基于机器学习——取精成功率的个性化预测
2024年4月7日 更新者:Peking University Third Hospital
SpermFinder:基于机器学习的非阻塞性无精子症患者在显微解剖睾丸精子提取之前的精子回收个性化预测
非梗阻性无精症(NOA)是最严重的男性不育症。
然而,由于 NOA 患者睾丸局灶性精子发生的多样性,准确评估精子回收率 (SRR) 变得具有挑战性。
本研究旨在开发并验证基于机器学习的无创评估系统,该系统可以有效估计NOA患者的SRR。
在单中心调查中,纳入了接受显微切割睾丸精子提取(micro-TESE)的 NOA 患者:(1)2016 年 1 月至 2022 年 12 月期间的 2,438 名患者,以及(2)2023 年 1 月至 2023 年 5 月期间的 174 名患者(作为额外的研究对象)验证队列)。
参与者的临床特征用于训练、测试和验证机器学习模型。
使用包括ROC下面积(AUC)、准确性等各种评估指标来评估8个机器学习模型的预测性能。
研究概览
研究类型
观察性的
注册 (实际的)
2612
联系人和位置
本节提供了进行研究的人员的详细联系信息,以及有关进行该研究的地点的信息。
学习地点
-
-
Beijing
-
Beijing、Beijing、中国、100191
- Peking University Third Hospital
-
-
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
- 成人
接受健康志愿者
不
取样方法
非概率样本
研究人群
分别纳入在北京大学第三医院生殖中心接受显微解剖睾丸取精术的非梗阻性无精症患者。
描述
纳入标准:
- 诊断为非梗阻性无精症
- 接受显微解剖睾丸精子提取
排除标准:
- 没有完整的临床信息
- 数据质量低
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 |
---|---|
培训队列
模型训练和验证纳入了 2,438 名诊断为 NOA 的患者
|
参与者的临床特征用于训练、测试和验证机器学习模型。
使用包括ROC下面积(AUC)、准确性等各种评估指标来评估8个机器学习模型的预测性能。
|
外部验证队列
2023 年 1 月至 2023 年 5 月期间的 174 名参与者被纳入在线平台的外部验证队列
|
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 |
---|---|---|
微型 TESE 的 SRR
大体时间:显微切割睾丸精子提取后的时间
|
显微切割睾丸取精术的取精成功率
|
显微切割睾丸精子提取后的时间
|
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)
2022年6月1日
初级完成 (实际的)
2022年12月31日
研究完成 (实际的)
2023年5月31日
研究注册日期
首次提交
2024年4月7日
首先提交符合 QC 标准的
2024年4月7日
首次发布 (实际的)
2024年4月11日
研究记录更新
最后更新发布 (实际的)
2024年4月11日
上次提交的符合 QC 标准的更新
2024年4月7日
最后验证
2024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.