Lactoferrin bei Krankenhauspatienten mit Covid-19 (LAC)

In „In-vitro“-Studien wurde gezeigt, dass LF das Eindringen von SARS-CoV-2 in die Wirtszellen verhindern kann.

Insgesamt deuten die verfügbaren Beweise darauf hin, dass LF eine therapeutische Option sein könnte, mit der der Schwere einer Covid-19-Infektion entgegengewirkt und diese verringert werden kann. Die Studie wurde konzipiert, um die Wirksamkeit von Lactoferrin in vivo nachzuweisen.

Patienten, die von teilnehmenden Zentren für eine Covid-19-Infektion aufgenommen werden, werden auf ihre Eignung für die Studie untersucht. Wenn sie als geeignet erachtet werden, wird ihnen die Teilnahme an der Studie angeboten, und sie wird vorgeschlagen und ihre Einwilligung nach Aufklärung wird erklärt. Berechtigte Patienten werden in einer zentralen Datenbank in den IT-Systemen der University of Piemont Orientale (UPO)/Krankenhaus-Universitätsgesellschaft „Maggiore della Carità“ von Novara registriert. Die pseudo-anonymisierten Patientendaten werden vom klinischen Zentrum in einem „Ad-hoc“-Klinikberichtsformular mit webbasiertem Zugriff erfasst.

Nach Erhalt der Einverständniserklärung werden die Patienten dann unter Verwendung der zuvor erstellten Randomisierungslisten in die LF- oder Placebo-Gruppenzuteilung randomisiert. Die Randomisierung erfolgt auf kompetitiver und ausgewogener Basis pro Teilnehmer des klinischen Zentrums. Permutierte Blockrandomisierung der Größe 4 wird mit einem Verteilungsverhältnis von 1:1 durchgeführt, um die Ausgewogenheit zwischen den Behandlungsgruppen zu gewährleisten. Die Randomisierungsliste wird über ein REDCap-Randomisierungsmodul verwaltet.

Die Krankenhausapotheke des teilnehmenden Zentrums, die nicht an der Rekrutierung von Patienten beteiligt ist, erstellt eine nummerierte Folge von versiegelten Umschlägen mit dem Zuteilungscode und bewahrt ihre Liste auf, die für die an der Rekrutierung beteiligten Fachleute unzugänglich bleibt. Diese versiegelten Umschläge werden es tun zum Zeitpunkt der Randomisierung sequentiell geöffnet werden.

Die Versorgung der blinden Person wird einerseits durch das Führen der Randomisierungslisten des Personals, also des Personals der Krankenhausapotheke, gewährleistet (Personal, das auch die zu untersuchenden Produkte verwaltet und an die Prüfärzte liefert, die gleich aussehen werden) , und das randomisierende und experimentierende medizinische Personal auf der anderen Seite.

Der logistische Standort der beiden Mitarbeiter wird ebenfalls vollständig getrennt sein, in unterschiedlichen und voneinander entfernten Sektoren des Krankenhauses, und in keiner Weise kommunizieren.

Es ist darauf hinzuweisen, dass der aufgrund der Auswahlkriterien von den klinischen Zentren aufgenommene Patient in jedem Fall vor dem Randomisierungsverfahren mit der Standard-of-Care-Therapie beginnen kann, da es sich um die identische Basistherapie in beiden Studienarmen handelt.

Für die Berechnung des zum Nachweis des primären Endpunkts erforderlichen Stichprobenumfangs wurde ein Modell verwendet, das auf historischen Daten zu demselben Endpunkt aufbaut. Die vor der Studie erhobenen Daten der beiden teilnehmenden Zentren schätzen die Notwendigkeit einer Aufnahme auf die Intensivstation auf 25 %; die Notwendigkeit einer mechanischen Belüftung in 30%; Krankenhaussterblichkeit in 15 %; die durchschnittliche Dauer des Krankenhausaufenthalts in 16 Tagen.

Der Stichprobenumfang wurde unter Berücksichtigung eines zweiseitigen t-Tests für zwei unabhängige Stichproben gemäß den folgenden Parametern bestimmt:

1. Ein korrektes Alpha-Niveau von 0,025 für zwei Endpunkte der Bonferroni-Methode (Alpha-Gesamt = 0,025 x 2 = 0,05)
2. Eine Gesamtleistung von 0,8
3. Eine Cohen-h-Effektgröße von 0,44 (entsprechend einem Effekt standardisiert mittel/klein [Cohen 1977]), d. h. bei einer 14-tägigen Resignationsrate von 60 % bei Kontrollen und 80 % bei Verträgen.

In diesem Szenario beträgt die erreichte Studiengröße 97 Patienten pro Studienarm. Die Berechnungen wurden mit der Software R 3.6.1 [Core Team 2015] und dem Paket pwr [Champely 2018] durchgeführt. Verweise:

• Cohen, J. Statistische Leistungsanalyse für die Verhaltenswissenschaften (rev.ed.1977).
• Kernteam R: Eine Sprache und Umgebung für statistische Berechnungen; R Foundation for Statistical Computing: Wien, Österreich, 2015;
• Champely, S.; Ekström, C.; Dalgaard, P.; Gill, J.; Weibelzahl, S.; Anandkumar, A.;Ford, C.; Volcic, R.; De Rosario, H.; De Rosario, M.H. Paket 'pwr.' R-Paketversion 2018, 1-2.