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

Study on the Construction and Application of a Large Model Corpus for Pancreatic Cancer Based on Real Clinical Cases

Combining retrospective observational research with artificial intelligence data engineering. Collecting historical electronic medical record data, and through data governance and annotation by artificial medical experts, constructing a structured knowledge base.

Przegląd badań

Typ studiów

Obserwacyjny

Zapisy (Szacowany)

3000

Kontakty i lokalizacje

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

Kontakt w sprawie studiów

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

Real pancreatic cancer diagnosis and treatment cases treated in the hospital

Opis

Inclusion Criteria:

  1. Real inpatient cases of pancreatic cancer diagnosis and treatment;
  2. Prioritize the inclusion of cases with MDT discussion records, difficult and complex cases, and fatal cases;
  3. Possess complete electronic medical information (including but not limited to: outpatient medical records, inpatient medical records including admission records, progress notes, surgery/procedure records, nursing records, examination and test reports, doctor's orders, discharge/death records, etc.); -

Exclusion Criteria:

  1. Cases that only underwent a brief transition in emergency/outpatient departments and did not form a closed loop of diagnosis and treatment;
  2. Cases with incomplete diagnosis and treatment information and missing key indicators.

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

Co mierzy badanie?

Podstawowe miary wyniku

Miara wyniku
Ramy czasowe
3,000 Cases of Pancreatic Cancer Diagnosis and Treatment
Ramy czasowe: May 2028
May 2028

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 sierpnia 2026

Zakończenie podstawowe (Szacowany)

31 lipca 2027

Ukończenie studiów (Szacowany)

31 maja 2028

Daty rejestracji na studia

Pierwszy przesłany

13 lipca 2026

Pierwszy przesłany, który spełnia kryteria kontroli jakości

15 lipca 2026

Pierwszy wysłany (Rzeczywisty)

20 lipca 2026

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (Rzeczywisty)

21 lipca 2026

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

19 lipca 2026

Ostatnia weryfikacja

1 lipca 2026

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