Denna sida har översatts automatiskt och översättningens korrekthet kan inte garanteras. Vänligen se engelsk version för en källtext.

Datorstödt verktyg för diagnos av nackmassa hos barn

11 januari 2022 uppdaterad av: Yuhan Yang, West China Hospital
Syftet med denna studie var att utvärdera den diagnostiska effektiviteten av datorstödda diagnostiska verktyg för nackmassa med hjälp av maskininlärning och djupinlärningstekniker på klinisk information och radiologiska bilder hos barn.

Studieöversikt

Detaljerad beskrivning

Denna studie är en retrospektiv-prospektiv design av West China Hospital, Sichuan University, inklusive kliniska data och radiologiska bilder. En retrospektiv databas registrerades för patienter med säker histologisk diagnos och tillgängliga radiologiska bilder från juni 2010 och december 2020. Utredarna har konstruerat diagnostiska modeller för djupinlärning och maskininlärning på denna retrospektiva kohort och validerat den internt. En blivande kohort skulle rekrytera patienter som hittats halsmassor sedan januari 2021. De föreslagna datorstödda diagnostiska modellerna skulle också valideras externt i denna blivande kohort. Syftet med denna studie var att utvärdera den diagnostiska effektiviteten av datorstödda diagnostiska verktyg för nackmassa med hjälp av maskininlärning och djupinlärningstekniker på kliniska data och radiologiska bilder hos barn.

Studietyp

Observationell

Inskrivning (Förväntat)

1500

Kontakter och platser

Det här avsnittet innehåller kontaktuppgifter för dem som genomför studien och information om var denna studie genomförs.

Studieorter

    • Sichuan
      • Chengdu, Sichuan, Kina, 6100041
        • Rekrytering
        • West China Hospital, Sichuan University

Deltagandekriterier

Forskare letar efter personer som passar en viss beskrivning, så kallade behörighetskriterier. Några exempel på dessa kriterier är en persons allmänna hälsotillstånd eller tidigare behandlingar.

Urvalskriterier

Åldrar som är berättigade till studier

1 sekund till 18 år (Barn, Vuxen)

Tar emot friska volontärer

Nej

Kön som är behöriga för studier

Allt

Testmetod

Icke-sannolikhetsprov

Studera befolkning

Patienter som påträffades halsmassor, och hade färdig klinisk information och radiologiska bilder före operation, biopsi, neoadjuvant kemoterapi och strålbehandling.

Beskrivning

Inklusionskriterier:

  • Ålder upp till 18 år
  • Får ingen behandling före diagnos
  • Med skriftligt informerat samtycke

Exklusions kriterier:

  • Kliniska data saknas
  • Otillgängliga radiologiska bilder
  • Utan skriftligt informerat samtycke

Studieplan

Det här avsnittet ger detaljer om studieplanen, inklusive hur studien är utformad och vad studien mäter.

Hur är studien utformad?

Designdetaljer

Kohorter och interventioner

Grupp / Kohort
Intervention / Behandling
Retrospektiv kohort
Den interna kohorten skrevs in retrospektivt på West China Hospital, Sichuan University från juni 2010 och december 2020. Det är en utbildnings- och intern valideringskohort.
Olika datorstödda strategier för maskininlärning och djupinlärning för modellkonstruktion och validering.
Blivande kohort
Samma inklusions-/exkluderingskriterier tillämpades för samma center i framtiden. Det är en extern valideringskohort.
Olika datorstödda strategier för maskininlärning och djupinlärning för modellkonstruktion och validering.

Vad mäter studien?

Primära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Den diagnostiska noggrannheten av nackmassa med AI-baserade screeningverktyg hos barn
Tidsram: 1 månad
Den diagnostiska noggrannheten av nackmassa med AI-baserade screeningverktyg hos barn.
1 månad

Sekundära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Den diagnostiska känsligheten hos nackmassor med AI-baserade screeningverktyg hos barn
Tidsram: 1 månad
Den diagnostiska känsligheten hos nackmassor med AI-baserade screeningverktyg hos barn.
1 månad
Den diagnostiska specificiteten hos nackmassor med AI-baserade screeningverktyg hos barn
Tidsram: 1 månad
Den diagnostiska specificiteten hos nackmassor med AI-baserade screeningverktyg hos barn.
1 månad
Det diagnostiska positiva prediktiva värdet av nackmassor med AI-baserade screeningverktyg hos barn
Tidsram: 1 månad
Det diagnostiska positiva prediktiva värdet av nackmassor med AI-baserade screeningverktyg hos barn.
1 månad
Det diagnostiska negativa prediktiva värdet av nackmassor med AI-baserade screeningverktyg hos barn
Tidsram: 1 månad
Det diagnostiska negativa prediktiva värdet av nackmassor med AI-baserade screeningverktyg hos barn
1 månad

Samarbetspartners och utredare

Det är här du hittar personer och organisationer som är involverade i denna studie.

Studieavstämningsdatum

Dessa datum spårar framstegen för inlämningar av studieposter och sammanfattande resultat till ClinicalTrials.gov. Studieposter och rapporterade resultat granskas av National Library of Medicine (NLM) för att säkerställa att de uppfyller specifika kvalitetskontrollstandarder innan de publiceras på den offentliga webbplatsen.

Studera stora datum

Studiestart (Faktisk)

1 januari 2021

Primärt slutförande (Förväntat)

31 december 2024

Avslutad studie (Förväntat)

31 december 2024

Studieregistreringsdatum

Först inskickad

24 december 2021

Först inskickad som uppfyllde QC-kriterierna

24 december 2021

Första postat (Faktisk)

12 januari 2022

Uppdateringar av studier

Senaste uppdatering publicerad (Faktisk)

27 januari 2022

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

11 januari 2022

Senast verifierad

1 januari 2022

Mer information

Termer relaterade till denna studie

Plan för individuella deltagardata (IPD)

Planerar du att dela individuella deltagardata (IPD)?

NEJ

Läkemedels- och apparatinformation, studiedokument

Studerar en amerikansk FDA-reglerad läkemedelsprodukt

Nej

Studerar en amerikansk FDA-reglerad produktprodukt

Nej

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 Infantila hemangiom

Kliniska prövningar på Artificiell intelligens Algoritm

3
Prenumerera