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

Maskininlärning förutsäger överlevnad och mutationer i äggstocksmetastaser av kolorektal cancer

4 januari 2024 uppdaterad av: Sixth Affiliated Hospital, Sun Yat-sen University

Machine Learning-baserad modell för förutsägelse av överlevnad och mutationer i ovariemetastaser av kolorektal cancer

Studien syftade till att utveckla och validera modeller för att förutsäga överlevnadsresultat och nyckelmutationer hos patienter med ovariemetastaser av kolorektal cancer, samt att jämföra det differentiella genuttrycket mellan grupp med lång överlevnad och grupp med kort överlevnad.

Studieöversikt

Status

Rekrytering

Betingelser

Intervention / Behandling

Detaljerad beskrivning

Utredaren utförde en retrospektiv-prospektiv kohortstudie med syftet att utveckla och validera heltäckande modeller för att förutsäga överlevnadsresultat och nyckelmutationer från multimodalitetsdata hos patienter med äggstocksmetastaser av kolorektal cancer. För det andra syftade utredaren till att jämföra det differentiella genuttrycket mellan grupp med lång överlevnad och grupp med kort överlevnad.

Studietyp

Observationell

Inskrivning (Beräknad)

200

Kontakter och platser

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

Studiekontakt

Studieorter

  • Kina
    • Guangdong
      • Guangzhou, Guangdong, Kina, 510655
        • Rekrytering
        • Sixth Affiliated Hospital, Sun Yat-sen University
        • Kontakt:
        • Huvudutredare:
          • Huaiming Wang, MD

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

Nej

Testmetod

Icke-sannolikhetsprov

Studera befolkning

Patienter med äggstocksmetastaser från kolorektal cancer

Beskrivning

Inklusionskriterier:

  • Histologiskt bekräftad kolorektal cancer
  • Unilaterala eller bilaterala äggstocksmassor bekräftade genom peroperativ bildundersökning
  • Patient som behöver resektion av sin ovarie- och/eller peritoneala karcinomatos
  • 18 ≤ Ålder ≤ 85
  • Världshälsoorganisationens prestationsstatus ≤ 1
  • Förväntad livslängd > 12 veckor
  • Tillräcklig hematologisk, lever- och njurfunktion
  • Patientinformation och underskrift av formuläret för informerat samtycke innan eventuella behandlingsprocedurer påbörjas

Exklusions kriterier:

  • Ovariella metastaser av annat ursprung än kolorektala
  • Primär äggstockstumör
  • Kliniska data saknas

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
Kohorten var retrospektivt inskriven på The Sixth Affiliated Hospital, Sun Yat-sen University från augusti 2010 till augusti 2022. Det är en träningskohort.
Övrig: Förutsägelsemodell
Vi utvecklar och validerar kliniska modeller för att förutsäga patientöverlevnad och gensignaturer i äggstocksmetastaser av kolorektal cancer.
Blivande kohort
Samma inklusions-/exkluderingskriterier tillämpades för samma center i framtiden. Det är en valideringskohort.
Övrig: Förutsägelsemodell
Vi utvecklar och validerar kliniska modeller för att förutsäga patientöverlevnad och gensignaturer i äggstocksmetastaser av kolorektal cancer.

Vad mäter studien?

Primära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Total överlevnad
Tidsram: Minst 3 års uppföljning
Total överlevnad definierades som tiden från operation till dödsfall eller till den sista uppföljningen.
Minst 3 års uppföljning
Sjukdomsfri överlevnad
Tidsram: Minst 1 års uppföljning
Sjukdomsfri överlevnad definierades som intervallet mellan operation och det första peritoneala eller avlägsna återfallet eller döden av någon orsak.
Minst 1 års uppföljning
Peritoneal-fri överlevnad
Tidsram: Minst 1 års uppföljning
Peritonealfri överlevnad definierades som intervallet mellan operation och det första peritoneala återfallet. Ovariemetastaser har visat sig vara en subtyp av peritoneal metastas.
Minst 1 års uppföljning

Sekundära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Hastigheter av nyckelgenmutationer
Tidsram: Minst 1 års uppföljning
Hastigheter av nyckelgenmutationer, såsom mikrosatellitinstabilitet-hög/DNA-felmatchningsreparation
Minst 1 års uppföljning

Samarbetspartners och utredare

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

Sponsor

Sixth Affiliated Hospital, Sun Yat-sen University

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)

27 augusti 2022

Primärt slutförande (Beräknad)

1 augusti 2025

Avslutad studie (Beräknad)

1 augusti 2025

Studieregistreringsdatum

Först inskickad

9 oktober 2023

Först inskickad som uppfyllde QC-kriterierna

4 januari 2024

Första postat (Faktisk)

5 januari 2024

Uppdateringar av studier

Senaste uppdatering publicerad (Faktisk)

5 januari 2024

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

4 januari 2024

Senast verifierad

1 januari 2024

Mer information

Termer relaterade till denna studie

Nyckelord

Ytterligare relevanta MeSH-villkor

Andra studie-ID-nummer

  • wanghm7

Plan för individuella deltagardata (IPD)

Planerar du att dela individuella deltagardata (IPD)?

OBESLUTSAM

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