此页面是自动翻译的,不保证翻译的准确性。请参阅 英文版 对于源文本。

数据驱动的痔疮手术聚类分析:用于识别临床表型的回顾性单中心研究 (PROCTO-CLUSTER)

2026年8月26日 更新者:IRCCS Policlinico S. Donato

痔疮手术中的数据驱动聚类:用于识别临床表型的回顾性单中心研究

这项回顾性单中心观察研究将利用接受症状性痔疮手术的成人常规收集的围手术期数据,以识别数据驱动的临床表型。 将应用无监督机器学习,根据人口统计学、临床、解剖学和手术变量来表征患者聚类。 该研究将探讨所得表型在手术复杂性和术后病程方面是否存在差异,并生成假设,为未来预测模型和个性化手术规划提供信息。

研究概览

详细说明

痔疮疾病呈现出异质性的症状模式、解剖学发现和手术策略,这些无法完全通过传统的基于分级的分类方法捕捉。 本研究旨在利用完全无监督的机器学习流程,应用于从一个高容量三级转诊中心常规收集的围手术期数据,识别手术患者中潜在的、临床可解释的表型。

这是一项对去标识化机构记录的回顾性、观察性分析。 分析数据集将包括常规记录的变量,涵盖基线人口统计学/人体测量学、症状概况和相关临床病史、手术技术和术中描述符,以及常规收集的术后随访信息。 数据将使用预定义的数据字典和标准化预处理规则提取,以支持可重复性并减少变量定义的变异性。

主要分析方法将是无监督聚类。 在建模之前,变量将被清理和标准化。 将使用t分布随机邻域嵌入(t-SNE)进行降维,并通过主成分分析初始化以提高稳定性。 然后将在降维后的特征空间上使用k均值聚类进行聚类发现。 将探索一系列聚类解决方案,最终解决方案将通过内部有效性指标(例如,基于轮廓的度量)结合临床可解释性评估来选择。 将通过跨多个随机种子和关键参数设置的重复运行来评估模型的鲁棒性,以评估聚类分配的稳定性。

在聚类分配后,将使用描述性和比较性统计来表征聚类,以识别最能区分表型的变量。 将使用事后特征相关性/重要性方法来探索哪些人口统计学、临床和手术因素对聚类形成贡献最大,重点放在效应大小和临床有意义的模式上,而不仅仅是假设检验。 研究结果将用于生成关于可能与更大手术复杂性和不同术后轨迹相关的表型的假设,支持未来在预测建模和个体化手术决策支持方面的工作。

所有分析将在受控的机构环境中使用经过验证的统计和数据挖掘软件进行,并记录参数设置和版本跟踪以实现可重复性。 仅使用去标识化的数据进行分分析,结果将以汇总形式报告以保护患者隐私。

研究类型

观察性的

注册 (估计的)

100

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

    • Milan
      • San Donato Milanese、Milan、意大利、20097
        • IRCCS Policlinico San Donato

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
  • 年长者

接受健康志愿者

不

取样方法

非概率样本

研究人群

接受症状性痔病手术的患者

描述

纳入标准

  • 年龄 ≥ 18岁
  • 有症状的痔疮疾病的临床和/或术中诊断
  • 可获得完整的围手术期数据:人口统计学、临床、手术和术后变量 排除标准
  • 临床数据不完整或缺失
  • 存在肛肠肿瘤性疾病(例如,肛门或直肠癌)
  • 过去6个月内进行过肛肠手术(以避免对症状和解剖结构的混淆影响)

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
因症状性痔疮疾病接受手术的患者

在2024年12月至2025年6月期间,于IRCCS Policlinico San Donato因症状性痔病接受手术的连续患者。选择连续入组是为了最大限度地减少选择偏倚,并代表手术环境中疾病严重程度的全谱。

纳入标准:年龄≥18岁;临床和/或术中诊断为症状性痔病;具备完整的围手术期数据:人口统计学、临床、手术和术后变量。排除标准:临床数据不完整或缺失;存在肛门直肠肿瘤性疾病(例如肛门癌或直肠癌);过去6个月内进行过肛门直肠手术(以避免对症状和解剖结构产生混杂效应)。

标准痔切除术、先进痔切除术、脱垂切除术、多普勒引导手术或联合技术

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
无监督聚类解决方案的内部有效性(轮廓系数)
大体时间:从数据集提取/清理完成到聚类分析完成(对2024年12月至2025年6月进行的手术进行回顾性分析)
基于t-SNE降维的围手术期数据所得最终k均值聚类解的轮廓系数。 该轮廓系数将作为主要内部效度指标,用于量化选定聚类数量下的簇内凝聚度与簇间分离度。
从数据集提取/清理完成到聚类分析完成(对2024年12月至2025年6月进行的手术进行回顾性分析)

次要结果测量

结果测量
措施说明
大体时间
模型运行中的聚类稳定性和可重复性
大体时间:从数据集提取/清理完成到聚类稳健性分析完成(对2024年12月至2025年6月期间实施手术的回顾性分析)
在多个随机种子和t-SNE参数设置(包括困惑度)下聚类分配的稳定性,通过运行间成员资格的可重复性/一致性以及内部有效性指标的稳定性进行总结。
从数据集提取/清理完成到聚类稳健性分析完成(对2024年12月至2025年6月期间实施手术的回顾性分析)
手术时长(手术复杂度的替代指标)
大体时间:术中(手术当天)
手术时长(分钟)记录于手术报告/围手术期数据库;在不同表型组间进行比较。
术中(手术当天)
术后疼痛强度
大体时间:从手术到术后6个月
根据常规术后记录/随访记录中记载的疼痛强度(例如,可用的数字评定量表或临床医生记录的疼痛状态),分析早期和中期随访期间的疼痛轨迹/模式,并在不同组间进行比较。
从手术到术后6个月
术后并发症(Clavien-Dindo分级)
大体时间:从手术至术后1个月(早期并发症)以及至术后6个月(晚期并发症)
常规随访中记录的任何术后并发症,根据Clavien-Dindo系统进行分级;比较各组的并发症发生率和严重程度。
从手术至术后1个月(早期并发症)以及至术后6个月(晚期并发症)
恢复日常活动所需时间
大体时间:从手术到术后1个月
随访记录中记录的重返日常活动/工作时间;不同表型间的比较。
从手术到术后1个月
复发
大体时间:术后1个月和6个月
在常规随访中记录的痔疮相关症状(如出血/脱垂/其他症状)的复发模式或持续/再次出现,以及需要重新评估或额外干预;在不同聚类间进行比较。
术后1个月和6个月

其他结果措施

结果测量
措施说明
大体时间
簇分离度量(超越轮廓系数)
大体时间:从数据集提取/清理完成到聚类分析完成(对2024年12月至2025年6月期间进行的手术进行回顾性分析)
报告了额外的内部聚类分离指标(例如,分析工作流中实施的类间分离/类内离散度量),以支持表型解决方案的可解释性。
从数据集提取/清理完成到聚类分析完成(对2024年12月至2025年6月期间进行的手术进行回顾性分析)
临床/解剖/手术特征的组间差异
大体时间:基线(术前评估)和术中(手术当日)
常规收集的人口统计学和临床病史变量(例如年龄、性别、BMI、共病负担、用药情况、症状特征、排便习惯特征)、解剖学描述(如有记录)以及手术类型/技术选择在各集群间的差异。
基线(术前评估)和术中(手术当日)
聚类形成的后验特征相关性
大体时间:从数据集提取/清理完成到事后特征相关性分析完成(对2024年12月至2025年6月期间进行的手术进行回顾性分析)
使用事后特征相关性方法评估人口统计学、临床和手术变量对集群形成的相对贡献/重要性;用于解释表型结构的驱动因素。
从数据集提取/清理完成到事后特征相关性分析完成(对2024年12月至2025年6月期间进行的手术进行回顾性分析)

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。

出版物和有用的链接

负责输入研究信息的人员自愿提供这些出版物。这些可能与研究有关。

一般刊物

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)

2024年12月1日

初级完成 (实际的)

2025年12月31日

研究完成 (估计的)

2026年12月1日

研究注册日期

首次提交

2026年2月5日

首先提交符合 QC 标准的

2026年2月16日

首次发布 (实际的)

2026年2月23日

研究记录更新

最后更新发布 (实际的)

2026年8月27日

上次提交的符合 QC 标准的更新

2026年8月26日

最后验证

2026年8月1日

更多信息

与本研究相关的术语

计划个人参与者数据 (IPD)

计划共享个人参与者数据 (IPD)?

不

药物和器械信息、研究文件

研究美国 FDA 监管的药品

不

研究美国 FDA 监管的设备产品

不

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.

订阅