Tato stránka byla automaticky přeložena a přesnost překladu není zaručena. Podívejte se prosím na anglická verze pro zdrojový text.

Použití průzkumů ke zkoumání asociace předpovědí rizika úmrtnosti na ML s prognostickou přesností a rozhodováním lékařů onkologů

20. listopadu 2024 aktualizováno: Abramson Cancer Center at Penn Medicine
Téměř polovina pacientů s rakovinou v USA dostane před smrtí péči, která není v souladu s jejich přáními. Plánování rané pokročilé péče (ACP) a paliativní péče zlepšují péči a symptomy odpovídající cílům a snižují zbytečné využití. Slibnou strategií ke zvýšení ACP a paliativní péče je identifikace pacientů s rizikem úmrtnosti v dřívějších fázích onemocnění, aby bylo možné zaměřit se na tyto služby. Algoritmy strojového učení (ML) se používají v různých průmyslových odvětvích, včetně lékařství, k přesné předpovědi rizika nepříznivých výsledků a nasměrování dřívějších zdrojů. Ukázalo se, že „spolupráce mezi člověkem a strojem“ – systémy, které využívají jak ML, tak lidskou intuici – zlepšují předpovědi a rozhodování v různých situacích, ale není známo, zda spolupráce mezi člověkem a strojem může zlepšit prognostickou přesnost a vést k větší a dřívější ACP a paliativní péče. V této studii jsme oslovili národní vzorek lékařských onkologů a pozvali je, aby dokončili průzkum založený na vinětě. Naším cílem bylo prozkoumat souvislost expozice předpovědím rizika úmrtnosti na ML s prognostickou přesností a rozhodováním lékařů. Prezentovali jsme sérii šesti vinět popisujících tři klinické scénáře specifické pro pacienta s pokročilým nemalobuněčným karcinomem plic (aNSCLC), které se liší věkem, pohlavím, výkonnostním stavem, kuřáckou anamnézou, rozsahem onemocnění, symptomy a molekulárním stavem. Tyto průzkumy založené na vinětě použijeme ke zkoumání souvislosti expozice předpovědím rizika úmrtnosti na ML s prognostickou přesností a rozhodováním lékařských onkologů.

Přehled studie

Postavení

Dokončeno

Podmínky

Intervence / Léčba

Typ studie

Pozorovací

Zápis (Aktuální)

52

Kontakty a umístění

Tato část poskytuje kontaktní údaje pro ty, kteří studii provádějí, a informace o tom, kde se tato studie provádí.

Studijní místa

    • Pennsylvania
      • Philadelphia, Pennsylvania, Spojené státy, 19104
        • Abramson Cancer Center of the University of Pennsylvania

Kritéria účasti

Výzkumníci hledají lidi, kteří odpovídají určitému popisu, kterému se říká kritéria způsobilosti. Některé příklady těchto kritérií jsou celkový zdravotní stav osoby nebo předchozí léčba.

Kritéria způsobilosti

Věk způsobilý ke studiu

  • Dítě
  • Dospělý
  • Starší dospělý

Přijímá zdravé dobrovolníky

Ne

Metoda odběru vzorků

Vzorek nepravděpodobnosti

Studijní populace

Studovaná populace sestávala z praktického vzorku praktických lékařských onkologů, kteří léčili rakovinu plic v USA. Získali jsme lékařské onkology prostřednictvím přímých e-mailů na osobní kontakty hlavního zkoušejícího (n=29); přímé zprávy přes Doximity, online síťovou službu pro lékařské profesionály (n=17), využívající „hrudní onkologii“; a přímé zprávy přes X (dříve Twitter) (n=4). Bylo vynaloženo úsilí na vzorkování rovnoměrně ze 4 geografických oblastí USA (severovýchod, jih, středozápad, západ).

Popis

Kritéria pro zařazení:

  • Lékařští onkologové, kteří léčí rakovinu plic

Kritéria vyloučení:

  • Lékařští onkologové, kteří nevidí pacienty s rakovinou plic

Studijní plán

Tato část poskytuje podrobnosti o studijním plánu, včetně toho, jak je studie navržena a co studie měří.

Jak je studie koncipována?

Detaily designu

Kohorty a intervence

Skupina / kohorta
Intervence / Léčba
1A 2B 3C
1. střední; 1.A. Referenční závislé; 2. Chudý; 2.B. Absolutní prognóza; 3. Dobrý; 3.C. Oba
Studie sestávala z 3 × 3 online faktoriálního experimentu využívajícího nástroj průzkumu hostovaný prostřednictvím Qualtrics, který popisuje tři viněty pacientů. Tyto tři viněty pacientů se lišily podle různých klinických charakteristik včetně věku, pohlaví, výkonnostního stavu, kouření v anamnéze, rozsahu onemocnění, symptomů a molekulárního stavu. Každý pacient měl pokročilý nemalobuněčný karcinom plic (aNSCLC). Každá viněta měla dvě části: Část 1 popisovala anamnézu jednoho ze tří pacientů, poté byly hodnoceny prognostické odhady a lékařské rozhodování (tj. 1, 2, 3). Část 2 bezprostředně následovala a popsala stejnou vinětu od stejného pacienta s přidanou informací z hypotetického prediktivního algoritmu ML (tj. A, B, C). Pořadí vinět v každém průzkumu bylo randomizováno s ohledem na prezentační strategie pro predikce rizika ML, takže existovalo 6 verzí průzkumu, do kterých byl každý účastník randomizován.
1A 2C 3B
1. střední; 1.A. Referenční závislé; 2. Chudý; 2.C. Oba; 3. Dobrý; 3.B. Absolutní prognóza
Studie sestávala z 3 × 3 online faktoriálního experimentu využívajícího nástroj průzkumu hostovaný prostřednictvím Qualtrics, který popisuje tři viněty pacientů. Tyto tři viněty pacientů se lišily podle různých klinických charakteristik včetně věku, pohlaví, výkonnostního stavu, kouření v anamnéze, rozsahu onemocnění, symptomů a molekulárního stavu. Každý pacient měl pokročilý nemalobuněčný karcinom plic (aNSCLC). Každá viněta měla dvě části: Část 1 popisovala anamnézu jednoho ze tří pacientů, poté byly hodnoceny prognostické odhady a lékařské rozhodování (tj. 1, 2, 3). Část 2 bezprostředně následovala a popsala stejnou vinětu od stejného pacienta s přidanou informací z hypotetického prediktivního algoritmu ML (tj. A, B, C). Pořadí vinět v každém průzkumu bylo randomizováno s ohledem na prezentační strategie pro predikce rizika ML, takže existovalo 6 verzí průzkumu, do kterých byl každý účastník randomizován.
1B 2A 3C
1. střední; 1.B. Absolutní; 2. Chudý; 2.A. Referenční závislé; 3. Dobrý; 3.C. Oba
Studie sestávala z 3 × 3 online faktoriálního experimentu využívajícího nástroj průzkumu hostovaný prostřednictvím Qualtrics, který popisuje tři viněty pacientů. Tyto tři viněty pacientů se lišily podle různých klinických charakteristik včetně věku, pohlaví, výkonnostního stavu, kouření v anamnéze, rozsahu onemocnění, symptomů a molekulárního stavu. Každý pacient měl pokročilý nemalobuněčný karcinom plic (aNSCLC). Každá viněta měla dvě části: Část 1 popisovala anamnézu jednoho ze tří pacientů, poté byly hodnoceny prognostické odhady a lékařské rozhodování (tj. 1, 2, 3). Část 2 bezprostředně následovala a popsala stejnou vinětu od stejného pacienta s přidanou informací z hypotetického prediktivního algoritmu ML (tj. A, B, C). Pořadí vinět v každém průzkumu bylo randomizováno s ohledem na prezentační strategie pro predikce rizika ML, takže existovalo 6 verzí průzkumu, do kterých byl každý účastník randomizován.
1B 2C 3A
1. střední; 1.B. Absolutní; 2. Chudý; 2.C. Oba; 3. Dobrý; 3.A. Referenční závislé
Studie sestávala z 3 × 3 online faktoriálního experimentu využívajícího nástroj průzkumu hostovaný prostřednictvím Qualtrics, který popisuje tři viněty pacientů. Tyto tři viněty pacientů se lišily podle různých klinických charakteristik včetně věku, pohlaví, výkonnostního stavu, kouření v anamnéze, rozsahu onemocnění, symptomů a molekulárního stavu. Každý pacient měl pokročilý nemalobuněčný karcinom plic (aNSCLC). Každá viněta měla dvě části: Část 1 popisovala anamnézu jednoho ze tří pacientů, poté byly hodnoceny prognostické odhady a lékařské rozhodování (tj. 1, 2, 3). Část 2 bezprostředně následovala a popsala stejnou vinětu od stejného pacienta s přidanou informací z hypotetického prediktivního algoritmu ML (tj. A, B, C). Pořadí vinět v každém průzkumu bylo randomizováno s ohledem na prezentační strategie pro predikce rizika ML, takže existovalo 6 verzí průzkumu, do kterých byl každý účastník randomizován.
1C 2A 3B
1. střední; 1.C. Oba; 2. Chudý; 2.A. Referenční závislé; 3. Dobrý; 3.B. Absolutní
Studie sestávala z 3 × 3 online faktoriálního experimentu využívajícího nástroj průzkumu hostovaný prostřednictvím Qualtrics, který popisuje tři viněty pacientů. Tyto tři viněty pacientů se lišily podle různých klinických charakteristik včetně věku, pohlaví, výkonnostního stavu, kouření v anamnéze, rozsahu onemocnění, symptomů a molekulárního stavu. Každý pacient měl pokročilý nemalobuněčný karcinom plic (aNSCLC). Každá viněta měla dvě části: Část 1 popisovala anamnézu jednoho ze tří pacientů, poté byly hodnoceny prognostické odhady a lékařské rozhodování (tj. 1, 2, 3). Část 2 bezprostředně následovala a popsala stejnou vinětu od stejného pacienta s přidanou informací z hypotetického prediktivního algoritmu ML (tj. A, B, C). Pořadí vinět v každém průzkumu bylo randomizováno s ohledem na prezentační strategie pro predikce rizika ML, takže existovalo 6 verzí průzkumu, do kterých byl každý účastník randomizován.
1C 2B 3A
1. střední; 1.C. Oba; 2. Chudý; 2.B. Absolutní; 3. Dobrý; 3.A. Referenční závislé
Studie sestávala z 3 × 3 online faktoriálního experimentu využívajícího nástroj průzkumu hostovaný prostřednictvím Qualtrics, který popisuje tři viněty pacientů. Tyto tři viněty pacientů se lišily podle různých klinických charakteristik včetně věku, pohlaví, výkonnostního stavu, kouření v anamnéze, rozsahu onemocnění, symptomů a molekulárního stavu. Každý pacient měl pokročilý nemalobuněčný karcinom plic (aNSCLC). Každá viněta měla dvě části: Část 1 popisovala anamnézu jednoho ze tří pacientů, poté byly hodnoceny prognostické odhady a lékařské rozhodování (tj. 1, 2, 3). Část 2 bezprostředně následovala a popsala stejnou vinětu od stejného pacienta s přidanou informací z hypotetického prediktivního algoritmu ML (tj. A, B, C). Pořadí vinět v každém průzkumu bylo randomizováno s ohledem na prezentační strategie pro predikce rizika ML, takže existovalo 6 verzí průzkumu, do kterých byl každý účastník randomizován.

Co je měření studie?

Primární výstupní opatření

Měření výsledku
Popis opatření
Časové okno
Prognostická přesnost hodnocená prostřednictvím průzkumu
Časové okno: Až 3 měsíce

Prognostické odhady byly měřeny pomocí dvou položek podaných po částech 1 a 2 každé ze 3 vinět:

  1. Jaká je vaše očekávaná délka života tohoto pacienta v měsících?
  2. Jaká je podle vás pravděpodobnost, že zemře do 12 měsíců? Zadejte procento na stupnici od 0 % do 100 %.

Přesné prognózy byly definovány jako to, zda uváděný odhad očekávané délky života byl v rozmezí 33 % odhadu LCPI, upraveného po fokusních skupinách. Účastníci odpovídali na první otázku v měsících a na druhou otázku procentem v rozmezí 0–100 %.

Až 3 měsíce

Sekundární výstupní opatření

Měření výsledku
Popis opatření
Časové okno
Předběžná rozhodnutí o plánování péče hodnocená prostřednictvím průzkumu
Časové okno: Až 3 měsíce

Rozhodování AKT bylo hodnoceno pomocí následující položky spravované po částech 1 a 2 každé ze 3 vinět:

1) Měli byste diskusi o plánování předběžné péče v tomto bodě jejího průběhu onemocnění?

Každá otázka byla zprovozněna jako odpověď Ano/Ne a po ní následovalo bezplatné pole s odpovědí s dotazem: „Podělte se, prosím, o důvod tohoto rozhodnutí.“

Až 3 měsíce
Doporučení k paliativní péči hodnocené prostřednictvím průzkumu
Časové okno: Až 3 měsíce

Doporučení k paliativní péči bylo hodnoceno pomocí následující položky podávané po částech 1 a 2 každé ze 3 vinět:

1) Doporučili byste ho/ji ke specialistovi na paliativní péči v tomto bodě jejího průběhu onemocnění?

Každá otázka byla zprovozněna jako odpověď Ano/Ne a po ní následovalo bezplatné pole s odpovědí s dotazem: „Podělte se, prosím, o důvod tohoto rozhodnutí.“

Až 3 měsíce

Spolupracovníci a vyšetřovatelé

Zde najdete lidi a organizace zapojené do této studie.

Termíny studijních záznamů

Tato data sledují průběh záznamů studie a předkládání souhrnných výsledků na ClinicalTrials.gov. Záznamy ze studií a hlášené výsledky jsou před zveřejněním na veřejné webové stránce přezkoumány Národní lékařskou knihovnou (NLM), aby se ujistily, že splňují specifické standardy kontroly kvality.

Hlavní termíny studia

Začátek studia (Aktuální)

13. března 2023

Primární dokončení (Aktuální)

31. července 2023

Dokončení studie (Aktuální)

31. prosince 2023

Termíny zápisu do studia

První předloženo

30. dubna 2024

První předloženo, které splnilo kritéria kontroly kvality

12. června 2024

První zveřejněno (Aktuální)

18. června 2024

Aktualizace studijních záznamů

Poslední zveřejněná aktualizace (Odhadovaný)

21. listopadu 2024

Odeslaná poslední aktualizace, která splnila kritéria kontroly kvality

20. listopadu 2024

Naposledy ověřeno

1. listopadu 2024

Více informací

Termíny související s touto studií

Další relevantní podmínky MeSH

Další identifikační čísla studie

  • UPCC 10524
  • 850382 (Jiný identifikátor: Penn IRB)

Plán pro data jednotlivých účastníků (IPD)

Plánujete sdílet data jednotlivých účastníků (IPD)?

NE

Informace o lécích a zařízeních, studijní dokumenty

Studuje lékový produkt regulovaný americkým FDA

Ne

Studuje produkt zařízení regulovaný americkým úřadem FDA

Ne

Tyto informace byly beze změn načteny přímo z webu clinicaltrials.gov. Máte-li jakékoli požadavky na změnu, odstranění nebo aktualizaci podrobností studie, kontaktujte prosím register@clinicaltrials.gov. Jakmile bude změna implementována na clinicaltrials.gov, bude automaticky aktualizována i na našem webu .

Předplatit