Den CT-baserade djupinlärningsmodellen förutsäger komplikationer i partiell nefrektomi
12 mars 2025 uppdaterad av: Du Lingzhi
Den CT-baserade djupinlärningsmodellen överträffar traditionella anatomiska klassificeringsmodeller i preoperativt förutsäga komplikationer och riskgrad i partiell nefrektomi
Utredarna kombinerar radiomik och djup inlärning för att analysera lesionerna mer grundligt och siktar på en mer exakt förutsägelse av komplikationer i partiell nefrektomi och jämför detta tillvägagångssätt med traditionella modeller.
Studieöversikt
Status
Avslutad
Betingelser
Detaljerad beskrivning
I denna studie inkluderades patienter som diagnostiserats med njurcellscancer eller njurcyst som genomgick partiell nefrektomi över flera centra.
Och deltagarna utesluts om de hade (a) saknade eller otillgängliga avbildningsdata eller (b) inga tillgängliga förbättrade CT -bilder.
Kohorten delades upp i tränings- och testuppsättningar i ett 7: 3 -förhållande.
Efter det extraherades radiomikfunktionerna från bilderna, och Lasso -regression användes för att välja funktioner.
Sedan utvecklades en djup inlärningsmodell för att förutsäga komplikationer och riskgrader och jämföras med traditionella klassificeringsmodeller (njur och Padua), vilket visade överlägsen användbarhet.
Studietyp
Observationell
Inskrivning (Faktisk)
1474
Kontakter och platser
Det här avsnittet innehåller kontaktuppgifter för dem som genomför studien och information om var denna studie genomförs.
Studieorter
-
-
Xuhui District
-
Shanghai, Xuhui District, Kina, 200032
- Name: Zhongshan Hospital Fudan University, Location: 180th Fenglin Road, Xuhui District, Shanghai, China
-
-
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
Studiepopulationen inkluderar patienter som diagnostiserats med njurcellscancer eller njurcyst som genomgick partiell nefrektomi i de deltagande centra. Kliniska och avbildningsdata samlades retrospektivt från medicinska journaler, inklusive demografiska egenskaper (ålder, kön, BMI), tumörplats (vänster eller höger njure), kirurgiska detaljer (kirurgisk tillvägagångssätt, ischemi tid) och perioperativa komplikationer.
Patienterna inkluderades baserat på tillgängligheten av fullständig klinisk, kirurgisk och avbildningsdata. Uteslutningskriterier omfattade individer med saknade eller otillgängliga avbildningsdata, eller inga tillgängliga förbättrade CT -bilder. Studien syftar till att kombinera CT-baserade radiomikfunktioner och kliniska funktioner för att utveckla en djup inlärningsmodell för att förutsäga perioperativa komplikationer av partiell nefrektomi och jämföra med traditionella anatomiska klassificeringsmodeller.
Beskrivning
Inkluderingskriterier:
- Klinisk diagnos av njurcellscancer eller njurcysta
- Genomgick partiell nefrektomi mellan juni 2014 och juli 2024
Uteslutningskriterier:
- Saknade eller otillgängliga avbildningsdata
- Inga tillgängliga förbättrade CT -bilder
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 |
|---|
|
Komplikation 1
Patienter som upplevde perioperativa komplikationer under den partiella nefrektomin
|
|
Komplikation 0
Patienter som inte upplevde perioperativa komplikationer under den partiella nefrektomin
|
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
om komplikationer inträffade
Tidsram: perioperativt
|
Granska retrospektivt det medicinska registersystemet för att avgöra om patienter utvecklade postoperativa komplikationer.
|
perioperativt
|
Sekundära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Patientens riskgrad
Tidsram: perioperativt
|
Baserat på det allmänt erkända CLAVIEN-DINDO-klassificeringssystemet (CDC) för kirurgiska komplikationer, kategoriserades dessa komplikationer i fyra betyg: klass I, II, III och IV.
Riskgrad tilldelades i enlighet därmed: "Ingen risk" definieras eftersom inga komplikationer inträffade, "grad låg" definieras som den högsta komplikationsnivån som klass I, "klass måttlig" definieras som den högsta komplikationsnivån som grad II, och "högklassig" definieras som komplikationer av grad III eller högre, som är livslängd.
|
perioperativt
|
Samarbetspartners och utredare
Det är här du hittar personer och organisationer som är involverade i denna studie.
Sponsor
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 juni 2024
Primärt slutförande (Faktisk)
31 december 2024
Avslutad studie (Faktisk)
28 februari 2025
Studieregistreringsdatum
Först inskickad
8 mars 2025
Först inskickad som uppfyllde QC-kriterierna
12 mars 2025
Första postat (Faktisk)
25 mars 2025
Uppdateringar av studier
Senaste uppdatering publicerad (Faktisk)
25 mars 2025
Senaste inskickade uppdateringen som uppfyllde QC-kriterierna
12 mars 2025
Senast verifierad
1 mars 2025
Mer information
Termer relaterade till denna studie
Nyckelord
Ytterligare relevanta MeSH-villkor
- Urogenitala sjukdomar
- Urogenitala neoplasmer
- Neoplasmer efter plats
- Neoplasmer
- Manliga urogenitala sjukdomar
- Njursjukdomar
- Urologiska sjukdomar
- Kvinnliga urogenitala sjukdomar
- Kvinnliga urogenitala sjukdomar och graviditetskomplikationer
- Neoplasmer efter histologisk typ
- Neoplasmer, körtel och epitel
- Adenocarcinom
- Urologiska neoplasmer
- Carcinom
- Neoplasmer i njurarna
- Karcinom, njurcell
Andra studie-ID-nummer
- zsurologyDLMforPNcomplication
Plan för individuella deltagardata (IPD)
Planerar du att dela individuella deltagardata (IPD)?
JA
IPD-planbeskrivning
Kliniska data och extraherade radiomik har data, exklusive patientinformation.
Tidsram för IPD-delning
Inom sex månader efter publiceringen i tidskriften.
Kriterier för IPD Sharing Access
Uppgifterna som stöder denna studie är tillgängliga från de inskrivna institutionerna, men begränsningarna gäller för deras tillgänglighet på grund av integritetsskäl.
Data kan nås på rimlig begäran från motsvarande författare.
IPD-delning som stöder informationstyp
- STUDY_PROTOCOL
Läkemedels- och apparatinformation, studiedokument
Studerar en amerikansk FDA-reglerad läkemedelsprodukt
Nej
Studerar en amerikansk FDA-reglerad produktprodukt
Nej
produkt tillverkad i och exporterad från U.S.A.
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 .