Research on the Development and Validation of Personalized Exercise Prescription System for Breast Cancer Patients Based on Large Language Models
The goal of this observational study is to develop and evaluate a large language model (LLM)-based decision support system for exercise prescription in breast cancer patients, aiming to provide personalized decision-making support for postoperative breast cancer rehabilitation.
The main questions it aims to answer are:
How accurate, personalized, and safe are the exercise prescriptions generated by the fine-tuned LLM? How does the model's performance compare with other mainstream or non-fine-tuned models across different stages and subtypes of breast cancer? Participants are postoperative breast cancer rehabilitation patients treated at Sun Yat-sen Memorial Hospital of Sun Yat-sen University. They will have demographic, tumor, treatment, and physical fitness data collected; receive personalized exercise prescriptions automatically generated by the LLM-based system; and provide subjective evaluations on the feasibility and executability of the prescriptions.
Visão geral do estudo
Status
Status
Condições
Condições
Tipo de estudo
Tipo de estudo
Inscrição (Estimado)
Inscrição
Contactos e Locais
Locais de estudo
-
-
Guangdong
-
Guangzhou, Guangdong, China, 510000
- Sun Yat-Sen Memorial Hospital, Sun Yat-Sen University
-
Contato:
- jianli Zhao
- Número de telefone: 15920589334
- E-mail: zhaojianli1988@126.com
-
Contato:
- E-mail: zhaojianli1988@126.com
-
-
Critérios de participação
Critérios de elegibilidade
Critérios de elegibilidade
Idades elegíveis para estudo
- Adulto
- Adulto mais velho
Aceita Voluntários Saudáveis
Método de amostragem
População do estudo
Descrição
Inclusion Criteria:
- Adult patients aged 18-75 years with early-stage breast cancer who have undergone surgical treatment, such as mastectomy or breast-conserving surgery.
- The patients had clear clinical diagnosis and complete electronic medical record information (including demographic information, tumor stage and classification, treatment history, physical performance evaluation data, etc.).
Exclusion Criteria:
- Presence of severe postoperative complications or comorbidities (e.g., uncontrolled cardiac or pulmonary disease) that may interfere with participation in rehabilitation or pose a safety risk.
Plano de estudo
Como o estudo é projetado?
Detalhes do projeto
Número de grupos/coortes
Coortes e Intervenções
Grupo / CoorteGrupo / Coorte |
|---|
|
Postoperative breast cancer patients receiving LLM-based exercise prescription evaluation
Postoperative breast cancer patients at Sun Yat-sen Memorial Hospital will have clinical and physical data collected.
Each patient receives an exercise prescription generated by a fine-tuned large language model (LLM)-based decision support system and provides feedback on its feasibility.
|
O que o estudo está medindo?
Medidas de resultados primários
Medidas de resultados primários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Overall Quality Score of Exercise Prescriptions Based on a Five-Dimensional Expert Evaluation Framework
Prazo: From enrollment to completion of prescription evaluation at 1 week
|
Each exercise prescription will be independently evaluated by six multidisciplinary experts across five dimensions: scientific rationale, personalization, comprehensiveness, safety, and feasibility.
Each dimension will be rated on a 5-point Likert scale from 1 to 5. The five dimension scores will be summed to generate an overall quality score ranging from 5 to 25, with higher scores indicating better overall prescription quality.
For each prescription, the mean overall score across the six experts will be used for analysis.
|
From enrollment to completion of prescription evaluation at 1 week
|
Medidas de resultados secundários
Medidas de resultados secundários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Subgroup-Specific Scientific Rationale and Safety Scores of Model-Generated Exercise Prescriptions
Prazo: From enrollment to completion of prescription evaluation at 1 week
|
Model performance will be evaluated across predefined subgroups based on age, breast cancer stage, molecular subtype, surgical procedure, and treatment modality.
Scientific rationale and safety will each be rated on a 1-5 Likert scale, with higher scores indicating better performance.
Differences across models and subgroups will be assessed using two-way ANOVA or generalized linear models, including interaction terms between model type and patient characteristics.
|
From enrollment to completion of prescription evaluation at 1 week
|
Colaboradores e Investigadores
Patrocinador
Patrocinador
Datas de registro do estudo
Datas Principais do Estudo
Início do estudo (Estimado)
Início do estudo
Conclusão Primária (Estimado)
Conclusão Primária
Conclusão do estudo (Estimado)
Conclusão do estudo
Datas de inscrição no estudo
Enviado pela primeira vez
Enviado pela primeira vez
Enviado pela primeira vez que atendeu aos critérios de CQ
Enviado pela primeira vez que atendeu aos critérios de CQ
Primeira postagem (Real)
Primeira postagem
Atualizações de registro de estudo
Última Atualização Postada (Real)
Última Atualização Postada
Última atualização enviada que atendeu aos critérios de controle de qualidade
Última atualização enviada que atendeu aos critérios de controle de qualidade
Última verificação
Última verificação
Mais Informações
Termos relacionados a este estudo
Termos MeSH relevantes adicionais
Outros números de identificação do estudo
Outros números de identificação do estudo
- SYSKY-2025-786-02
Informações sobre medicamentos e dispositivos, documentos de estudo
Estuda um medicamento regulamentado pela FDA dos EUA
Estuda um produto de dispositivo regulamentado pela FDA dos EUA
Essas informações foram obtidas diretamente do site clinicaltrials.gov sem nenhuma alteração. Se você tiver alguma solicitação para alterar, remover ou atualizar os detalhes do seu estudo, entre em contato com register@clinicaltrials.gov. Assim que uma alteração for implementada em clinicaltrials.gov, ela também será atualizada automaticamente em nosso site .