Dřívější detekce rakoviny prsu pomocí automatizovaného ultrazvuku celého prsu s mamografií, včetně srovnání nákladů

1. Studovat design:

   Automatizovanou bilaterální sonografií celého prsu a screeningovou mamografií SonoCiné bude vyšetřeno celkem šestnáct tisíc žen v 16 centrech. V této studii bude použit motorem poháněný nosič, aby snímač kompletně prozkoumal každý prs [Příloha A]. Tímto způsobem mohou být obrazy shromážděny souvislým způsobem a zobrazeny ve filmovém pásu a jako trojrozměrné obrazy každého skenovaného řádku.

   Tyto sonogramy bude číst jeden ze dvou určených vyšetřovatelů/radiologů na každém místě. Mamogramy budou načteny až po provedení a odečtení sonogramu a poté budou odečteny běžným způsobem pro toto oddělení bez znalosti automatizovaného ultrazvuku prsu. Mamogramy nemusí nutně číst jeden z vyšetřovatelů. Sonogramy budou zpočátku čteny a hodnoceny jedním z vyšetřovatelů na každém místě. Tyto sonogramy budou přezkoumány jako ciné smyčky a jako trojrozměrné rekonstrukce každého řádku skenování. Vyšetřovatel nebude mít žádné předchozí znalosti o mamografu pacientky ani o odečítání.

   Data budou zadávána z každé lokality do centrálního počítače přes internet. Tento počítač nebude mít žádné osobní informace o žádném jiném subjektu, než je její identifikační číslo instituce a její datum narození. Po zadání dat ze samostatných měření mamogramu a sonogramu jeden zkoušející vyhodnotí jakýkoli abnormální mamogram nebo sonogram ve světle druhé zobrazovací studie pro daného pacienta, aby vyhodnotil, zda by kombinované hodnoty obou studií ovlivnily léčbu pacienta.

   Zaznamená se zpětné volání vyšetřovatelů, krátkodobé sledování a míra doporučení biopsie pro mamografii, sonografii a kombinovaný odečet. Stejně jako u jiných zobrazovacích studií prsu budou doporučeny jehlové nebo otevřené biopsie pro mamografické a/nebo sonografické snímky, které jsou považovány za podezřelé na karcinom. Pro jakýkoli neurčitý nález budou objednány další diagnostické zobrazovací studie.

2. Postupy pro vstup pacienta do studie:

   Každá pacientka je požádána, aby při vstupu do studie získala na své náklady screeningový mamograf. Musí také souhlasit s mamografickým screeningem o rok později. Pacient se také musí vzdát práv k originálním filmům mamografu, i když v případě potřeby budou pro pacienta bezplatně pořízeny kopie. Žádné další studie nejsou vyžadovány. Pacient však bude muset také vyplnit demografický formulář.

3. Kritéria pro hodnocení odezvy:

   Každý screeningový mamograf bude přezkoumán způsobem obvyklým pro danou instituci, ne nutně jedním z vyšetřovatelů. Každý screeningový ultrazvuk bude včas zkontrolován zkoušejícím radiologem a pacient bude o výsledcích informován buď přímo, nebo prostřednictvím svého lékaře. Pokud bude jakákoli studie považována za abnormální, bude pacient informován a bude vyzván k provedení dalších studií nebo jiného vhodného opatření.

4. Definice klasifikace:

   Pravé a falešné pozitivní a negativní hodnoty budou vypočítány na základě výsledků tří vstupních zobrazovacích vyšetření, screeningové mamografie (SM), screeningového automatizovaného ultrazvuku (SU) a obou screeningových studií kombinovaných (SC)), provedených u každého subjektu v PMA studie. Výše uvedené rychlosti jsou vypočteny pro každé ze tří počátečních zobrazovacích vyšetření nezávisle na výsledcích ostatních počátečních zobrazovacích vyšetření.

   Skutečně pozitivní - Subjekt je TP pro kterýkoli ze tří typů počátečních zobrazovacích vyšetření (SM, SU nebo SC), které vedou k biopsií prokázané rakovině (invazivní nebo in situ rakovina prsu nebo jiná intramamární malignita).

   Skutečně negativní – subjekt je TN pro každé úvodní zobrazovací vyšetření, jehož počáteční zobrazovací vyšetření je považováno za negativní a který má o rok později normální screeningový mamogram (nebo neurčitý mamogram, který následně prokázal, že se nejedná o rakovinu) a nepodstoupil biopsii prsu pozitivní na rakovinu na základě fyzikálních nálezů během mezidobí.

   Falešně pozitivní – Subjekt je FP pro určitý typ studie, který má na základě této studie benigní biopsii prsu a který nemá rakovinu prsu jinde objevenou touto studií.

   Falešně negativní - Subjekt je FN pro určitý typ vstupního zobrazovacího vyšetření, kdy je počáteční zobrazovací vyšetření normální nebo benigní a rakovina je objevena na některém z dalších typů vstupních zobrazovacích vyšetření nebo je objevena během jednoho roku. mamograf, nebo je objeven fyzikálními nálezy v mezidobí.

   Zpětné volání – zpětné volání (CB) nastává, když je subjekt odvolán k dalšímu hodnocení, protože jedno z úvodních zobrazovacích vyšetření je přečteno jako pozitivní nebo neurčité. Zpětné volání SU je sonografickým ekvivalentem diagnostického vyšetření objednaného u SM z důvodu pozitivních nebo neurčitých nálezů. Podobně zpětné volání SC nastává, když jsou společné hodnocení SM i SU neurčité nebo pozitivní a vyžaduje další hodnocení. Sazby CB budou vypočítány pro každé ze tří vstupních zobrazovacích vyšetření porovnáním počtu CB s celkovým počtem subjektů. % CB rate = Počet CB / počet studijních předmětů.

   Zpětná volání mohou mít tři různé výsledky: vyřešení tím, že se ukáže, že počáteční zobrazovací vyšetření bylo normální s dalším hodnocením, krátkodobá následná vyšetření k pozdějšímu datu k vyhodnocení nálezů počátečního zobrazovacího vyšetření a vyšetření CB ) dále nebo biopsii, protože počáteční zobrazovací vyšetření a/nebo zpětné volání byly dostatečně podezřelé, aby opravňovaly k hodnocení tkáně.

   Následné sledování - Míra sledování (FU) bude vypočtena pro každé ze tří úvodních zobrazovacích vyšetření porovnáním počtu krátkodobých sledování s celkovým počtem subjektů. % FU = počet FU / počet studijních předmětů. Bude vypočítána míra pozitivních následných kontrol. % +FU = Počet +FU / Celkový počet následných kontrol.

   Biopsie - Míra biopsie bude vypočítána pro každé ze tří úvodních zobrazovacích vyšetření porovnáním počtu biopsií s celkovým počtem subjektů. % biopsie = počet biopsií / počet studovaných subjektů. Bude vypočítána míra pozitivních biopsií. % + biopsie = počet + biopsií / celkový počet biopsií. Subjekt může mít více než jednu biopsii.

5. Kritéria "mimo studium":

   Tato studie vyžaduje provedení počátečního mamografu, počátečního automatického screeningového ultrazvuku a závěrečného mamografu po jednom roce. Pacientka také souhlasí s tím, že umožní přístup k výsledkům jakýchkoli dalších diagnostických testů, ke kterým dojde z důvodu pozitivních nálezů na původním screeningovém mamografu nebo ultrazvuku. Subjekt může kdykoli odstoupit, v takovém případě nebudou její údaje použity v analýze. Každý pacient, který nedokončí výše uvedené testy, bude rovněž z analýzy vyloučen.

6. Statistická hlediska:

Protože 16 000 pacientů bude většinou hradit náklady na vlastní testy, očekává se, že budou pocházet z dobře prověřené populace. U takové populace ve věku nad 40 let by se očekávalo, že bude generovat intervalová zhoubná onemocnění v míře asi 0,25 % ročně. V důsledku toho by se během studie objevilo asi 40 karcinomů. Vzhledem k očekávanému 20 až 25 % očekávané míry falešně negativních výsledků mamografického screeningu bude 8 až 10 rakovin k dispozici pro objev pouze SonoCiné. Pokud by SonoCiné mělo nezávisle 20 až 25 % falešně negativních výsledků, očekávalo by se, že nalezne 6 až 8 zbývajících rakovin. Pokud je mamografie použita samostatně s odhadovanou 75% přesností, očekává se, že na základě mamografického screeningu by bylo identifikováno 30 rakovin, přičemž 10 případů rakoviny nebylo nalezeno. S přidáním screeningu Sonociné se předpokládá, že by bylo nalezeno dalších 8 rakovin a celková míra selhání (falešně negativní nálezy) by byla 2 rakoviny. Tím by se zvýšila přesnost na 95 %.

Pokud SonoCiné obecně najde rakovinu menší velikosti než screeningová mamografie, skutečný počet rakovin objevených SonoCiné může být vyšší, protože najde některé rakoviny, které by byly objeveny screeningem mamografie následující rok předtím, než se projevily klinicky. Také ženy se známým vyšším rizikem rakoviny prsu se mohou nepřiměřeně dobrovolně účastnit této studie a mamografií i automatickým ultrazvukem celého prsu může být nalezeno více rakovin, než se očekávalo. Vzhledem k tomu, že ženy si jsou vědomy toho, že mamograficky hustá prsa jsou náchylnější k falešně negativnímu mamografickému vyšetření, může se do studie zapojit více žen s tímto onemocněním, než se očekávalo. To může způsobit více mamograficky okultních rakovin, než se očekávalo. Hustota prsou je jednou z proměnných zaznamenávaných u všech subjektů.

Analýza diskriminační funkce bude analýzou volby založenou na skutečnosti, že chceme rozlišit mezi několika vzájemně se vylučujícími skupinami, nejlepším prediktorem, který je důležitý pro rozlišení mezi skupinami, a vyvinout postup pro predikci členství ve skupině pro nové případy. Koncept diskriminační analýzy spočívá v tom, že se tvoří lineární kombinace nezávislých proměnných, které slouží jako základ pro klasifikaci případů do jedné ze skupin. Předpoklady zahrnují, že každá skupina musí být vzorkem z vícerozměrné normální populace a populační kovarianční matice musí být stejné, ačkoli analýza diskriminační funkce funguje docela dobře v případech, kdy existují výjimky. Dichotomické proměnné mohou být také zahrnuty jako prediktorové proměnné. Důraz je kladen na analýzu všech proměnných najednou a jejich společné zvážení. Tím, že je zvažujeme současně, dokážeme začlenit důležité informace o jejich vzájemných vztazích.

Vzhledem k tomu, že proměnné jsou vzájemně propojené, budeme muset použít statistické techniky, které zahrnují tyto závislosti analýzou rozdílů mezi skupinami pomocí testů významnosti pro rovnost skupinových průměrů pro každou proměnnou s využitím hodnot F a jejich významnosti a Wilksovy lambdy pro srovnání v rámci skupinová variabilita s celkovou variabilitou. Malé hodnoty lambda naznačují, že prostředky spojené s proměnnými předpovídajícími členství ve skupině jsou různé a mohou vést k vývoji modelu.

Protože vzájemné závislosti mezi proměnnými ovlivňují většinu vícerozměrných analýz, je důležité podívat se na korelační matici prediktorových proměnných. Předchozí pravděpodobnost je odhad pravděpodobnosti, že případ patří do určité skupiny. Znalost předchozích pravděpodobností lze vypočítat na základě publikovaných statistik a odhaduje se na 0,25 % pro rakovinu ve screeningové populaci. Pro využití dalších dostupných informací pro vývoj klasifikačního schématu pravděpodobnosti členství ve skupině lze klasifikaci skutečného členství ve skupině porovnat s předpokládaným členstvím ve skupině také pomocí diskriminační funkce. Proměnné používané k predikci členství ve skupině budou získány z formuláře pro pacienta, ze zobrazovacího formuláře a z formuláře biopsie. Mezi proměnné budou patřit výchozí rizikové faktory, výsledky mamografických nálezů, nálezy SonoCiné a výsledky biopsie. I když jsou některé proměnné kódovány jako kategorické, většina z nich je ordinální a jako intervalová a jsou vhodné pro analýzu diskriminační funkce nebo použití postupu obecného lineárního modelu (GLM). Regresní model.

Efektivita je definována jako využití zdrojů, které přinesou maximální užitek. Analýza nákladů a přínosů může být provedena na konci studie tak, že se vyjádří přínosy i náklady programu, a to nejen v dolarech, ale také v kvalitě života a snížení utrpení. Přínosy studie, kromě zvýšené míry detekce, mohou v průběhu času zahrnovat dřívější detekci menších rakovin a skutečné snížení potřeby biopsie. To bude mít vliv i na léčbu a využití zdrojů.