4006 776 356
免费咨询 9:00-18:00
免费获得国外相关药品，最快 1 个工作日回馈药物信息
预测肠道化生和萎缩性胃炎（GIMA）中胃癌的预测
这项研究的主要目标是：
- 确定IM和AG患者中与胃癌发展相关的临床或组织学因素
- 建立一种机器学习算法，以预测IM和AG患者的未来胃癌风险和个人风险分层
| 病情或疾病 |
|---|
| 胃癌肠道化生萎缩性胃炎 |
这是一项两部分的回顾性研究，包括临床数据部分和病理部分。培训队列将从大约70％的纳入病例中开发出来。随后将与其余案例进行验证队列。
临床数据将使用临床数据分析和报告系统（CDAR）和临床管理系统（CMS）回顾性收集。将鉴定出由具有组织学疗法的胃IM和AG病史的患者组成的群集群范围的队列（NEW领土，NTEC，NTEC，NTEC），并包括以进行后续分析。回顾性数据的数据收集期将为2000-2020。
可用时（在NTEC内）将回顾性地检索组织学载玻片。整个幻灯片成像技术将用于与病理学部分中机器学习算法的培训和验证队列的开发。
| 研究类型 ： | 观察 |
| 估计入学人数 ： | 1300名参与者 |
| 观察模型： | 队列 |
| 时间观点： | 回顾 |
| 官方标题： | 预测肠道化生和萎缩性胃炎中的胃癌 - 人工智能在组织学和临床数据中的应用 |
| 估计研究开始日期 ： | 2021年4月15日 |
| 估计初级完成日期 ： | 2022年3月14日 |
| 估计 学习完成日期 ： | 2022年9月14日 |
- 胃癌和胃发育不良[时间范围：20年]主要终点是胃癌（肠类型）和胃发育不良（低级和高级发育不良）的发生率。
- 机器学习模型的总体准确性[时间范围：20年]将评估机器学习模型的总体精度
- 机器学习模型的敏感性[时间范围：20年]将评估机器学习模型的敏感性
- 机器学习模型的特异性[时间范围：20年]将评估机器学习模型的特异性
- 机器学习模型的积极预测价值[时间范围：20年]将评估机器学习模型的积极预测价值
- 机器学习模型的负预测价值[时间范围：20年]将评估机器学习模型的负预测价值
- 接收器操作特征曲线的机器学习模型[时间范围：20年]将评估机器学习模型的接收器操作特征曲线下的区域
| 符合研究资格的年龄： | 18岁以上（成人，老年人） |
| 有资格学习的男女： | 全部 |
| 采样方法： | 非概率样本 |
临床数据将使用临床数据分析和报告系统（CDAR）和临床管理系统（CMS）回顾性收集。将鉴定出由具有组织学疗法的胃IM和AG病史的患者组成的群集群范围的队列（NEW领土，NTEC，NTEC，NTEC），并包括以进行后续分析。回顾性数据的数据收集期将为2000-2020。
可用时（在NTEC内）将回顾性地检索组织学载玻片。整个幻灯片成像技术将用于与病理学部分中机器学习算法的培训和验证队列的开发。
| 联系人：Felix Sia | +85226370428 | felix.sia@cuhk.edu.hk | |
| 联系人：托马·林（Thoma Lam） | +85226370428 | thomas.lam@cuhk.edu.hk |
| 追踪信息 | |||||||||
|---|---|---|---|---|---|---|---|---|---|
| 首先提交日期 | 2021年3月23日 | ||||||||
| 第一个发布日期 | 2021年4月9日 | ||||||||
| 最后更新发布日期 | 2021年4月9日 | ||||||||
| 估计研究开始日期 | 2021年4月15日 | ||||||||
| 估计初级完成日期 | 2022年3月14日（主要结果度量的最终数据收集日期） | ||||||||
| 当前的主要结果指标 | 胃癌和胃发育不良[时间范围：20年] 主要终点是胃癌（肠类型）和胃发育不良（低级和高级发育不良）的发生率。 | ||||||||
| 原始主要结果指标 | 与电流相同 | ||||||||
| 改变历史 | 没有发布更改 | ||||||||
| 当前的次要结果指标 |
| ||||||||
| 原始的次要结果指标 | 与电流相同 | ||||||||
| 当前其他预先指定的结果指标 | 不提供 | ||||||||
| 其他其他预先指定的结果指标 | 不提供 | ||||||||
| 描述性信息 | |||||||||
| 简短标题 | 预测肠道化生和萎缩性胃炎中的胃癌 | ||||||||
| 官方头衔 | 预测肠道化生和萎缩性胃炎中的胃癌 - 人工智能在组织学和临床数据中的应用 | ||||||||
| 简要摘要 | 这项研究的主要目标是：
| ||||||||
| 详细说明 | 这是一项两部分的回顾性研究，包括临床数据部分和病理部分。培训队列将从大约70％的纳入病例中开发出来。随后将与其余案例进行验证队列。 临床数据将使用临床数据分析和报告系统（CDAR）和临床管理系统（CMS）回顾性收集。将鉴定出由具有组织学疗法的胃IM和AG病史的患者组成的群集群范围的队列（NEW领土，NTEC，NTEC，NTEC），并包括以进行后续分析。回顾性数据的数据收集期将为2000-2020。 可用时（在NTEC内）将回顾性地检索组织学载玻片。整个幻灯片成像技术将用于与病理学部分中机器学习算法的培训和验证队列的开发。 | ||||||||
| 研究类型 | 观察 | ||||||||
| 学习规划 | 观察模型：队列 时间视角：回顾 | ||||||||
| 目标随访时间 | 不提供 | ||||||||
| 生物测量 | 不提供 | ||||||||
| 采样方法 | 非概率样本 | ||||||||
| 研究人群 | 临床数据将使用临床数据分析和报告系统（CDAR）和临床管理系统（CMS）回顾性收集。将鉴定出由具有组织学疗法的胃IM和AG病史的患者组成的群集群范围的队列（NEW领土，NTEC，NTEC，NTEC），并包括以进行后续分析。回顾性数据的数据收集期将为2000-2020。 可用时（在NTEC内）将回顾性地检索组织学载玻片。整个幻灯片成像技术将用于与病理学部分中机器学习算法的培训和验证队列的开发。 | ||||||||
| 健康）状况 |
| ||||||||
| 干涉 | 不提供 | ||||||||
| 研究组/队列 | |||||||||
| 出版物 * | 不提供 | ||||||||
*包括数据提供商提供的出版物以及MEDLINE中临床标识符（NCT编号）确定的出版物。 | |||||||||
| 招聘信息 | |||||||||
| 招聘状况 | 尚未招募 | ||||||||
| 估计入学人数 | 1300 | ||||||||
| 原始估计注册 | 与电流相同 | ||||||||
| 估计学习完成日期 | 2022年9月14日 | ||||||||
| 估计初级完成日期 | 2022年3月14日（主要结果度量的最终数据收集日期） | ||||||||
| 资格标准 | 纳入标准：
排除标准： - 没有任何 | ||||||||
| 性别/性别 |
| ||||||||
| 年龄 | 18岁以上（成人，老年人） | ||||||||
| 接受健康的志愿者 | 不提供 | ||||||||
| 联系人 |
| ||||||||
| 列出的位置国家 | 不提供 | ||||||||
| 删除了位置国家 | |||||||||
| 管理信息 | |||||||||
| NCT编号 | NCT04840056 | ||||||||
| 其他研究ID编号 | 2021.082 | ||||||||
| 有数据监测委员会 | 是的 | ||||||||
| 美国FDA调节的产品 |
| ||||||||
| IPD共享声明 |
| ||||||||
| 责任方 | 香港中文大学的路易斯·何·肖（Louis Ho Shing Lau） | ||||||||
| 研究赞助商 | 香港中国大学 | ||||||||
| 合作者 | 不提供 | ||||||||
| 调查人员 | 不提供 | ||||||||
| PRS帐户 | 香港中国大学 | ||||||||
| 验证日期 | 2021年4月 | ||||||||
这项研究的主要目标是：
- 确定IM和AG患者中与胃癌发展相关的临床或组织学因素
- 建立一种机器学习算法，以预测IM和AG患者的未来胃癌风险和个人风险分层
| 病情或疾病 |
|---|
| 胃癌肠道化生萎缩性胃炎 |
这是一项两部分的回顾性研究，包括临床数据部分和病理部分。培训队列将从大约70％的纳入病例中开发出来。随后将与其余案例进行验证队列。
临床数据将使用临床数据分析和报告系统（CDAR）和临床管理系统（CMS）回顾性收集。将鉴定出由具有组织学疗法的胃IM和AG病史的患者组成的群集群范围的队列（NEW领土，NTEC，NTEC，NTEC），并包括以进行后续分析。回顾性数据的数据收集期将为2000-2020。
可用时（在NTEC内）将回顾性地检索组织学载玻片。整个幻灯片成像技术将用于与病理学部分中机器学习算法的培训和验证队列的开发。
| 研究类型 ： | 观察 |
| 估计入学人数 ： | 1300名参与者 |
| 观察模型： | 队列 |
| 时间观点： | 回顾 |
| 官方标题： | 预测肠道化生和萎缩性胃炎中的胃癌 - 人工智能在组织学和临床数据中的应用 |
| 估计研究开始日期 ： | 2021年4月15日 |
| 估计初级完成日期 ： | 2022年3月14日 |
| 估计 学习完成日期 ： | 2022年9月14日 |
- 胃癌和胃发育不良[时间范围：20年]主要终点是胃癌（肠类型）和胃发育不良（低级和高级发育不良）的发生率。
- 机器学习模型的总体准确性[时间范围：20年]将评估机器学习模型的总体精度
- 机器学习模型的敏感性[时间范围：20年]将评估机器学习模型的敏感性
- 机器学习模型的特异性[时间范围：20年]将评估机器学习模型的特异性
- 机器学习模型的积极预测价值[时间范围：20年]将评估机器学习模型的积极预测价值
- 机器学习模型的负预测价值[时间范围：20年]将评估机器学习模型的负预测价值
- 接收器操作特征曲线的机器学习模型[时间范围：20年]将评估机器学习模型的接收器操作特征曲线下的区域
| 符合研究资格的年龄： | 18岁以上（成人，老年人） |
| 有资格学习的男女： | 全部 |
| 采样方法： | 非概率样本 |
临床数据将使用临床数据分析和报告系统（CDAR）和临床管理系统（CMS）回顾性收集。将鉴定出由具有组织学疗法的胃IM和AG病史的患者组成的群集群范围的队列（NEW领土，NTEC，NTEC，NTEC），并包括以进行后续分析。回顾性数据的数据收集期将为2000-2020。
可用时（在NTEC内）将回顾性地检索组织学载玻片。整个幻灯片成像技术将用于与病理学部分中机器学习算法的培训和验证队列的开发。
| 联系人：Felix Sia | +85226370428 | felix.sia@cuhk.edu.hk | |
| 联系人：托马·林（Thoma Lam） | +85226370428 | thomas.lam@cuhk.edu.hk |
| 追踪信息 | |||||||||
|---|---|---|---|---|---|---|---|---|---|
| 首先提交日期 | 2021年3月23日 | ||||||||
| 第一个发布日期 | 2021年4月9日 | ||||||||
| 最后更新发布日期 | 2021年4月9日 | ||||||||
| 估计研究开始日期 | 2021年4月15日 | ||||||||
| 估计初级完成日期 | 2022年3月14日（主要结果度量的最终数据收集日期） | ||||||||
| 当前的主要结果指标 | 胃癌和胃发育不良[时间范围：20年] 主要终点是胃癌（肠类型）和胃发育不良（低级和高级发育不良）的发生率。 | ||||||||
| 原始主要结果指标 | 与电流相同 | ||||||||
| 改变历史 | 没有发布更改 | ||||||||
| 当前的次要结果指标 |
| ||||||||
| 原始的次要结果指标 | 与电流相同 | ||||||||
| 当前其他预先指定的结果指标 | 不提供 | ||||||||
| 其他其他预先指定的结果指标 | 不提供 | ||||||||
| 描述性信息 | |||||||||
| 简短标题 | 预测肠道化生和萎缩性胃炎中的胃癌 | ||||||||
| 官方头衔 | 预测肠道化生和萎缩性胃炎中的胃癌 - 人工智能在组织学和临床数据中的应用 | ||||||||
| 简要摘要 | 这项研究的主要目标是：
| ||||||||
| 详细说明 | 这是一项两部分的回顾性研究，包括临床数据部分和病理部分。培训队列将从大约70％的纳入病例中开发出来。随后将与其余案例进行验证队列。 临床数据将使用临床数据分析和报告系统（CDAR）和临床管理系统（CMS）回顾性收集。将鉴定出由具有组织学疗法的胃IM和AG病史的患者组成的群集群范围的队列（NEW领土，NTEC，NTEC，NTEC），并包括以进行后续分析。回顾性数据的数据收集期将为2000-2020。 可用时（在NTEC内）将回顾性地检索组织学载玻片。整个幻灯片成像技术将用于与病理学部分中机器学习算法的培训和验证队列的开发。 | ||||||||
| 研究类型 | 观察 | ||||||||
| 学习规划 | 观察模型：队列 时间视角：回顾 | ||||||||
| 目标随访时间 | 不提供 | ||||||||
| 生物测量 | 不提供 | ||||||||
| 采样方法 | 非概率样本 | ||||||||
| 研究人群 | 临床数据将使用临床数据分析和报告系统（CDAR）和临床管理系统（CMS）回顾性收集。将鉴定出由具有组织学疗法的胃IM和AG病史的患者组成的群集群范围的队列（NEW领土，NTEC，NTEC，NTEC），并包括以进行后续分析。回顾性数据的数据收集期将为2000-2020。 可用时（在NTEC内）将回顾性地检索组织学载玻片。整个幻灯片成像技术将用于与病理学部分中机器学习算法的培训和验证队列的开发。 | ||||||||
| 健康）状况 |
| ||||||||
| 干涉 | 不提供 | ||||||||
| 研究组/队列 | |||||||||
| 出版物 * | 不提供 | ||||||||
*包括数据提供商提供的出版物以及MEDLINE中临床标识符（NCT编号）确定的出版物。 | |||||||||
| 招聘信息 | |||||||||
| 招聘状况 | 尚未招募 | ||||||||
| 估计入学人数 | 1300 | ||||||||
| 原始估计注册 | 与电流相同 | ||||||||
| 估计学习完成日期 | 2022年9月14日 | ||||||||
| 估计初级完成日期 | 2022年3月14日（主要结果度量的最终数据收集日期） | ||||||||
| 资格标准 | 纳入标准：
排除标准： - 没有任何 | ||||||||
| 性别/性别 |
| ||||||||
| 年龄 | 18岁以上（成人，老年人） | ||||||||
| 接受健康的志愿者 | 不提供 | ||||||||
| 联系人 |
| ||||||||
| 列出的位置国家 | 不提供 | ||||||||
| 删除了位置国家 | |||||||||
| 管理信息 | |||||||||
| NCT编号 | NCT04840056 | ||||||||
| 其他研究ID编号 | 2021.082 | ||||||||
| 有数据监测委员会 | 是的 | ||||||||
| 美国FDA调节的产品 |
| ||||||||
| IPD共享声明 |
| ||||||||
| 责任方 | 香港中文大学的路易斯·何·肖（Louis Ho Shing Lau） | ||||||||
| 研究赞助商 | 香港中国大学 | ||||||||
| 合作者 | 不提供 | ||||||||
| 调查人员 | 不提供 | ||||||||
| PRS帐户 | 香港中国大学 | ||||||||
| 验证日期 | 2021年4月 | ||||||||
