Esta página foi traduzida automaticamente e a precisão da tradução não é garantida. Por favor, consulte o versão em inglês para um texto fonte.

Validação Externa e Multicêntrica de um Modelo de Aprendizagem Automática para Prever Adenoma do Cólon em Adultos Indianos

9 de janeiro de 2026 atualizado por: Mohan Ramchandani, Asian Institute of Gastroenterology, India

Validação Externa e Multicêntrica de um Modelo de Aprendizagem Automática para Prever Adenoma Colónico em Adultos Indianos - Um Estudo Prospectivo, Observacional e Multicêntrico.

Os adenomas colorretais são precursores do cancro colorretal (CCR). Uma estratificação de risco precisa antes do procedimento poderia otimizar o rendimento da colonoscopia e a alocação de recursos na Índia, onde a prevalência de adenomas varia com a idade, sexo e fatores de estilo de vida/metabólicos. Os modelos de ML podem integrar múltiplos preditores para estimar o risco individualizado.

As pontuações de risco existentes são maioritariamente ocidentais; o desempenho e a calibração podem não ser adequados em populações indianas com diferentes perfis sociodemográficos e metabólicos. A validação externa, prospetiva e multicêntrica é essencial antes da implementação clínica.

Visão geral do estudo

Status

Ainda não está recrutando

Condições

Tipo de estudo

Observacional

Inscrição (Estimado)

1000

Contactos e Locais

Esta seção fornece os detalhes de contato para aqueles que conduzem o estudo e informações sobre onde este estudo está sendo realizado.

Contato de estudo

Estude backup de contato

Critérios de participação

Os pesquisadores procuram pessoas que se encaixem em uma determinada descrição, chamada de critérios de elegibilidade. Alguns exemplos desses critérios são a condição geral de saúde de uma pessoa ou tratamentos anteriores.

Critérios de elegibilidade

Idades elegíveis para estudo

  • Adulto
  • Adulto mais velho

Aceita Voluntários Saudáveis

Não

Método de amostragem

Amostra de Probabilidade

População do estudo

1000

Descrição

Critérios de Inclusão:

  • Adultos ≥18 anos submetidos a colonoscopia diagnóstica.
  • Preparação intestinal adequada (Escala de Preparação Intestinal de Boston total ≥6 com cada segmento ≥2).
  • Exame completo (intubação cecal; tempo de retirada ≥6 min quando sem terapia).
  • Disponibilidade de todos os preditores do modelo conforme CRF.

Critérios de Exclusão:

  • • Conhecimento de CCR ou pólipo, colectomia prévia, síndromes de polipose, DII conhecida, ou síndromes hereditárias fortes de CCR (ex., Lynch) se excluídos na derivação.

    • Preparação inadequada, colonoscopia incompleta, lesões obstrutivas impedindo diagnóstico ótico além da obstrução.
    • Colonoscopias de emergência, procedimentos apenas terapêuticos sem intenção diagnóstica.

Plano de estudo

Esta seção fornece detalhes do plano de estudo, incluindo como o estudo é projetado e o que o estudo está medindo.

Como o estudo é projetado?

Detalhes do projeto

Coortes e Intervenções

Grupo / Coorte
Intervenção / Tratamento
Cohorte observacional prospectiva única

Os participantes são submetidos a colonoscopia padrão de cuidados de saúde

Não há alocação em grupos de tratamento ou de comparação

Não é administrada nenhuma intervenção específica do estudo. Os participantes são submetidos a colonoscopia diagnóstica e avaliação histopatológica de acordo com os padrões de cuidados. Um modelo de aprendizagem automática bloqueado é aplicado aos dados clínicos e demográficos de base recolhidos rotineiramente apenas para previsão de risco, sem influenciar a gestão clínica.

O que o estudo está medindo?

Medidas de resultados primários

Medida de resultado
Descrição da medida
Prazo
Área Sob a Curva Característica de Operação do Recetor (AUROC) do Modelo de Aprendizagem Automática
Prazo: 1 ANO
Área sob a curva de características de operação do recetor (AUROC) do modelo de previsão baseado em aprendizagem automática para identificar a presença de adenoma colónico histologicamente comprovado
1 ANO

Medidas de resultados secundários

Medida de resultado
Descrição da medida
Prazo
Desempenho de Validação do Modelo de Previsão de Aprendizagem Automática
Prazo: 1 ANO
Desempenho de validação do modelo de aprendizagem automática para prever adenoma colónico, avaliado através de AUROC, métricas de calibração (pontuação de Brier) e gráficos de calibração numa coorte de validação independente.
1 ANO

Colaboradores e Investigadores

É aqui que você encontrará pessoas e organizações envolvidas com este estudo.

Datas de registro do estudo

Essas datas acompanham o progresso do registro do estudo e os envios de resumo dos resultados para ClinicalTrials.gov. Os registros do estudo e os resultados relatados são revisados ​​pela National Library of Medicine (NLM) para garantir que atendam aos padrões específicos de controle de qualidade antes de serem publicados no site público.

Datas Principais do Estudo

Início do estudo (Estimado)

1 de fevereiro de 2026

Conclusão Primária (Estimado)

30 de março de 2027

Conclusão do estudo (Estimado)

30 de março de 2027

Datas de inscrição no estudo

Enviado pela primeira vez

26 de dezembro de 2025

Enviado pela primeira vez que atendeu aos critérios de CQ

27 de dezembro de 2025

Primeira postagem (Estimado)

9 de janeiro de 2026

Atualizações de registro de estudo

Última Atualização Postada (Estimado)

12 de janeiro de 2026

Última atualização enviada que atendeu aos critérios de controle de qualidade

9 de janeiro de 2026

Última verificação

1 de janeiro de 2026

Mais Informações

Termos relacionados a este estudo

Termos MeSH relevantes adicionais

Outros números de identificação do estudo

  • VALID-ADENOMA-IN

Plano para dados de participantes individuais (IPD)

Planeja compartilhar dados de participantes individuais (IPD)?

NÃO

Informações sobre medicamentos e dispositivos, documentos de estudo

Estuda um medicamento regulamentado pela FDA dos EUA

Não

Estuda um produto de dispositivo regulamentado pela FDA dos EUA

Não

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 .

Se inscrever