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

AI-assisterat beslutsfattande för reoperation vid postoperativ blödning av magcancer

En multicenterobservationsstudie för att utveckla och validera en djupinlärningsmodell för dynamisk bedömning av postoperativt blödningsrisiko för att bistå vid beslutsfattande om reoperation hos patienter med magcancer

Syftet med denna observationsstudie är att utveckla och validera en djupinlärningsmodell för att dynamiskt bedöma risken för postoperativ blödning och assistera i beslutsfattandet för reoperation hos vuxna patienter (≥18 år) med diagnosen primär magcancer som genomgår radikal gastrektomi. De huvudsakliga frågor som studien syftar att besvara är:

Kan en AI-modell baserad på perioperativa dynamiska fysiologiska parametrar och noggrann intraoperativ blodförlust exakt förutsäga risken för postoperativ blödning som kräver reoperation? Förbättrar tillämpningen av denna AI-modell det kliniska beslutsfattandet (t.ex. tidigare varningstid, optimal tidpunkt för intervention) och patientutfallen (t.ex. dödlighet, vårdtid)? Eftersom det inte finns någon jämförelsegrupp (detta är en ren observationsstudie utan interventionsgrupper) kommer forskarna inte att jämföra olika behandlingsgrupper. Istället kommer forskarna att utvärdera modellens prestanda (känslighet, negativt prediktivt värde, AUC, kalibrering) med retrospektiva data för träning och prospektiva multicenterdata för extern validering.

Deltagarna kommer att:

Genomgå standard radikal gastrektomi och rutinmässig postoperativ vård enligt klinisk praxis (inga studierelaterade interventioner).

Få sina perioperativa data insamlade, inklusive demografi, medicinsk historik, vitala tecken, laboratorietester (blodgasanalys), kirurgiska detaljer och noggranna mätningar av intraoperativ blodförlust.

(Endast för prospektiva deltagare) Lämna informerat samtycke och genomföra uppföljningsbedömningar upp till 30 dagar efter operationen.

Studieöversikt

Status

Rekrytering

Detaljerad beskrivning

Denna studie använder en hybriddesign som samlar in både retrospektiva och prospektiva data.

Studietyp

Observationell

Inskrivning (Beräknad)

7000

Kontakter och platser

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

Studiekontakt

  • Namn: Jianghao Li, B.S. in Computer Science
  • Telefonnummer: 86+15968774033
  • E-post: 12518934@zju.edu.cn

Studieorter

    • Zhejiang
      • Hangzhou, Zhejiang, Kina, 330100
        • Rekrytering
        • The First Affiliated Hospital, Zhejiang University School of Medicine Yuhang Campus
        • Kontakt:

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

Denna studie inkluderar vuxna (≥18 år) med bekräftad primär magcancer som genomgår elektiv radikal gastrektomi (proximal/distal/total) med D1+/D2 lymfadenektomi på [Center]. Kohorten består av en retrospektiv ([2015.6]-[2026.2]) och en prospektiv ([2026.3]-nuvarande) del. Akuta, palliativa eller multi-organresektioner är exkluderade för att säkerställa homogenitet.

Forskarna förväntar sig att rekrytera 7000 patienter. Det primära utfallet är postoperativ blödning som kräver kirurgisk omintervention inom 30 dagar. Uppskattad incidens är 0,5 %–2,0 %. För att hantera denna klassobalans kommer AI-modellen att använda stratifierad provtagning och kostnadskänslig inlärning. Denna population representerar standardkandidater för kurativ kirurgi på tertiära centra. Genom att exkludera extrema fall optimeras modellen för riskstratifiering i rutinmässiga elektiva situationer, där tidiga varningar förhindrar katastrofala utfall. Prospektiva data kommer att validera realtidsgeneraliserbarhet.

Beskrivning

Inklusionskriterier:

  1. Ålder: Patienter i åldern ≥ 18 år.
  2. Diagnos: Histologiskt bekräftad primär magcancer.
  3. Kirurgisk procedur: Genomgått radikal gastrektomi (inklusive proximal, distal eller total gastrektomi).
  4. Samtycke: Lämnande av skriftligt informerat samtycke (krävs specifikt för den prospektiva fasen).
  5. Datakomplettering: Tillgång till kompletta preoperativa kliniska data och postoperativa uppföljningsjournaler som täcker minst de första 15 dagarna efter operationen.
  6. Onkologisk historik: Ingen tidigare historia av andra primära maligna tumörer.

Exklusionskriterier:

  1. Kirurgisk typ: Patienter som genomgick icke-radikal resektion eller akutkirurgi.
  2. Datakvalitet: Bortfallsgrad för nyckelfält överstiger 20%.
  3. Preoperativt tillstånd: Förekomst av allvarlig preoperativ infektion eller organsvikt.
  4. Uppföljningsföljsamhet: Ovilja att delta i prospektiv uppföljning eller oförmåga att fullfölja uppföljningsschemat (gäller endast för den prospektiva fasen).

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
Träningsuppsättning (ledd av huvudforskaren)
Huvuddelen av retrospektiva data för modellkonstruktion, parameterinlärning, utan interventioner
Valideringsuppsättning (ledd av huvudutredaren)
Resten av de retrospektiva uppgifterna för hyperparameterinställning för att förhindra överanpassning, utan interventioner
Extern valideringsuppsättning (genomförd av andra forskare)
Prospektivt insamlad data för slutlig prestandautvärdering, utan interventioner

Vad mäter studien?

Primära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
den prediktiva prestandan hos den djupa inlärningsmodellen för att identifiera patienter med hög risk för postoperativ blödning som kräver omoperation
Tidsram: Den primära slutpunkten är AUC-ROC för modellen i att förutsäga postoperativ blödning som kräver omoperation inom 30 dagar efter operation
AI-modellens area under mottagaroperativkarakteristikkurvan (AUC-ROC) för att förutsäga postoperativ blödning som kräver reoperation i det externa valideringskohorten.
Den primära slutpunkten är AUC-ROC för modellen i att förutsäga postoperativ blödning som kräver omoperation inom 30 dagar efter operation

Samarbetspartners och utredare

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

Utredare

  • Studiestol: Jichao Qin, M.D., Zhejiang 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 (Beräknad)

10 april 2026

Primärt slutförande (Beräknad)

31 december 2027

Avslutad studie (Beräknad)

31 januari 2028

Studieregistreringsdatum

Först inskickad

10 mars 2026

Först inskickad som uppfyllde QC-kriterierna

7 april 2026

Första postat (Faktisk)

13 april 2026

Uppdateringar av studier

Senaste uppdatering publicerad (Faktisk)

13 april 2026

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

7 april 2026

Senast verifierad

1 mars 2026

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 .

Prenumerera