Machine Learning-Based Risk Stratification for Fistula Formation After Perianal Abscess Drainage
Ориентир для пациента и семьи
Простыми словами
Автоматическая сводка по структурированным данным реестра. Она помогает сориентироваться, но не заменяет официальный протокол или оценку врача.
- Что изучают
- Это наблюдательное исследование: исследуемое лечение участникам по протоколу не назначают.
- Кому может быть актуально
- Состояния в реестре: Perianal Abscess, Anal Fistula. Базовые параметры: от 18 лет · Все.
- Что важно проверить
- Возраст, диагноз и пол — только базовые ориентиры. Предыдущее лечение, анализы и другие обязательные условия указаны ниже в критериях участия.
- Где проводится
- Список центров уточняется — проверьте первичный протокол.
- Следующий шаг
- Сохраните исследование, покажите его лечащему врачу и уточните актуальный статус у исследовательского центра. Расходы, документы и поездка →
Не всё понятно в терминах? Прочитайте наш гид для пациентов →
Официальное название
A Prospective Cohort Study for Machine Learning-Based Prediction of Anal Fistula Formation After Perianal Abscess Drainage Based on Drainage Setting, Provider Experience, and MRI Interpretation (PRISM)
Обзор
This prospective cohort study investigates the influence of provider experience and drainage location on fistula formation within 6 months following perianal abscess drainage. Additionally, the study explores the role of artificial intelligence (AI)-based interpretation of magnetic resonance (MR) images in early identification of fistula development.
Подробное описание
Perianal abscess drainage is a common surgical procedure. However, subsequent fistula formation remains a significant complication. This study aims to determine whether the procedure setting (operating room, emergency department, or outpatient clinic) and the experience level of the performing clinician affect fistula development rates.
Furthermore, the study evaluates the use of AI-assisted analysis of selected MR images to identify early signs of fistula formation. Selected image slices will be labeled based on radiological reports, and a machine learning model will be trained to predict fistula risk. The study will also compare AI-generated interpretations with expert radiologist assessments to validate performance.
The ultimate goal is to create a risk stratification tool to support clinical decision-making in surgical management of perianal abscesses.
Первичные конечные точки
- Fistula formation within 6 months [Срок оценки: 6 months]
Вторичные конечные точки (3)
- Correlation between drainage location and fistula rate [Срок оценки: 6 months]
- Correlation between provider experience and fistula complexity [Срок оценки: 6 months]
- Diagnostic accuracy of AI-based MR analysis vs radiologist [Срок оценки: 6 months]
Критерии участия
Критерии включения
- Age ≥ 18
- First-time perianal abscess
- Surgical drainage performed
Критерии исключения
- Existing anal fistula history
- Crohn's disease
- Immunosuppressive treatment
- Incomplete 6-month follow-up
Критерии приведены из реестра в оригинале (на английском). Окончательную оценку соответствия проводит исследовательский центр.
Здоровые добровольцы: Нет
Дизайн исследования
- Модель наблюдения
- Когортное
Центры проведения
Список центров уточняется — проверьте первичный протокол.
Идентификаторы
NCT: NCT07019532 · FISTUL-ML-01