne zmiany w sieciach mózgu na poziomie pacjenta.

Ewolucja funkcjonalnych metod neuroobrazowania i technologii neuronauki umożliwiła dokładne wyznaczenie aktywności CNS. W szczególności technologia obrazowania medycyny jądrowej z wykorzystaniem 2- [18F] fluoro-2-deoksy-d-glukozy ([18F] FDG) w celu przyjęcia informacji o obrazowaniu całego ciała jest optymalną metodą badania regionalnego metabolizmu ludzkiego mózgu i powiązań z zaburzeniami systemowymi.14. Wcześniej zidentyfikowaliśmy neuronalną osi dyssynchronizacji metabolicznej, która może dotyczyć głównych zdarzeń arytmicznych przy użyciu obrazowania perfuzji mięśnia sercowego i mózgu [18F] FDG pozytronowej tomografii emisyjnej (PET) .15. Biorąc pod uwagę potencjalne podwójne interakcje osi mózgu, identyfikacja określonych obszarów mózgu związanych z rozwojem CRC i postępem może prowadzić do lepszego zrozumienia neurobiologicznych podstaw choroby i informowania o rozwoju ukierunkowanych strategii terapeutycznych. Stąd badanie to było ustrukturyzowane w celu wyjaśnienia roli neuro-metabolizmu i jej potencjalnego mediatora w regulacji CRC i metalezji. Zagłębiając się w oś neurometaboliczne w CRC, powstałe mechanistyczne spostrzeżenia mogą zostać wykorzystane do identyfikacji biomarkerów diagnostycznych i prognostycznych oraz do opracowania nowych interwencji terapeutycznych dla pacjentów z CRC.

4.2 Uzasadnienie 4.2.1 Uzasadnienie próby Wcześniej śledczy skonstruowali most oparty na retrospektywnych zestawach danych. Badanie jest przeprowadzane w celu dalszego weryfikacji prospektywnego zastosowania i uogólnienia mostu w przewidywaniu OS pacjentów z CRC. Wydajność prognozowania mostu zostanie oceniona w prospektywnym zestawie danych i w porównaniu z konwencjonalnymi modelem prognozowania klinicznego w badaniu, które mogą potencjalnie dostarczyć ważnych dowodów na wykonalność i wartość kliniczną integracji obrazów mózgu dla sztucznej inteligencji, wspominanej przez sztuczną inteligencję medycyny raka GI.

4.2.2 Uzasadnienie punktów końcowych Głównym punktem końcowym dokładności w badaniu jest AUC, znaczący wskaźnik wydajności klasyfikacji klasyfikatora binarnego, który był szeroko stosowany do oceny wydajności modelu w dziedzinie uczenia maszynowego.

5.0 Metodologia 5.1 Kryteria wejścia 5.1.1 Diagnoza/warunek wejścia do badania mężczyzn/kobiety z rakiem odbytnicy w wieku co najmniej 18 lat zostanie zapisany do tego badania.

5.1.2 Kryteria włączenia przedmiotu

Aby kwalifikować się do udziału w tym procesie, temat musi:

1. Mieć ≥ 18 lat w dniu rejestracji.
2. Patologicznie potwierdzono jako gruczolakorak odbytnicy za pomocą elektronicznej biopsji kolonoskopii.
3. Zostały zdiagnozowane jako rak jelita grubego (CRC) przez ulepszone PET/CT.
4. Dostępne są obrazy sekwencji PET/CT.
5. Bądź chętny i możliwy do przedstawienia pisemnego świadomego zgody na gromadzenie i zastosowanie próbek klinicznych i danych medycznych certyfikowanych i zatwierdzonych przez lokalny komitet etyczny. Wymagania świadomej zgody na badanie są uchylone.

5.1.3 Kryteria wykluczenia przedmiotu

Podmiot musi zostać wykluczony z uczestnictwa w procesie, jeżeli podmiot:

1. Ma płaskonabłonkowy lub niezróżnicowany rak odbytnicy.
2. Ma wiele pierwotnych raków odbytniczych, historię nowotworów złośliwych lub ma jednoczesne dodatkowe nowotwory, które jest przetwarzające lub wymaga aktywnego leczenia. Wyjątki obejmują rak podstawowy skóry, rak płaskonabłonkowy skóry, który ulegał potencjalnie leczniczej terapii lub raka szyjki macicy in situ.
3. . Brak zdjęć PET/CT lub niewystarczającej jakości obrazów PET/CT w celu uzyskania pomiarów (tj. Artefaktów ruchu).
4. Brak patologii.
5. Miał poważną operację lub znaczne urazy urazowe w ciągu 28 dni.

6. Mają aktywną chorobę autoimmunologiczną, która wymagała leczenia ogólnoustrojowego w ciągu ostatnich 2 lat (tj. Przy zastosowaniu środków modyfikujących choroby, kortykosteroidów lub leków immunosupresyjnych).

   Terapia zastępcza (tj. Tyroksyna, insulina lub fizjologiczna terapia kortykosteroidów dla niewystarczalności nadnerczy lub przysadki) nie jest uważana za formę leczenia ogólnoustrojowego.

7. Mają diagnozę niedoboru odporności lub otrzymuje przewlekłą ogólnoustrojową terapię steroidową (przy dawkowaniu przekraczającym 10 mg dziennie równoważnika prednizonu) lub jakiejkolwiek innej postaci leczenia immunosupresyjnego w ciągu 7 dni przed rozpoczęciem leczenia.
8. Mieć aktywną infekcję wymagającą terapii ogólnoustrojowej.

10. Mają historię lub aktualne dowody jakiegokolwiek stanu, zaburzenia laboratoryjne, zaburzenia nadużycia psychiatrycznego lub substancji, które mogą mylić wyniki procesu lub zakłócać udział podmiotu przez pełny czas trwania próby, w opinii badacza leczenia.

11. Bądź w ciąży, karmiąc piersią lub oczekując, że poczęcie dzieci lub ojca w ciągu przewidywanego czasu trwania badania.

12. Obecnie uczestnicz w dodatkowym badaniu i otrzymując terapię badawczą.

5.1.4 Kryteria wycofania/przerwania przedmiotu

Obiekt zostanie wycofany z uczestnictwa w procesie, jeśli którekolwiek z następujących zdarzeń nastąpi podczas procesu:

1. Podmiot przerywa/wycofuje badanie podczas badania. 5.2 Podstawowe gromadzenie informacji i generowanie numerów seryjnych Po zapisaniu się zostaną zarejestrowane podstawowe informacje, w tym dane demograficzne i podstawowe cechy kliniczne każdego przedmiotu. Unikalny numer śledzenia zostanie wygenerowany losowo dla każdego przedmiotu, który zostanie użyty do identyfikacji pacjenta dla wszystkich procedur w badaniu.

5.3 ZBIANIA I PROCESOWANIE DANYCH DANYCH 5.3.1 ZBIANIA I RZECZY I RZECZYWANIA PET/CT Dla każdego pacjenta, początkowe obrazowanie nowotworu przez PET/CT powinno zostać wykonane w ciągu 1-2 tygodni po włączeniu. Proces zbierania i transmisji obrazowania jest manipulowany w jednolitym protokole obrazowania przez radiologów i techników w instytucjach uczestniczących. Cała seria skanów PET/CT powinna być wyeksportowana jako pliki DICOM i całkowicie anonimowe z unikalnym numerem śledzenia przed przesłaniem na wyznaczoną platformę chmurową.

5.3.2 Zdjęcia kontroli jakości obrazowania PET/CT w skanach PET/CT nabytych na stronach zostaną pobrane i sprawdzone przez niezależnego radiologa doświadczonego w PET/CT w centralnym laboratorium, aby zapewnić wysoką jakość obrazu do analizy. Przypadek, który jest brakiem jakiejkolwiek wymaganej sekwencji, zostanie najpierw wykluczony. Obrazy z niewystarczającą przejrzystością, niską rozdzielczością, artefaktami ruchowymi lub innymi niepokojącymi czynnikami, które mogą potencjalnie wpłynąć na analizę obrazowania, zostaną dodatkowo wykluczone.

5.3.3 Annotacja obrazowania PET/CT Regiony zainteresowania (ROI) mózgu w odpowiednich sekwencjach zostaną ręcznie adnotowane przez ekspertów radiologów z co najmniej 5 -letnim doświadczeniem w obrazowaniu PET/CT. Statystyczne mapowanie parametryczne (SPM) jest preferowanym narzędziem do segmentacji obrazowania.

Wszystkie obrazy mózgowe zostały najpierw znormalizowane w przestrzeni Montreal Neurological Institute (MNI) przy użyciu transformacji afektu afektu 12-parametrów, a następnie rejestracji nieliniowej i ponownie próbkowano do wokseli 2 × 2 × 2 mm3. Wszystkie znormalizowane obrazy zostały następnie wygładzone przy użyciu jądra Gaussa o pełnej szerokości 8 mm3 w połowie maksimum. Następnie tkanki wewnątrzczaszkowe na wygładzonych obrazach ekstrahowano za pomocą obrazu maski mózgowej w przestrzeni MNI. Standaryzowane wartości pobierania (SUV) wszystkich wokseli wewnątrzczaszkowych zostały zsumowane w celu uzyskania SUV-a całego mózgu (SUV-Cole-mózg), który zastosowano do odzwierciedlenia całkowitego zużycia glukozy mózgu. Dziewięćdziesiąt obustronnych regionów zainteresowania (ROI) wybrano w przestrzeni MNI przy użyciu zautomatyzowanego atlasu znakowania anatomicznego (AAL). Móżdżek zastosowano jako region odniesienia 1. Suvmean w określonym regionie mózgu został podzielony przez Suvmean z móżdżku. Zatem obliczono stosunki SUV (SUVR) ROI. Trzeci starszy profesjonalny radiolog jest odpowiedzialny za rozliczenie sporów i przegląd adnotacji.

6.0 Procedury próbne Procedury próbne podsumowano na wykresach przepływowych, jak opisano poniżej. Gwiazdka pod linią przebiegu czasowego wskazuje, że możliwy punkt czasowy, który może zostać zapisany na proces. Procedura zostanie odpowiednio wykonana.

7.0 Analiza statystyczna Niniejsza sekcja przedstawia strategię statystyczną i procedury badania. Jeśli po rozpoczęciu próby zmiany wprowadzone w pierwotne i/lub kluczowe hipotezy wtórne lub metody statystyczne związane z tymi hipotezami, protokół zostanie odpowiednio zmieniony.

7.1 Plan analizy statystycznej Podsumowanie Projekt Badania Projekt Pierwszego, obserwacyjnego, prognostycznego badania w celu potwierdzenia dokładności prognozowania i wyższości wydajności mostu w przewidywaniu OS dla raka jelita grubego (CRC) Przypisanie prognozowania około 100 osób nowo zdiagnozowanych jako CRC poddawane NCRT z patologicznym reakcją nowotworu będzie nieznane konsekwentnie rekrutowane. Wszyscy pacjenci zostaną oceniani jako „przewidywane przeżycie” lub „przewidywane nie przeżycie” przez cztery predyktory niezależnie na podstawie wymaganych danych obrazu 7.2 Hipotezy/Cele szacowania i hipotezy badania są podane w rozdziale 3.0. 7.3 Analiza populacji Wszyscy zapisani osoby, które otrzymują prospektywną ocenę predyktorów i zapewniają rokowanie, zostaną uwzględnione w tej populacji.

7.4 Metody statystyczne dla badań punktów końcowych W tej sekcji opisano metody statystyczne, które dotyczą celów pierwotnych i wtórnych.

Główny obszar punktów końcowych pod względem AUC z krzywej (AUC) jest zdefiniowany jako prawdopodobieństwo, że losowo wybrany przykład pozytywny jest wyższy niż losowo wybrany negatywny przykład. Wyższa AUC wskazuje na lepszą wydajność klasyfikacji określonego predyktora. AUC jest oceniany na podstawie obliczania obszaru pod krzywą charakterystyki operacyjnej odbiornika (ROC), który nakłada odsetek prawdziwych przypadków pozytywnych (wrażliwość) w stosunku do proporcji przypadków fałszywie dodatnich (1 specyficzność) w oparciu o różne progu prawdopodobieństwa predykcyjnego. 95% przedziały ufności (95% CI) AUC są generowane przez strategię ładowania początkowego w 1000 czasach próbkowania.

Wtórna dokładność punktów końcowych wrażliwość wrażliwość na wrażliwość jest definiowana jako odsetek przewidywanych pozytywnych przypadków wśród całkowitych rzeczywistych przypadków pozytywnych, znanych również jako prawdziwa wskaźnik dodatniej.

W badaniu wrażliwość mostu ocenia się poprzez obliczenie odsetka „przewidywanych przeżycia” osób wśród osób „faktycznych przeżycia”. 95% przedziały ufności (95% CI) wrażliwości są generowane przez strategię ładowania początkowego w 1000 czasach próbkowania.

Specyficzność definiuje się jako odsetek przewidywanych przypadków negatywnych wśród całkowitych rzeczywistych przypadków negatywnych, znanych również jako prawdziwa wskaźnik ujemny.

W badaniu ocenia się swoistość mostu poprzez obliczenie odsetka „przewidywanych osób niebędących przeżytami” wśród całkowitej „rzeczywistych osób bez przeżycia”. 95% przedziały ufności (95% CI) swoistości są generowane przez strategię ładowania początkowego w 1000 czasach próbkowania.

Pozytywna wartość prognozowania Pozytywna wartość przewidywania (PPV) jest zdefiniowana jako odsetek rzeczywistych przypadków pozytywnych wśród całkowitej przewidywanych przypadków pozytywnych.

W badaniu PPV mostu ocenia się poprzez obliczenie odsetka „rzeczywistych przeżycia” wśród osób „przewidywanych przeżycia”. 95% przedziały ufności (95% CI) PPV są generowane przez strategię ładowania początkowego w 1000 czasach próbkowania.

Ujemna wartość prognozowania Wartość prognozowania ujemna (NPV) jest zdefiniowana jako odsetek rzeczywistych przypadków negatywnych wśród całkowitej przewidywanych przypadków ujemnych.

W badaniu NPV mostu ocenia się poprzez obliczenie odsetka „rzeczywistych osób nieporządkowych” wśród osób „przewidywanych” nie przeżytych. 95% przedziały ufności (95% CI) NPV są generowane przez strategię ładowania początkowego w 1000 czasach próbkowania.

Wtórne porównawcze punkty końcowe test Delonga jest testem nieparametrycznym do porównywania AUC dwóch lub więcej skorelowanych krzywych ROC.

AUC mostu zostanie porównane z AUC pozostałych dwóch predyktorów odpowiednio za pomocą testu DeLonga. Dwustronna wartość p mniejsza niż 0,05 uznano za znaczącą.

Test t Studenta T Student jest wnioskowaną statystyką stosowaną do ustalenia, czy istnieje znacząca różnica między średnimi dwóch zestawów danych, które są zgodne z normalnymi rozkładami i wariancją jednorodności.

Średnia AUC mostu zostanie porównana ze średnimi AUC pozostałych trzech predyktorów odpowiednio za pomocą testu t -Studenta. Dwustronna wartość p mniejsza niż 0,05 uznano za znaczącą.

7.5 Metody statystyczne dla cech wyjściowych i danych demograficznych Porównywalność dwóch grup o odrębnej odpowiedzi patologicznej (przeżycie a nie przeżycie) dla każdej odpowiednie cechy wyjściowe zostaną ocenione za pomocą tabel i/lub wykresów. Wyświetlona zostanie liczba i odsetek przedmiotów w podgrupach. Zmienne demograficzne (takie jak wiek i płeć) i cechy wyjściowe (takie jak stadium kliniczne) zostaną podsumowane albo za pomocą statystyki opisowej lub kategorycznych. Test T-Test T lub podpisany przez Wilcoxona zostanie przeprowadzony w celu porównania zmiennych ciągłych, podczas gdy test χ2 lub dokładny test Fishera dla zmiennych kategorycznych.

7.6 Obliczenia wielkości próby i mocy Badanie będzie regularnie zapisać około 213 osób. W przypadku AUC (H1) badanie ma ~ 85% mocy do wykrycia AUC 0,80 w moście przy alfa = 0,05 (dwustronne) z 213 pacjentami.

Obliczenia wielkości próby i mocy przeprowadzono w Pasku oprogramowania 15. 8.0 Plan poufności i udostępniania danych 8.1 Poufność danych wygenerowanych w próbach zostanie uznana przez śledczych poufnych, z wyjątkiem tego, że jest on zawarty w publikacji. Podczas procesu badany zostanie zidentyfikowany za pomocą unikalnego numeru śledzenia.

8.2 Plan udostępniania danych Dane podmiotu (zdefiniowane informacje o uczestnikach i obrazy pochodzenia PET/CT i slajdów patologicznych) oraz pełny protokół badań zostanie udostępniony społeczności naukowej, bezpośrednio publikacji, z jak najwięcej ograniczeń. Wszystkie wnioski powinny zostać przekazane śledczym do rozważenia. Umowa o wykorzystaniu danych będzie wymagana przed wydaniem danych dotyczących danych i instytucjonalnej komisji ds. Przeglądu, odpowiednio.

9.0 Sponsorzy i współpracownicy 9.1 Sponsoruje badanie sponsorowane przez pierwszy powiązany szpital Uniwersytetu Zhengohou.

9.2 Odpowiedzialna strona/śledczy

Protokół badania jest zakończony i sprawdzany przez wszystkich autorów. Główni badacze są odpowiedzialni za protokół badania. Centralne informacje kontaktowe są następujące:

Prof. Yujie Bai, MD Telefon: 0371-18801221165 E-mail: baiyujie1010@163.com 9.3 Rola finansowania finansowania studiów jest wspierana przez National Natural Science Foundation of Chin pod dotacją nr 81872188, nr 81902867, nr 82001986 i nr 81903152. Funodowcy nie odgrywają żadnej roli w projekcie badań, gromadzeniu danych, analizie danych, interpretacji danych, pisaniu raportu lub decyzji o przedstawieniu raportu do publikacji.

9.4 Komitet Etyki Badanie to zostało zatwierdzone przez Komitet Etyki pierwszego powiązanego szpitala Uniwersytetu Zhengohou.