AI预测结直肠癌肺转移模型及风险分层
2023年4月5日 更新者：Xishan Wang、Peking Union Medical College
从高度不平衡的数据开发和验证结直肠癌肺转移的人工智能预测模型和生存风险分层
背景：
为了帮助临床医生进行诊断和最佳治疗决策，我们尝试开发和验证结直肠癌 (CRC) 患者肺转移 (LM) 的人工智能预测模型。
方法：
回顾性收集了来自监测、流行病学和最终结果 (SEER) 数据库的 46037 名 CRC 患者和来自多中心外部验证集的 2779 名 CRC 患者的临床病理特征。 通过单变量和多变量分析选择特征后，开发并验证了六种机器学习 (ML) 模型，包括逻辑回归、K 最近邻、支持向量机、决策树、随机森林和平衡随机森林 (BRF) LM预测。 将具有最佳性能的优化模型与临床预测器进行比较。 此外，将按风险评分分层的 LM 患者用于生存分析。
研究概览
研究类型
观察性的
注册 (实际的)
2779
参与标准
研究人员寻找符合特定描述的人，称为资格标准。这些标准的一些例子是一个人的一般健康状况或先前的治疗。
资格标准
适合学习的年龄
- 孩子
- 成人
- 年长者
接受健康志愿者
不适用
取样方法
非概率样本
研究人群
经病理证实为原发性 CRC 诊断的患者
描述
纳入标准：
- 经病理证实为原发性 CRC 诊断的患者
排除标准：
- (1) 多原发癌或其他恶性肿瘤患者； (2) 通过尸检或死亡证明确定的患者； (3) 临床数据值不确定的患者
学习计划
本节提供研究计划的详细信息，包括研究的设计方式和研究的衡量标准。
研究是如何设计的？
设计细节
队列和干预
团体/队列 |
干预/治疗 |
|---|---|
|
验证集 1
验证集 1 由 2016 年 1 月 1 日至 2020 年 12 月 31 日期间在中国医学科学院北京协和医学院肿瘤医院诊断和治疗的 CRC 患者组成。
|
患者就诊地点
|
|
验证集 2
验证集 2 由 2016 年 1 月 1 日至 2020 年 12 月 31 日期间在哈尔滨医科大学附属第二医院诊断和治疗的 CRC 患者组成。
|
患者就诊地点
|
研究衡量的是什么？
主要结果指标
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
肺转移
大体时间：通过学习完成，平均3个月
|
确诊肺转移
|
通过学习完成，平均3个月
|
合作者和调查者
在这里您可以找到参与这项研究的人员和组织。
研究记录日期
这些日期跟踪向 ClinicalTrials.gov 提交研究记录和摘要结果的进度。研究记录和报告的结果由国家医学图书馆 (NLM) 审查，以确保它们在发布到公共网站之前符合特定的质量控制标准。
研究主要日期
学习开始 (实际的)
2016年1月1日
初级完成 (实际的)
2020年12月31日
研究完成 (实际的)
2020年12月31日
研究注册日期
首次提交
2023年4月5日
首先提交符合 QC 标准的
2023年4月5日
首次发布 (实际的)
2023年4月18日
研究记录更新
最后更新发布 (实际的)
2023年4月18日
上次提交的符合 QC 标准的更新
2023年4月5日
最后验证
2023年4月1日
更多信息
此信息直接从 clinicaltrials.gov 网站检索，没有任何更改。如果您有任何更改、删除或更新研究详细信息的请求，请联系 register@clinicaltrials.gov. clinicaltrials.gov 上实施更改，我们的网站上也会自动更新.