- ICH GCP
- Amerikanska kliniska prövningsregistret
- Klinisk prövning NCT07243847
Återfalls- och prognosprediktionsmodell för magcancer
20 november 2025 uppdaterad av: Jun Lu, Fudan University
Artificiell djupinlärningsbaserad modell för att förutsäga postoperativ återfall i magcancer
Denna studie, som använder en storskalig multikenterdatabas från Öst, har etablerat en Deep Learning-baserad prediktiv modell för återfall efter magcancerkirurgi, som uppvisar robust diskrimineringskraft för tidigt återfall.
Dessutom kan den individualiserade återfallssannolikheten som genereras av denna modell förutsäga långsiktig postoperativ prognos och effektivt stratifiera patienter baserat på risk, vilket därmed vägleder personliga behandlingsval.
Denna individualiserade riskprobabilitet är också tillämplig på både adjuvant kemoterapi och neoadjuvant kemoterapi populationer, vilket erbjuder värdefullt stöd för precisionsbehandling vid magcancer.
Studieöversikt
Studietyp
Observationell
Inskrivning (Faktisk)
5000
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
En retrospektiv analys genomfördes på de klinisk-patologiska data från patienter som genomgått radikal gastrektomi för magcancer mellan 2001 och 2022 vid 13 tertiära sjukhus i Kina.
Beskrivning
Inklusionskriterier:
Patologiskt bekräftad gastrisk adenocarcinom; Inga fjärrmetastaser bekräftade genom preoperativa undersökningar såsom bröströntgen, bukultraljud och övre buk-datortomografi; Uppnådd R0-resektion.
Exklusionskriterier:
Närvaro av fjärrmetastaser upptäckta preoperativt eller intraoperativt; Tidigare neoadjuvant kemoterapi eller strålbehandling; Ofullständiga allmänna kliniska data.
Studieplan
Det här avsnittet ger detaljer om studieplanen, inklusive hur studien är utformad och vad studien mäter.
Hur är studien utformad?
Designdetaljer
Vad mäter studien?
Primära resultatmått
Resultatmått |
Tidsram |
|---|---|
|
återfall
Tidsram: 3 år efter operation
|
3 år efter operation
|
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 januari 2000
Primärt slutförande (Faktisk)
1 oktober 2025
Avslutad studie (Faktisk)
1 november 2025
Studieregistreringsdatum
Först inskickad
16 november 2025
Först inskickad som uppfyllde QC-kriterierna
20 november 2025
Första postat (Faktisk)
24 november 2025
Uppdateringar av studier
Senaste uppdatering publicerad (Faktisk)
24 november 2025
Senaste inskickade uppdateringen som uppfyllde QC-kriterierna
20 november 2025
Senast verifierad
1 november 2025
Mer information
Termer relaterade till denna studie
Ytterligare relevanta MeSH-villkor
Andra studie-ID-nummer
- Prediction model(GC)
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 .