System zur Hochintensitätsbewertung während der Strahlentherapie (SHIELD-RT)
System zur Hochintensitätsbewertung während der Strahlentherapie (SHIELD-RT): Eine prospektive randomisierte Studie zu durch maschinelles Lernen gesteuerten klinischen Bewertungen während der ambulanten Krebsbestrahlung und Radiochemotherapie
Studienübersicht
Status
Status
Bedingungen
Bedingungen
Intervention / Behandlung
Intervention / Behandlung
Studientyp
Studientyp
Einschreibung (Tatsächlich)
Einschreibung
Phase
Phase
- Unzutreffend
Kontakte und Standorte
Studienorte
-
-
North Carolina
-
Durham, North Carolina, Vereinigte Staaten, 27710
- Duke Cancer Center
-
-
Teilnahmekriterien
Zulassungskriterien
Zulassungskriterien
Studienberechtigtes Alter
Akzeptiert gesunde Freiwillige
Studienberechtigte Geschlechter
Beschreibung
Einschlusskriterien:
• begann eine ambulante Strahlentherapie mit oder ohne gleichzeitige systemische Therapie am Duke Cancer Center
Ausschlusskriterien:
- Sie unterziehen sich einer Ganzkörper-Strahlentherapie zur Transplantation hämatopoetischer Stammzellen
- sich stationär einer Therapie unterziehen
- behandelnder Arzt, der sich gegen die Randomisierung entschieden hat
- abgeschlossene Strahlentherapie vor der Ausführung des Algorithmus
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
- Hauptzweck: Unterstützende Pflege
- Zuteilung: Zufällig
- Interventionsmodell: Parallele Zuordnung
- Maskierung: Keine (Offenes Etikett)
Anzahl der Arme
Waffen und Interventionen
Teilnehmergruppe / ArmTeilnehmergruppe / Arm |
Intervention / BehandlungIntervention / Behandlung |
|---|---|
|
Aktiver Komparator: Einmal wöchentlich klinische Bewertung
Ambulante Teilnehmer wurden vom maschinellen Lernalgorithmus als hohes Risiko eingestuft und einmal wöchentlich klinische Bewertungen abgegeben
|
Durch maschinelles Lernen gesteuerte Identifizierung von Strahlentherapie- oder Chemoradiotherapie-Patienten mit hohem Risiko für die Akutversorgung in der Notaufnahme und/oder einen Krankenhausaufenthalt
|
|
Experimental: Zweimal wöchentlich klinische Bewertung
Ambulante Teilnehmer wurden vom maschinellen Lernalgorithmus als hohes Risiko eingestuft und zweimal wöchentlich klinische Bewertungen abgegeben
|
Durch maschinelles Lernen gesteuerte Identifizierung von Strahlentherapie- oder Chemoradiotherapie-Patienten mit hohem Risiko für die Akutversorgung in der Notaufnahme und/oder einen Krankenhausaufenthalt
|
Was misst die Studie?
Primäre Ergebnismessungen
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Zeitfenster |
|---|---|
|
Anzahl ungeplanter Notaufnahmen oder Krankenhauseinweisungen
Zeitfenster: 6 Monate
|
6 Monate
|
Sekundäre Ergebnismessungen
Sekundäre Ergebnismessungen
Ergebnis Maßnahme |
Zeitfenster |
|---|---|
|
Anzahl ungeplanter Notaufnahmen oder Krankenhauseinweisungen bis zu 15 Tage nach der Strahlenbehandlung
Zeitfenster: bis zu 15 Tage nach der Strahlenbehandlung
|
bis zu 15 Tage nach der Strahlenbehandlung
|
|
Anzahl der versäumten klinischen Bewertungsbesuche
Zeitfenster: 6 Monate
|
6 Monate
|
|
Anzahl der Besuche in der Akutversorgung mit aufgeführten Gründen wie Anämie, Ernährung (einschließlich Dehydrierung), Durchfall, Erbrechen, Infektionskrankheiten (einschließlich Fieber, Lungenentzündung und Sepsis), Übelkeit, Neutropenie, Schmerzkategorie
Zeitfenster: 6 Monate
|
6 Monate
|
Mitarbeiter und Ermittler
Sponsor
Sponsor
Publikationen und hilfreiche Links
Allgemeine Veröffentlichungen
- Hong JC, Eclov NCW, Dalal NH, Thomas SM, Stephens SJ, Malicki M, Shields S, Cobb A, Mowery YM, Niedzwiecki D, Tenenbaum JD, Palta M. System for High-Intensity Evaluation During Radiation Therapy (SHIELD-RT): A Prospective Randomized Study of Machine Learning-Directed Clinical Evaluations During Radiation and Chemoradiation. J Clin Oncol. 2020 Nov 1;38(31):3652-3661. doi: 10.1200/JCO.20.01688. Epub 2020 Sep 4.
- Hong JC, Eclov NCW, Stephens SJ, Mowery YM, Palta M. Implementation of machine learning in the clinic: challenges and lessons in prospective deployment from the System for High Intensity EvaLuation During Radiation Therapy (SHIELD-RT) randomized controlled study. BMC Bioinformatics. 2022 Sep 30;23(Suppl 12):408. doi: 10.1186/s12859-022-04940-3.
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Tatsächlich)
Studienbeginn
Primärer Abschluss (Tatsächlich)
Primärer Abschluss
Studienabschluss (Tatsächlich)
Studienabschluss
Studienanmeldedaten
Zuerst eingereicht
Zuerst eingereicht
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst gepostet (Tatsächlich)
Zuerst gepostet
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
Letztes Update gepostet
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Zuletzt verifiziert
Zuletzt verifiziert
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Andere Studien-ID-Nummern
Andere Studien-ID-Nummern
- Pro00100647
Plan für individuelle Teilnehmerdaten (IPD)
Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?
Beschreibung des IPD-Plans
Arzneimittel- und Geräteinformationen, Studienunterlagen
Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt
Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt
Diese Informationen wurden ohne Änderungen direkt von der Website clinicaltrials.gov abgerufen. Wenn Sie Ihre Studiendaten ändern, entfernen oder aktualisieren möchten, wenden Sie sich bitte an register@clinicaltrials.gov. Sobald eine Änderung auf clinicaltrials.gov implementiert wird, wird diese automatisch auch auf unserer Website aktualisiert .