- ICH GCP
- Amerikanska kliniska prövningsregistret
- Klinisk prövning NCT05109182
Virtuell 3D-modellering för förbättrad kirurgisk planering av robotassisterad partiell nefrektomi (VISP)
Studieöversikt
Status
Betingelser
Intervention / Behandling
Detaljerad beskrivning
Kirurgi är grundbehandlingen för bukcancer, vilket resulterar i över 50 000 operationer årligen i Storbritannien, där 10 % av dem är för njurcancer. Beslut om planering av preoperativ kirurgi fattas av radiologer och kirurger när de tittar på CT (datortomografi) och MRI (magnetisk resonanstomografi). Utmaningen är att mentalt rekonstruera patientens 3D-anatomi från dessa 2D-bildskivor, inklusive tumörplacering och dess förhållande till närliggande strukturer såsom kritiska kärl. Denna process är tidskrävande och svår, vilket ofta resulterar i mänskliga fel och suboptimalt beslutsfattande. Det är ännu viktigare att ha en bra operationsplan när operationen ska utföras på ett minimalt invasivt sätt, eftersom det är en mer utmanande miljö att åtgärda en oplanerad komplikation än vid öppen operation (Byrn, et al. 2007). Därför är bättre kirurgiska planeringsverktyg viktiga om vi vill förbättra patientresultatet och minska kostnaderna för ett kirurgiskt missöde.
För att övervinna begränsningarna med nuvarande operationsplanering i en mjukdelsonkologisk miljö, har dedikerade mjukvarupaket och tjänsteleverantörer tillhandahållit möjligheten att klassificera skanningsvoxlarna i deras anatomiska komponenter i en process som kallas bildsegmentering. När de har segmenterats genereras stereolitografifiler som kan användas för att visualisera anatomin och få komponenterna 3D-utskrivna. Det har tidigare rapporterats att sådana 3D-printade modeller påverkar kirurgiskt beslutsfattande (Wake, et al. 2017). De ekonomiska och administrativa kostnaderna för att erhålla korrekta 3D-utskrivna modeller för rutinoperationsplanering har dock spekulerats i att hålla tillbaka 3D-tryckta modeller från att bryta in i vanlig klinisk användning (Western, 2017).
Beräkningsbaserade 3D-ytrenderade virtuella modeller har blivit ett naturligt framsteg från 3D-utskrivna modeller. I litteraturen hänvisas till sådana modeller med en mängd olika namn som '3D-renderade bilder', (Zheng, et al. 2016), '3D-rekonstruktioner', (Isotani, et al. 2015) eller 'virtuell 3D. modeller', (Wake, et al. 2017). I detta protokoll kommer vi att använda den senare nomenklaturen.
Tidigare studier har redan visat att kirurger drar nytta av virtuella 3D-modeller i teatern (Hughes-Hallett, 2014; Fan, et al. 2018; Fotouhi, et al. 2018).
I en tidigare genomförbarhetsstudie (NIHR21460; IRAS 18/SW/0238) använde vi den senaste CE-märkta programvaran, kallad Innersight3D, för att generera interaktiva virtuella 3D-modeller av patientens unika anatomi från deras mottagna CT-skanningar, för att tillhandahålla en detaljerad färdplan för kirurgen innan operationen. Vi fann att detta tillvägagångssätt hade en positiv inverkan på kirurgiskt beslutsfattande.
RAPN är ett snabbt växande kirurgiskt område, med robotar i över 70 brittiska kirurgiska centra. Den huvudsakliga forskningsfrågan som ska behandlas i denna studie är huruvida kirurgisk planering med virtuell 3D-modellering (Innersight 3D) i en randomiserad kontrollerad studie förbättrar resultatet och kostnadseffektiviteten av RAPN.
Patienter kommer potentiellt att dra nytta av denna forskning av flera skäl;
- På grund av högre kvalitet på kirurgi och minskad risk för komplikationer kan patienter gå hem tidigare (Shirk, et al. 2018).
- Mindre sannolikhet för en oplanerad konvertering, vilket är när kirurgen måste överge det minimalt invasiva tillvägagångssättet till förmån för öppen kirurgi under operationen, på grund av oförutsedda anatomiska utmaningar.
- Förbättrat patientinflytande och förbättrat samtycke, vilket resulterar i bättre patientbeslutsfattande. Vår tidigare genomförbarhetsstudie visade att patienterna var mycket överens om att 3D-modeller förbättrade deras förståelse för beslut om sjukdomsbehandling och kirurgisk planering.
- Det kan också minska ingreppstiden med mindre exponering för bedövningsmedel. Det finns också operativa fördelar, eftersom dessa modeller kan förbättra prediktionsnoggrannheten för operationens komplexitet och drifttid. Sålunda kan operationslistans schemaläggning och sjukhus-patientflöde förbättras avsevärt. Väntelistan kan minska på grund av färre operationer som överskrids. Dessutom skulle sammanhållningen i det kirurgiska teamet också kunna förbättras. En minskning av teatertiden, vistelsetid, skulle ge ekonomiska fördelar för sjukvården.
Studietyp
Inskrivning (Förväntat)
Fas
- Inte tillämpbar
Kontakter och platser
Studiekontakt
- Namn: Lorenz Berger, PhD
- Telefonnummer: 07979067365
- E-post: lorenz@innersightlabs.com
Deltagandekriterier
Urvalskriterier
Åldrar som är berättigade till studier
Tar emot friska volontärer
Kön som är behöriga för studier
Beskrivning
Inklusionskriterier:
Ålder 18-80 år; Överenskommelse vid multidisciplinärt teammöte att denna patient skulle kunna genomgå robotassisterad partiell nefrektomi.
Vill och kan ge skriftligt informerat samtycke. RENAL poäng (tumörkomplexitet) >= 8. Fick kontrastförstärkt buken preoperativ datortomografi. Förmåga att förstå och tala engelska.
Exklusions kriterier:
Samtyck inte till robotassisterad partiell nefrektomi; Valde att ha behandling utanför en av NHS-testplatserna. Deltagande i andra kliniska studier som potentiellt skulle förvirra denna studie; Har en hästsko, en ensam njure eller bilaterala njurtumörer; Brist på vilja att tillåta att personlig medicinsk bilddata används för att generera en 3D-modell;
Studieplan
Hur är studien utformad?
Designdetaljer
- Primärt syfte: Övrig
- Tilldelning: Randomiserad
- Interventionsmodell: Parallellt uppdrag
- Maskning: Enda
Vapen och interventioner
Deltagargrupp / Arm |
Intervention / Behandling |
---|---|
Experimentell: Intervention (3D-modell + CT för kirurgisk planering)
Patienter i denna arm kommer att få en 3D-modell som kommer att användas utöver CT-skanningen för operationsplanering.
|
Innersight3D genererar en virtuell interaktiv 3D-modell av CT-skanningen.
|
Inget ingripande: Kontroll (CT för kirurgisk planering)
Patienter i denna arm kommer endast att ha en datortomografi som används för kirurgisk planering.
|
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
---|---|---|
Total konsoltid
Tidsram: 18 månader
|
Detta är tiden från starten av robotoperationen (armarna börjar röra sig inuti buken) till slutet av robotoperationen (armarna har tagits ut ur buken) och kommer att registreras med hjälp av robotsystemet
|
18 månader
|
Sekundära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
---|---|---|
Artärförberedelsetid (min)
Tidsram: 18 månader
|
Starttid: Från punkten för dissektion av gonadvenen.
Stopptid: Så snart artärerna är isolerade och redo för fastklämning.
|
18 månader
|
Tumörberedningstid (minut)
Tidsram: 18 månader
|
Starttid: Från avfettning av njuren (för att isolera tumör) Stopptid: Så snart tumören är redo för ultraljud.
|
18 månader
|
Tumörresektionstid (minut)
Tidsram: 18 månader
|
Starttid: Från skärningspunkten av tumören. Stopp: Tumören avlägsnas (utskärs)
|
18 månader
|
Hilar klämteknik
Tidsram: 18 månader
|
Vilken klämteknik användes för att kontrollera blodflödet.
Välj mellan [Global ischemi, Selektiv ischemi, Clampless]
|
18 månader
|
Exstirpativ teknik
Tidsram: 18 månader
|
Vilken teknik användes för att ta bort tumören.
Välj från [Enukleation, partiell nefrektomiEnukleoresektion (resektion)] Välj från [Enukleation, partiell nefrektomi]
|
18 månader
|
Öppnat insamlingssystem [ja, nej]
Tidsram: 18 månader
|
Var uppsamlingssystemet uppskuret under tumörresektion?
|
18 månader
|
Konvertering till radikal nefrektomi [ja/nej]
Tidsram: 18 månader
|
18 månader
|
|
Klämtid (min)
Tidsram: 18 månader
|
Tiden från det att artärerna är fastklämda tills dess att artärerna lossnar tas av.
Även känd som den varma ischemiska tiden (WIT).
|
18 månader
|
Erfarenhetsnivå av kirurg
Tidsram: 18 månader
|
Vilken erfarenhetsnivå har den kirurg som opererar?
Var också några registratorer inblandade?
|
18 månader
|
Blodförlust (ml)
Tidsram: 18 månader
|
18 månader
|
|
Total drifttid (min)
Tidsram: 18 månader
|
Från det att patienten går in i operationssalen till utgången, enligt patientanteckningarna.
|
18 månader
|
Vistelsens längd (dagar)
Tidsram: 18 månader
|
Detta kommer att finnas tillgängligt efter utskrivning från sjukhuset.
Om patienten inte skrivs ut efter 4 veckor efter operationen.
En maximal längd på 28 dagar bör anges och detta tillsammans med orsakerna ska registreras i biverkningsloggen.
|
18 månader
|
Marginalstatus på histologi [positiv/negativ]
Tidsram: 18 månader
|
Resultaten från histologirapporten efter operationen bör registreras.
|
18 månader
|
Postoperativ eGFR (ml/min)
Tidsram: 18 månader
|
Uppmätt 4 veckor efter operationen
|
18 månader
|
Postoperativt hemoglobin (g/dL)
Tidsram: 18 månader
|
Tags 1 dag efter operationen
|
18 månader
|
Clavien-Dindo poäng
Tidsram: 18 månader
|
Välj alternativ från [Grade I, Grade II, Grade IIIa, Grade IIIb, Grade IVa, Grade IVb]
|
18 månader
|
Samarbetspartners och utredare
Studieavstämningsdatum
Studera stora datum
Studiestart (Förväntat)
Primärt slutförande (Förväntat)
Avslutad studie (Förväntat)
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
Ytterligare relevanta MeSH-villkor
Andra studie-ID-nummer
- 295968
Plan för individuella deltagardata (IPD)
Planerar du att dela individuella deltagardata (IPD)?
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 .
Kliniska prövningar på Njurcancer
-
Fayoum UniversityCairo UniversityHar inte rekryterat ännuSGLT2i Kideny Protection Against Contrast in Diabetic Kidney
-
Medical University of ViennaAvslutadSekundär hyperparatyreos | CKD-MBD - Chronic Kidney Disease Mineral and Bone Disorder | NjurersättningÖsterrike
-
Hans BahlmannLinkoeping UniversityRekryteringNjurcancer | Uretercancer | Andra specificerade störningar av njure och urinledare | Benign Neoplasm av Ureter | Calculus of Kidney and Ureter | Ureterisk reflux | Medfödd ureteranomali | Benign renal neoplasmSverige