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

Tidig upptäckt av lungcancer med maskininlärning baserat på rutinmässiga kliniska undersökningar

Denna observationella, tvärsnittsstudie i lungcancerpatienter och lungcancerfria kontroller syftar till att utveckla en maskininlärningsmodell för tidig upptäckt av LC baserad på rutinmässiga, allmänt tillgängliga och minimalt invasiva kliniska undersökningar. Modellen med adekvat prediktiv prestanda skulle senare kunna användas i klinisk praxis som ett hjälpmedel för att definiera den optimala populationen och tidpunkten för lungcancerscreeningsprogram.

Studieöversikt

Studietyp

Observationell

Inskrivning (Beräknad)

7500

Kontakter och platser

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

Studieorter

      • Golnik, Slovenien, 4204
        • University Clinic of Respiratory and Allergic Diseases Golnik
        • Kontakt:
        • Huvudutredare:
          • Mitja Prah, MD
      • Ljubljana, Slovenien, 1000
        • Jozef Stefan Institute
        • Kontakt:
        • Huvudutredare:
          • Mitja Luštrek, PhD

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

  • Vuxen
  • Äldre vuxen

Tar emot friska volontärer

Ja

Testmetod

Sannolikhetsprov

Studera befolkning

Studien kommer att omfatta vuxna aktiva eller före detta rökare som löper hög risk att utveckla lungcancer, och skulle anses vara lämpliga kandidater för lungcancerscreening. Studien kommer att fokusera på patienter med bekräftad bronkogen lungcancer.

Beskrivning

Alla patienter:

  • Ålder ≥ 50 år och < 80 år vid indexdatum för diagnos (för fall) eller pseudodiagnos (för kontroller).
  • Närvaro av minst en utökad blodanalys, spirometri och DLCO-rapport inom 6 månader före indexdatumet.
  • CT-skanning av bröstkorgen utförd i en icke-brådskande miljö (elektivt) inom 6 månader före indexdatum (= index CT).
  • Aktiva rökare vid indexdatum eller före detta rökare som slutat röka inom 15 år före indexdatum.
  • Rökhistorik ≥ 20 packår.

Ytterligare för endast fall: Bekräftad histologisk diagnos av bronkogen lungcancer under tidsperioden ≥ 2010 och ≤ 2020.

Ytterligare endast för kontroller:

  • Frånvaro av lungcancer vid alla tidpunkter ≤ 2020, bekräftad med CT-skanning av bröstkorgen vid indexdatum.
  • Dokumenterad att leva utan diagnos av lungcancer i minst 3 år efter indexdatum.

Utökade kriterier för undergruppen för lungcancerprediktion:

Utöver de ovan angivna inklusionskriterierna har patienter i denna undergrupp minst en utökad blodanalys, spirometri och DLCO-rapport tillgänglig under tidsintervallet mellan 3-5 år före indexdatum.

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
Sjukdomskohort
Observationell, inga ingrepp
Inga ingrepp.
Kontrollkohort
Observationell, inga ingrepp
Inga ingrepp.

Vad mäter studien?

Primära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Utveckla en modell med hög prediktiv prestanda för tidig upptäckt av icke-småcellig lungcancer (NSCLC) i den kvalificerade patientpopulationen.
Tidsram: 11 år
Det primära resultatet testas genom att beräkna en gemensam rektangulär 95 % konfidensregion för {sensitivitet, specificitet} och jämförs med den rapporterade noggrannheten för screeningkriterier i NLST-studien.
11 år

Sekundära resultatmått

Resultatmått
Tidsram
Visa att den nyutvecklade modellen uppnår högre prediktionsnoggrannhet än den välvaliderade modellen PLCom2012.
Tidsram: 11 år
11 år

Andra resultatmått

Resultatmått
Tidsram
Utveckla en modell med hög prediktiv prestanda för tidig upptäckt av småcellig lungcancer (SCLC) i den kvalificerade patientpopulationen.
Tidsram: 11 år
11 år
Utveckla en modell för förutsägelse av lungcancer under en tidsperiod då sjukdomen fortfarande är mycket osannolik att vara kliniskt detekterbar, i en undergrupp av patienter som uppfyller de utökade behörighetskriterierna.
Tidsram: 11 år
11 år
Identifiera egenskaper med den högsta diskriminerande kraften för lungcancerförutsägelse och tidig upptäckt.
Tidsram: 11 år
11 år
Identifiera egenskaper med den högsta diskriminerande kraften för att skilja mellan lungcancerpatienter i stadium I-II och stadium III-IV.
Tidsram: 11 år
11 år

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 (Beräknad)

1 september 2023

Primärt slutförande (Beräknad)

1 september 2024

Avslutad studie (Beräknad)

1 september 2024

Studieregistreringsdatum

Först inskickad

8 juni 2023

Först inskickad som uppfyllde QC-kriterierna

8 juni 2023

Första postat (Beräknad)

16 juni 2023

Uppdateringar av studier

Senaste uppdatering publicerad (Beräknad)

16 juni 2023

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

8 juni 2023

Senast verifierad

1 juni 2023

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 .

Prenumerera