Förutsägelse av gastrisk cancer i tarmmetaplasi och atrofisk gastrit (GIMA)
Förutsägelse av gastrisk cancer i tarmmetaplasi och atrofisk gastrit - Tillämpning av artificiell intelligens i histologi och kliniska data
De primära målen för denna studie är:
- Att identifiera kliniska eller histologiska faktorer associerade med magcancerutveckling hos patienter med IM och AG
- Att etablera en maskininlärningsalgoritm för att förutsäga framtida risker för magcancer och individuell riskstratifiering hos patienter med IM och AG
Studieöversikt
Status
Betingelser
Detaljerad beskrivning
Detta är en retrospektiv studie i två delar som inkluderar en klinisk datadel och en patologidel. En utbildningskohort kommer att utvecklas från cirka 70 % av inkluderade fall. Det kommer att följas av en valideringskohort med de återstående fallen.
Klinisk data kommer att samlas in retrospektivt med hjälp av Clinical Data Analysis and Reporting System (CDARS) och Clinical Management System (CMS). En klusteromfattande kohort (New Territories East Cluster, NTEC) bestående av patienter med histologiskt bevisad gastrisk IM och AG kommer att identifieras och inkluderas för efterföljande analys. Datainsamlingsperioden för de retrospektiva uppgifterna kommer att vara 2000-2020.
Histologibilder kommer att hämtas i efterhand när de är tillgängliga (inom NTEC). Hela diabildstekniken kommer att användas för utveckling av tränings- och valideringskohorter med maskininlärningsalgoritmer i patologidelen.
Studietyp
Inskrivning (Beräknad)
Kontakter och platser
Studiekontakt
- Namn: Felix Sia
- Telefonnummer: +85226370428
- E-post: felix.sia@cuhk.edu.hk
Studera Kontakt Backup
- Namn: Thomas Lam
- Telefonnummer: +85226370428
- E-post: thomas.lam@cuhk.edu.hk
Studieorter
-
-
New Territories
-
Shatin, New Territories, Hong Kong
- Rekrytering
- Prince of Wales Hospital
-
-
Deltagandekriterier
Urvalskriterier
Åldrar som är berättigade till studier
Tar emot friska volontärer
Testmetod
Studera befolkning
Klinisk data kommer att samlas in retrospektivt med hjälp av Clinical Data Analysis and Reporting System (CDARS) och Clinical Management System (CMS). En klusteromfattande kohort (New Territories East Cluster, NTEC) bestående av patienter med histologiskt bevisad gastrisk IM och AG kommer att identifieras och inkluderas för efterföljande analys. Datainsamlingsperioden för de retrospektiva uppgifterna kommer att vara 2000-2020.
Histologibilder kommer att hämtas i efterhand när de är tillgängliga (inom NTEC). Hela diabildstekniken kommer att användas för utveckling av tränings- och valideringskohorter med maskininlärningsalgoritmer i patologidelen.
Beskrivning
Inklusionskriterier:
- Vuxna >= 18 år
- Histologiskt bevisad atrofisk gastrit eller tarmmetaplasi (vid antrum och/eller kropp och/eller magsäck)
Exklusions kriterier:
- ingen
Studieplan
Hur är studien utformad?
Designdetaljer
Kohorter och interventioner
Grupp / Kohort |
|---|
|
Tarmmetaplasi
patient med histologiskt bevisad metaplasi i magtarmkanalen
|
|
Atrofisk gastrit
patient med histologiskt bevisad atrofisk gastrit i anamnesen
|
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Magcancer och magdysplasi
Tidsram: 20 år
|
Det primära effektmåttet är incidensen av magcancer (tarmtyp) och magdysplasi (låggradig och höggradig dysplasi).
|
20 år
|
Sekundära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Övergripande noggrannhet av maskininlärningsmodell
Tidsram: 20 år
|
Den övergripande noggrannheten hos maskininlärningsmodeller kommer att utvärderas
|
20 år
|
|
Känslighet för maskininlärningsmodell
Tidsram: 20 år
|
Maskininlärningsmodellens känslighet kommer att utvärderas
|
20 år
|
|
Specificitet för maskininlärningsmodell
Tidsram: 20 år
|
Specificiteten för maskininlärningsmodellen kommer att utvärderas
|
20 år
|
|
Positivt prediktivt värde av maskininlärningsmodell
Tidsram: 20 år
|
Det positiva prediktiva värdet av maskininlärningsmodellen kommer att utvärderas
|
20 år
|
|
Negativt prediktivt värde av maskininlärningsmodell
Tidsram: 20 år
|
Negativt prediktivt värde av maskininlärningsmodell kommer att utvärderas
|
20 år
|
|
Area under mottagarens funktionskarakteristiska kurva för maskininlärningsmodell
Tidsram: 20 år
|
Arean under mottagarens funktionskurva för maskininlärningsmodellen kommer att utvärderas
|
20 år
|
Samarbetspartners och utredare
Sponsor
Studieavstämningsdatum
Studera stora datum
Studiestart (Faktisk)
Primärt slutförande (Beräknad)
Avslutad studie (Beräknad)
Studieregistreringsdatum
Först inskickad
Först inskickad som uppfyllde QC-kriterierna
Första postat (Faktisk)
Uppdateringar av studier
Senaste uppdatering publicerad (Faktisk)
Senaste inskickade uppdateringen som uppfyllde QC-kriterierna
Senast verifierad
Mer information
Termer relaterade till denna studie
Nyckelord
Ytterligare relevanta MeSH-villkor
- Matsmältningssystemets sjukdomar
- Patologiska processer
- Neoplasmer
- Neoplasmer efter plats
- Gastrointestinala neoplasmer
- Neoplasmer i matsmältningssystemet
- Gastrointestinala sjukdomar
- Magsjukdomar
- Gastroenterit
- Patologiska tillstånd, anatomiska
- Neoplasmer i magen
- Gastrit
- Atrofi
- Metaplasi
- Gastrit, atrofisk
Andra studie-ID-nummer
- 2021.082
Plan för individuella deltagardata (IPD)
Planerar du att dela individuella deltagardata (IPD)?
IPD-planbeskrivning
Läkemedels- och apparatinformation, studiedokument
Studerar en amerikansk FDA-reglerad läkemedelsprodukt
Studerar en amerikansk FDA-reglerad produktprodukt
Denna information hämtades direkt från webbplatsen clinicaltrials.gov utan några ändringar. Om du har några önskemål om att ändra, ta bort eller uppdatera dina studieuppgifter, vänligen kontakta register@clinicaltrials.gov. Så snart en ändring har implementerats på clinicaltrials.gov, kommer denna att uppdateras automatiskt även på vår webbplats .