Påvisning af kolorektal cancer hos patienter med en positiv fækal immunokemisk test ved hjælp af en elektronisk næseanordning (AeoNoseTM)

Studiets begrundelse:

Koloskopi spiller en nøglerolle i alle screeningsmodaliteter for kolorektal cancer (CRC). En vigtig begrænsning ved koloskopi er, at den diagnostiske nøjagtighed og terapeutiske sikkerhed ved koloskopi begge afhænger af flere læge- og patientrelaterede faktorer. Betydelige mængder polypper savnes under koloskopi, og alvorlige uheldige virkninger forekommer stadig i 0,1 %-0,3 % af alle koloskopiprocedurer, selv blandt eksperter. Desuden påvirker den byrdefulde karakter af proceduren og nødvendigheden af ​​fuld tarmforberedelse negativt deltagelsesraterne, og brugen af ​​koloskopi som en CRC-screeningstest er begrænset af sundhedsomkostninger og den ekspertise, der er nødvendig for at udføre screeningen. Disse ulemper ved koloskopi berettiger udviklingen af ​​en ny, ikke-invasiv, nøjagtig CRC-screeningstest.

Et elektronisk næseapparat er et kunstigt lugtesystem, der analyserer flygtige organiske forbindelser (VOC'er) i udåndet ånde. Brugen af ​​elektroniske næser er allerede blevet vurderet som en potentiel ikke-invasiv diagnostisk biomarkørtest for lungekræft, brystkræft og maligne melanomer. Denne undersøgelse har til formål at undersøge den diagnostiske nøjagtighed af analyse af udåndet åndedræt med AeonoseTM (The eNose Company, Zutphen, Holland) for at skelne åndedrættet fra patienter, der mistænkes for CRC (baseret på en positiv fækal immunokemisk test (FIT)), som er virkelig diagnosticeret med CRC, fra patienter mistænkt for CRC, hos hvem denne diagnose afvises efter koloskopi.

Mål:

• At undersøge den diagnostiske nøjagtighed af analyse af udåndet åndedræt med AeonoseTM for at skelne åndedrættet fra patienter, der mistænkes for CRC baseret på en positiv FIT-test, som virkelig er diagnosticeret med CRC, fra patienter, der mistænkes for CRC, hos hvem denne diagnose afvises efter koloskopi.
• For at undersøge den diagnostiske nøjagtighed af udåndingsanalyse med AeonoseTM for andre (præ-)maligne tyktarmslæsioner (f.eks. fremskredne adenomer, ikke-avancerede adenomer og siddende takkede læsioner).
• For at vurdere acceptgraden ved brug af AeonoseTM-enheden.

Studiedesign: Det nuværende multicenterstudie vil omfatte 1950 FIT-positive patienter. Undersøgelsen vil blive udført på syv hospitaler i Holland. Først vil en database med åndedrætsudskrifter blive udviklet til at detektere CRC. I denne undersøgelsesfase vil AeonoseTM blive trænet, og databasen med åndedrætsudskrifter vil blive verificeret ved hjælp af "leave 10% out" krydsvalidering. Efter kalibreringsfasen vil den diagnostiske nøjagtighed af AeonoseTM blive vurderet i nye undersøgelsespatienter (ekstern validering).

Undersøgelsespopulation: Patienter mellem 55 og 75 år med en positiv FIT-test henvist til en koloskopiprocedure.

Hovedundersøgelsesparametre/endepunkter:

• AeonoseTMs evne til at skelne mellem patienter med og uden CRC i en FIT-positiv population med hensyn til sensitivitet og specificitet.
• Den diagnostiske nøjagtighed af AeonoseTM for andre (præ-)maligne colonlæsioner.
• Acceptrate af AeonoseTM

Statistisk analyse:

Data om demografiske karakteristika og baseline-karakteristika vil blive opsummeret for kontinuerte variable, i tilfælde af normalfordeling ved middelværdi og standardafvigelse, og i tilfælde af ikke-normal fordeling efter median og interkvartilområde. For diskrete variabler (f.eks. race og køn) vil data blive opsummeret efter proportioner (procenter). Forskelle i baseline-karakteristika vil blive bestemt ved hjælp af uafhængig sample t-test, Fishers eksakte test eller Chi-square test, når det er relevant. En 2-sidet p-værdi <0,05 vil blive betragtet som statistisk signifikant.

Dataene vil blive analyseret af et kunstigt neuralt netværk (ANN) for at identificere dataklassifikatorer for at udtrække forskelle mellem mønstrene hos patienter ved tilstedeværelse eller fravær af CRC i biopsier. Ved at analysere en gruppe af åndedrætsudskrifter fra patienter med og uden CRC, kan individuelle forskelle i kost, medicin, følgesygdomme og andre faktorer filtreres fra for at identificere træk, der adskiller forbindelserne fra patienter med CRC. Denne proces fortsætter, indtil et udvalgt niveau af diskrimination er opfyldt. Datakomprimering og ANN er blevet integreret i en proprietær softwarepakke (Aethena) fra eNose Company (Zutphen, Holland).

De binære resultater vil blive præsenteret i et scatterplot og en modtagerdriftskarakteristikkurve (ROC-kurve). Matthews korrelationskoefficienter vil blive beregnet for at måle kvaliteten af ​​binære klassifikationer. Krydsvalidering af dataene vil blive udført ved hjælp af en leave-10%-out metode. En del af dataene udelades for at forudsige den mest optimale model.