Studie über junge Brustkrebsüberlebende (YBCSS)

Hierbei handelt es sich um eine epidemiologische Beobachtungsstudie, in der die Forscher zu einem bestimmten Zeitpunkt mithilfe von Online-Fragebögen (REDCaP und NCI Diet History Questionnaire III) Daten von etwa 384 Teilnehmern sammeln. Die Rekrutierung erfolgt über Social-Media-Selbsthilfegruppen und Interessengruppen für Brustkrebsüberlebende. Die elektronische Einwilligung wird zu Beginn jedes Online-Fragebogens erteilt. Die Datenerhebung erfolgt per Selbstauskunft an dem vom Teilnehmer gewählten Ort mithilfe eines Online-Fragebogens. Die Ermittler werden etablierte validierte Fragebögen verwenden, die von anderen zuvor durchgeführten Kohorten verwendet wurden, um sich über Demografie, Beruf, Krebsvorsorgegeschichte, Familiengeschichte von Krebs, Komorbiditäten, Krebs und anderen Komorbiditätsbehandlungen einschließlich Fruchtbarkeitsbezogener, HRQoL und Nahrungsaufnahme mithilfe des Online-NCI-Ernährungssystems zu erkundigen Anamnese-Fragebogen III, der die Einnahme von Nahrungsergänzungsmitteln, Wohngeschichte, Hormonstatus, körperliche Aktivität, Tabak- und Alkoholkonsum, Erfahrungen mit Rassismus, soziale Unterstützung und Informationen zur Inanspruchnahme von Gesundheitsleistungen umfasst.

Um Ziel 1 zu erreichen, verwenden die Forscher den NCI Diet History Questionnaire III, einen Online-Fragebogen zur Häufigkeit von Nahrungsmitteln mit 135 Punkten und 26 Fragen zu Nahrungsergänzungsmitteln, der den letzten Monat der Einnahme widerspiegelt, um die Nahrungs- und Nährstoffaufnahme sowie die allgemeinen Ernährungsmuster abzuschätzen. Gesundheitsbezogen Lebensqualität (HRQoL) ist ein mehrdimensionales Konzept, das nicht nur physische, psychische und soziale Bereiche umfasst, sondern auch andere Bereiche wie kognitive Funktionen umfassen kann. Krebspatienten zeigen außerdem viele Symptome (z. B. Müdigkeit, Schmerzen, Schlafstörungen), die nicht direkt durch Labortests messbar sind. Daher muss sich die Beurteilung der HRQoL und dieser Symptombelastungen bei Krebsüberlebenden auf die Selbstberichte der Patienten stützen, die insbesondere bei Brustkrebspatientinnen mit validierten Instrumenten gemessen werden, und umfasst die funktionelle Bewertung der Krebstherapie (FACT-B).

Beschreibende Statistiken werden als Mittelwert (Standardabweichung) und Median (Interquartilbereich) für kontinuierliche Variablen und als Häufigkeit (Prozentsatz) für kategoriale Variablen dargestellt. Datenvisualisierungstools wie Histogramm, Boxplot, Streudiagramm und Liniendiagramm werden eingesetzt, um die Trends und Ausreißer in den Daten zu bewerten. Die bivariate Assoziation zwischen kategorialen Variablen wird mithilfe des Chi-Quadrat-Tests oder des exakten Tests auf statistische Signifikanz getestet. Unterschiede in kontinuierlichen Variablen werden mithilfe des Kruskal-Wallis-Tests auf statistische Signifikanz getestet. HRQoL-Daten sind typischerweise nicht normalverteilt, mit linksschiefen Verteilungen und potenziellen Deckeneffekten, die die Berücksichtigung alternativer Schätzer in multivariaten Modellen erfordern. Es wurden eine Reihe verschiedener alternativer Modelle zum standardmäßigen Ansatz der kleinsten Quadrate vorgeschlagen, darunter Beta-Regression, Tobit-Regression und zweiteilige Modellierung. Die Forscher werden die Verteilung der primären HRQoL-Maßnahmen beim Aufbau analytischer Modelle bewerten. Mit einem gesunden Ernährungsmuster als primärer unabhängiger Variable und Messungen der HRQoL als primäre abhängige Variable erwarten die Forscher, dass mit zunehmender Ernährungsqualität auch die HRQoL zunimmt.

Für Ziel 2 werden die Forscher die Studienteilnehmer bitten, Fragebögen zu Rassismus, Fatalismus und Demografie auszufüllen. Außerdem werden die Forscher die Wohngeschichten der Teilnehmer geokodieren, um die Rolle von Rassismus, Fatalismus, Einkommen, Bildung und Nähe zu Behandlungseinrichtungen bei der Behandlung zu messen Adhärenz. Die Ermittler werden geografische Informationssysteme verwenden, um die Wohngeschichten der Teilnehmer zu geokodieren. Die Teilnehmer werden nach der Postleitzahl ihres Wohnsitzes zum Zeitpunkt der Diagnose sowie nach der Postleitzahl der Behandlungseinrichtung gefragt, in der sie behandelt wurden. Wenn die Postleitzahl der Behandlungseinrichtung unbekannt ist, kann der Teilnehmer die Stadt und das Bundesland angeben, in denen eine Postleitzahl des zentralen Punkts der Stadt gefunden und für die Analyse verwendet werden soll. Mithilfe von Microsoft Excel und der Liste der Breiten- und Längengrade nach Postleitzahl, bereitgestellt vom United States Census Bureau (siehe Zitat), wird die Entfernung in Meilen zwischen dem Wohnort und dem Behandlungsort ermittelt. Mithilfe dieser Distanzberechnung kann die Therapietreue und die Distanz zur Behandlung beurteilt werden. Wohngeschichten werden auch verwendet, um die Ländlichkeit der Teilnehmer zu bestimmen. In Bezug auf die vielen konkurrierenden Definitionen und Klassifizierungsschemata für den ländlichen Raum haben Hall et al. fanden heraus, dass dichotomische Definitionen Heterogenität verschleiern, die für die Gesundheitsforschung und Studien zur Zugänglichkeit relevant ist. Die Ermittler werden stattdessen die Rural-Urban Commuting Area (RUCA)-Codes verwenden, die vom Office of Rural Health Policy der Health Resources and Services Administration und dem Economic Research Service des US-Landwirtschaftsministeriums (USDA) entwickelt wurden. RUCA-Codes kombinieren Informationen über Bevölkerungsdichte, Urbanität und tägliche Pendelmuster, um Volkszählungsbezirke in 22 verschiedene Codes zu klassifizieren, die dann in besser handhabbaren Klassifizierungen konsolidiert werden können.

Beschreibende Statistiken werden als Mittelwert (Standardabweichung) und Median (Interquartilbereich) für kontinuierliche Variablen und als Häufigkeit (Prozentsatz) für kategoriale Variablen dargestellt. Datenvisualisierungstools wie Histogramm, Boxplot, Streudiagramm und Liniendiagramm werden eingesetzt, um die Trends und Ausreißer in den Daten zu bewerten. Die Forscher werden die Zusammenhänge zwischen der Einhaltung der Behandlung und jedem Maß sozialer Determinanten (wie Armuts-Einkommens-Verhältnis, Rassismus, Bildung und Nähe zur Behandlungseinrichtung) mithilfe einer logistischen Regression mit gemischten Effekten untersuchen. Das Modell wird sequentiell an die Auswirkung nicht veränderbarer und veränderbarer Störfaktoren wie Alter, Krebsstadium, Behandlungsart und Versicherungsstatus angepasst.

Die Rekrutierung von Teilnehmern wird voraussichtlich etwa 12 Monate dauern.