Screening för tjock- och ändtarmscancer med unga debut baserad på artificiell intelligens
28 mars 2024 uppdaterad av: Renmin Hospital of Wuhan University
Tillämpning av artificiell intelligens för screening av tjock- och ändtarmscancer med ung debut baserat på elektroniska journaler
I den här studien syftade vi till att utveckla, internt och temporärt validera maskininlärningsmodellerna för att hjälpa till att screena YOCRC som är förbjuden på retrospektiv extraherade elektroniska journaldata (EMR).
Studieöversikt
Status
Avslutad
Betingelser
Intervention / Behandling
Detaljerad beskrivning
Diagnos av tjocktarmscancer (YOCRC) har blivit vanligare under de senaste decennierna.
Screening av CRC bland yngre vuxna är fortfarande en utmaning.
I denna studie planerar vi att retrospektivt extrahera relevanta kliniska data från unga individer som genomgick koloskopi från 2013 till 2022 med hjälp av elektronisk journal (EMR).
Flera övervakade maskininlärningstekniker kommer att tillämpas för att särskilja YOCRC och icke-YOCRC-individer, ovanstående klassificerare kommer att tränas och internt valideras i träningsdatasetet och internt valideringsdataset som antas mellan 2013 och 2021, respektive.
Vi kommer också att bedöma klassificerarnas tidsmässiga externa validitet baserat på antagningarna från 2022.
Studietyp
Observationell
Inskrivning (Faktisk)
11000
Kontakter och platser
Det här avsnittet innehåller kontaktuppgifter för dem som genomför studien och information om var denna studie genomförs.
Studieorter
-
-
Hubei
-
Wuhan, Hubei, Kina, 430060
- Renmin Hospital of Wuhan 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
- Vuxen
Tar emot friska volontärer
Ja
Testmetod
Icke-sannolikhetsprov
Studera befolkning
Studiepopulationen vi extraherade i denna studie var från avdelningen för gastroenterologi, avdelningen för onkologi, etc.
Mer specifikt fanns det två huvudkällor för studiedeltagarna: några individer som ingick i vår studie hade relevanta symtom (som kronisk buksmärta, förändrad avföringsvana, oförklarlig viktminskning, hematochezi), och de fick koloskopiundersökning under inrådan av läkare, medan vissa individer kommer till sjukhuset bara för en omfattande fysisk undersökning (de fysiska undersökningsobjekten inkluderar koloskopi).
Beskrivning
Inklusionskriterier:
- Nyligen diagnostiserad med CRC (YOCRC-gruppen)
- Ålder vid 18-49 år vid diagnos (YOCRC-grupp)
- Har aldrig fått någon CRC-relaterad behandling (YOCRC-grupp)
- Ingen CRC bekräftad av koloskopi eller patologi (icke-YOCRC-grupp)
- Ålder vid 18-49 (icke-YOCRC-grupp)
Exklusions kriterier:
- Sjukhusvistelse mindre än 24 timmar eller med ofullständig komplett blodräkning
- Patienter med inflammatorisk tarmsjukdom eller ärftliga CRC-syndrom
- Historik om andra typer av primära maligna tumörer och andra orsaker som gjorde dem olämpliga för inskrivning
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 |
|---|---|
|
Patienter med ungt debuterad kolorektal cancer
Patienter diagnostiserades med ung-debut kolorektal cancer efter att ha fått koloskopi undersökning.
|
Den här studien använde kliniska data och en maskininlärningsmodell för att screena kolorektal cancer med unga debut.
|
|
Patienter utan ung-debuterad kolorektal cancer
Patienter uteslöts ung-debut kolorektal cancer efter att ha fått koloskopi undersökning.
|
Den här studien använde kliniska data och en maskininlärningsmodell för att screena kolorektal cancer med unga debut.
|
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Prestanda för screeningmodeller för maskininlärning
Tidsram: genom avslutad studie, i genomsnitt 1 år
|
Prestandan för screeningmodeller för kolorektalcancer med unga debut kommer att bedömas genom att beräkna arean under mottagarens operationskarakteristik (ROC) kurva (AUC), noggrannhet, återkallelse, specificitet, negativt prediktivt värde (NPV), positivt prediktivt värde (PPV, eller kallas Precision).
|
genom avslutad studie, i genomsnitt 1 år
|
Samarbetspartners och utredare
Det är här du hittar personer och organisationer som är involverade i denna studie.
Utredare
- Studiestol: Dong Weiguo, PhD, Renmin Hospital of Wuhan 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)
1 december 2023
Primärt slutförande (Faktisk)
10 januari 2024
Avslutad studie (Faktisk)
25 januari 2024
Studieregistreringsdatum
Först inskickad
15 mars 2024
Först inskickad som uppfyllde QC-kriterierna
28 mars 2024
Första postat (Faktisk)
2 april 2024
Uppdateringar av studier
Senaste uppdatering publicerad (Faktisk)
2 april 2024
Senaste inskickade uppdateringen som uppfyllde QC-kriterierna
28 mars 2024
Senast verifierad
1 januari 2024
Mer information
Termer relaterade till denna studie
Ytterligare relevanta MeSH-villkor
Andra studie-ID-nummer
- Weiguo Dong
Plan för individuella deltagardata (IPD)
Planerar du att dela individuella deltagardata (IPD)?
OBESLUTSAM
IPD-planbeskrivning
Involverar patientintegritetsinformation
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 .