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

10-årig retrospektiv studie av oral och maxillofacial skivepitelcancer

Klinikopatologisk och prognostisk analys av oral och käkepitelcancer: en encenter 10-årig retrospektiv studie

Introduktion: Incidensen av ockulta cervikala lymfkörtelmetastaser (OCLNM) rapporteras vara 20-30 % vid tidig muncancer och orofaryngeal cancer. Det saknas en noggrann diagnostisk metod för att förutsäga ockult lymfkörtelmetastaser och för att hjälpa kirurger att fatta exakta behandlingsbeslut.

Syfte: Att konstruera och utvärdera en preoperativ diagnostisk metod för att förutsäga ockult lymfkörtelmetastas (OCLNM) i ett tidigt stadium av oral och orofaryngeal skivepitelcancer (OC och OP SCC) baserat på djupinlärningsegenskaper (DLF) och radiomik.

Metoder: Totalt 319 patienter diagnostiserade med OC eller OP SCC i ett tidigt skede inkluderades retrospektivt och delades upp i tränings-, test- och externa valideringsuppsättningar. Traditionella radiomikrofunktioner och DLF extraherades från deras MRI-bilder. Analysen av minst absoluta krympnings- och urvalsoperatörer (LASSO) användes för att identifiera de mest värdefulla egenskaperna. Förutsägelsemodeller för OCLNM utvecklades med hjälp av radiomikrofunktioner och DLF:er. Effektiviteten av modellerna och deras kliniska tillämpbarhet utvärderades med användning av area under the curve (AUC), beslutskurveanalys (DCA) och överlevnadsanalys.

Studieöversikt

Status

Avslutad

Betingelser

Studietyp

Observationell

Inskrivning (Faktisk)

319

Kontakter och platser

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

Studieorter

    • Guangdong
      • Guangzhou, Guangdong, Kina, 510000
        • Sun Yat-sen Memorial Hospital
      • Guangzhou, Guangdong, Kina, 510000
        • Sun yat-sun memorial hospital

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

  • Barn
  • Vuxen
  • Äldre vuxen

Tar emot friska volontärer

Nej

Testmetod

Icke-sannolikhetsprov

Studera befolkning

Radiomikegenskaperna som påverkar förutsägelsen av OCLNM i OC och OP SCC. Totalt 319 patienter med OC eller OP SCC i tidigt stadium från sjukhusen

Beskrivning

Inklusionskriterier:

  1. Patologiskt bekräftat, tidigare obehandlat oralt och orofaryngealt skivepitelcancer med radikal resektion;
  2. MRT-undersökning utfördes två veckor före operationen;
  3. Alla patienter med halsdissektion och status för regionala lymfkörtlar bekräftades via patologisk undersökning;
  4. Alla patienter hade inga kliniska bevis på nodal involvering.

Exklusions kriterier:

  1. Andra maligna tumörer, såsom adenoid cystiskt karcinom;
  2. brist på fullständig MR-avbildning eller dålig MRT-kvalitet;
  3. patienter hade genomgått halsdissektion eller behandlats icke-kirurgiskt;
  4. patienter med metastaserande sjukdom.

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
Kohort A
Slumpmässigt (121 fall) uppdelat som tränings- och testset i förhållandet 7:3.
Den prediktiva förmågan hos ovanstående Resnet50 djupinlärningsmodell (DL) validerades i testsetet. Baserat på AUC och ACC identifierades den bästa prediktionsmodellen. För att utforska robustheten av den valda modellen utfördes ROC-analys i den externa valideringsuppsättningen. Dessutom användes Log-rank-testet för att utvärdera det prognostiska värdet av modellen.
Kohort B
Segmenterade i två grupper baserat på insamlade grupper, vilka definierades som extern valideringsuppsättning1 (n = 68) och extern valideringsuppsättning2 (n = 130)
Den prediktiva förmågan hos ovanstående Resnet50 djupinlärningsmodell (DL) validerades i testsetet. Baserat på AUC och ACC identifierades den bästa prediktionsmodellen. För att utforska robustheten av den valda modellen utfördes ROC-analys i den externa valideringsuppsättningen. Dessutom användes Log-rank-testet för att utvärdera det prognostiska värdet av modellen.

Vad mäter studien?

Primära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
AUC (ytan under kurvan) värden för modellen
Tidsram: 10 år(Detta är en retrospektiv forskning,vi samlar in 10-åriga patienter, men projektet vi implementerar datainsamling och analys är 9 månader)
Effektiviteten av modellerna och deras kliniska tillämpbarhet utvärderades med hjälp av arean under kurvan (AUC)
10 år(Detta är en retrospektiv forskning,vi samlar in 10-åriga patienter, men projektet vi implementerar datainsamling och analys är 9 månader)

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)

10 maj 2023

Primärt slutförande (Faktisk)

10 februari 2024

Avslutad studie (Faktisk)

10 februari 2024

Studieregistreringsdatum

Först inskickad

19 mars 2024

Först inskickad som uppfyllde QC-kriterierna

15 april 2024

Första postat (Faktisk)

16 april 2024

Uppdateringar av studier

Senaste uppdatering publicerad (Faktisk)

16 april 2024

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

15 april 2024

Senast verifierad

1 april 2024

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 MRI

3
Prenumerera