Modelo de decisão de ML para terapia adjuvante G-NEC (G-NEC)
Modelo de decisão baseado em aprendizado de máquina para terapia adjuvante ideal no carcinoma neuroendócrino gástrico primário: um estudo nacional de evidências do mundo real
O carcinoma neuroendócrino gástrico (G-NEC) é um tumor raro e agressivo originado de células neuroendócrinas no revestimento do estômago. É caracterizada por uma alta propensão à recorrência e um prognóstico geralmente ruim. Devido à sua raridade, há dados limitados e nenhum consenso estabelecido sobre a terapia adjuvante pós-operatória ideal, tornando as decisões de tratamento um desafio para os profissionais de saúde.
Este estudo é uma análise retrospectiva com foco na avaliação das taxas de sobrevivência, na identificação de fatores prognósticos e na formulação de recomendações de tratamento para pacientes com G-NEC. Ao analisar dados clínicos do mundo real, pretendemos compreender melhor os fatores que influenciam os resultados dos pacientes e desenvolver estratégias baseadas em evidências para melhorar a sobrevivência. Nosso objetivo é fornecer aos médicos informações e ferramentas valiosas para tomar decisões de tratamento mais informadas, melhorando, em última análise, a qualidade do atendimento e os resultados para pacientes com esta doença desafiadora.
Visão geral do estudo
Status
Tipo de estudo
Inscrição (Real)
Contactos e Locais
Locais de estudo
-
-
Fujian
-
Fuzhou, Fujian, China, 350001
- Fujian Medical University
-
-
Critérios de participação
Critérios de elegibilidade
Idades elegíveis para estudo
- Filho
- Adulto
- Adulto mais velho
Aceita Voluntários Saudáveis
Método de amostragem
População do estudo
Descrição
Critérios de inclusão:
- (1) pacientes submetidos à cirurgia radical sem qualquer terapia neoadjuvante;
- (2) patologia confirmada NEC ou carcinoma adenoneuroendócrino misto (MANEC).
Critérios de exclusão:
- (1) história de outras neoplasias malignas;
- (2) tratamento com dissecção endoscópica da submucosa ou ressecção endoscópica da mucosa ou toracotomia;
- (3) dados clínicos incompletos (incluindo quimioterapia adjuvante, patológica e informações de acompanhamento);
- (4) recebimento de regimes alternativos de tratamento adjuvante;
- (5) óbito em até 30 dias de pós-operatório.
Plano de estudo
Como o estudo é projetado?
Detalhes do projeto
Coortes e Intervenções
Grupo / Coorte |
|---|
|
Pacientes com carcinoma neuroendócrino gástrico (G-NEC)
Este estudo se concentra em pacientes com diagnóstico de carcinoma neuroendócrino gástrico (G-NEC) submetidos a cirurgia radical.
A coorte inclui pacientes adultos (≥18 anos) tratados em 38 hospitais terciários na China entre janeiro de 2006 e dezembro de 2020.
Os pacientes são divididos em três grupos com base no tratamento adjuvante pós-operatório: sem quimioterapia adjuvante, quimioterapia à base de etoposídeo e derivados de platina e quimioterapia à base de fluorouracil.
O estudo tem como objetivo desenvolver e validar um modelo de apoio à decisão baseado em aprendizado de máquina para otimizar estratégias de terapia adjuvante individualizadas para pacientes com G-NEC, com o resultado primário sendo a sobrevida livre de doença (SLD).
|
O que o estudo está medindo?
Medidas de resultados primários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Sobrevivência Livre de Doenças (DFS)
Prazo: Da data da cirurgia até 5 anos
|
A sobrevida livre de doença é definida como o tempo desde a data da cirurgia até a recorrência da doença, morte por qualquer causa ou último acompanhamento, o que ocorrer primeiro.
O desempenho do modelo de aprendizado de máquina na previsão de SLD e na recomendação de terapia adjuvante ideal será avaliado.
|
Da data da cirurgia até 5 anos
|
Colaboradores e Investigadores
Patrocinador
Datas de registro do estudo
Datas Principais do Estudo
Início do estudo (Real)
Conclusão Primária (Real)
Conclusão do estudo (Real)
Datas de inscrição no estudo
Enviado pela primeira vez
Enviado pela primeira vez que atendeu aos critérios de CQ
Primeira postagem (Real)
Atualizações de registro de estudo
Última Atualização Postada (Estimado)
Última atualização enviada que atendeu aos critérios de controle de qualidade
Última verificação
Mais Informações
Termos relacionados a este estudo
Palavras-chave
Termos MeSH relevantes adicionais
Outros números de identificação do estudo
- 2024GNEC
Plano para dados de participantes individuais (IPD)
Planeja compartilhar dados de participantes individuais (IPD)?
Descrição do plano IPD
Privacidade do paciente: Como este estudo envolve informações médicas confidenciais, devemos garantir que qualquer plano de compartilhamento de dados esteja em conformidade com todas as leis e regulamentos de privacidade relevantes.
Considerações Éticas: Estamos consultando nosso comitê de ética para determinar a abordagem mais apropriada para o compartilhamento de dados que respeite o consentimento do paciente e mantenha a integridade da pesquisa.
Padronização de dados: Dada a natureza multicêntrica deste estudo, estamos trabalhando na padronização de nossos processos de coleta e armazenamento de dados em todos os 38 hospitais participantes para garantir consistência e qualidade de quaisquer dados potencialmente compartilhados.
Potencial colaborativo: Reconhecemos o valor da partilha de dados no avanço da investigação do carcinoma neuroendócrino gástrico e estamos a explorar potenciais colaborações com outros grupos de investigação.
Alocação de Recursos: Estamos avaliando os recursos necessários para preparar os dados para compartilhamento, incluindo processos de desidentificação e criação de dicionários de dados.
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
produto fabricado e exportado 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 .