- ICH GCP
- US-Register für klinische Studien
- Klinische Studie NCT06161181
Verbesserung der Therapietreue bei Patientinnen mit metastasiertem Brustkrebs: das Studienprotokoll
Hintergrund: Neue Erkenntnisse deuten darauf hin, dass Patienten mit fortgeschrittenem Krebs, wie beispielsweise solche mit MBC, häufig ein erhebliches Maß an Nichteinhaltung oraler Krebsbehandlungen aufweisen. Die Nutzung der Modelle des maschinellen Lernens in der klinischen Praxis ermöglicht die Bereitstellung personalisierter Vorhersagen zur Medikamenteneinhaltung für einzelne Patienten, wodurch die Einhaltung unterstützt und gezielte Interventionen erleichtert werden.
Ziel: Das aktuelle Protokoll zielt darauf ab, die Wirksamkeit des DSS, einer webbasierten Lösung namens TREAT (TREatment Adherence SupporT) und einer Webanwendung für maschinelles Lernen zur Förderung der Einhaltung oraler Krebsbehandlungen bei einer Stichprobe von MBC-Patienten zu bewerten.
Methoden und Design: Dieses Protokoll ist Teil eines Projekts mit dem Titel „Verbesserung der Therapietreue bei Patientinnen mit metastasiertem Brustkrebs“ (Tracking-Nummer 65080791). Eine Stichprobe von 100 MBC-Patienten wird nacheinander aufgenommen und in die Abteilung für Medizinische Senologie des Europäischen Instituts für Onkologie aufgenommen. 50 MBC-Patienten erhalten das DSS drei Monate lang (Versuchsgruppe), während 50 MBC-Patienten, die nicht der Intervention unterzogen wurden, eine standardmäßige medizinische Beratung erhalten (Kontrollgruppe). Das Protokoll sieht drei Beurteilungszeitpunkte vor: T1 (1 Monat), T2 (2 Monate) und T3 (3 Monate). Zu jedem Zeitpunkt füllen die Teilnehmer eine Reihe von Selbstberichten aus, in denen die Einhaltung sowie klinische, psychologische und Lebensqualitätsvariablen bewertet werden.
Schlussfolgerungen: Unsere Ergebnisse werden Aufschluss über die Wirksamkeit des DSS und der Risikovorhersagemodelle bei der Förderung der Einhaltung oraler Krebsbehandlungen bei MBC-Patienten geben.
Studienübersicht
Status
Bedingungen
Intervention / Behandlung
Detaillierte Beschreibung
Metastasierter Brustkrebs (MBC) stellt eine unheilbare Erkrankung dar, bei der pharmakologische Interventionen darauf abzielen, das Fortschreiten der Erkrankung zu verzögern und die Symptome zu lindern, wodurch die Überlebensraten erhöht und die Lebensqualität (QoL) und das psychische Wohlbefinden erhalten bleiben. Klinische Fortschritte bei der Krebsbehandlung haben die Überlebensraten bei MBC-Patienten deutlich erhöht. Es gibt jedoch zunehmend Hinweise darauf, dass die Einhaltung von Medikamenten ein entscheidender Faktor im Krankheitsverlauf von Brustkrebspatientinnen ist, insbesondere im Zusammenhang mit oralen Krebsbehandlungen (OATs). Neue Erkenntnisse deuten darauf hin, dass Patienten mit fortgeschrittenem Krebs, beispielsweise solche mit MBC, häufig ein erhebliches Maß an Nichteinhaltung aufweisen. MBC-Patienten stoßen bei der täglichen Behandlung von OATs auf verschiedene Hindernisse, darunter emotionale und körperliche Belastung im Zusammenhang mit Nebenwirkungen, Dosierungsschwankungen, Behandlungsunterbrechungen und mangelndes krankheitsbezogenes Wissen. Vorhersagemodelle für die Einhaltung wurden bereits für verschiedene Szenarien und Krankheiten entwickelt und getestet. Es gibt Hinweise darauf, dass die Nutzung der Modelle des maschinellen Lernens in der klinischen Praxis die Bereitstellung personalisierter Vorhersagen zur Medikamenteneinhaltung für einzelne Patienten ermöglicht, wodurch die Einhaltung unterstützt und gezielte Interventionen erleichtert werden. Dennoch müssen bestehende Studien die Medikamenteneinhaltung bei MBC-Patienten noch systematisch untersuchen, indem sie ein Entscheidungsunterstützungssystem (DSS) entwerfen und implementieren, das Risikovorhersagemodelle sowie Bildungs- und Schulungsinstrumente integriert.
Das aktuelle Protokoll zielt darauf ab, die Wirksamkeit des DSS, einer webbasierten Lösung namens TREAT (TREatment Adherence SupporT) und einer Webanwendung für maschinelles Lernen zur Förderung der Einhaltung oraler Krebsbehandlungen bei einer Stichprobe von MBC-Patienten zu bewerten. Dieses Protokoll ist Teil eines Projekts mit dem Titel „Verbesserung der Therapietreue bei Patientinnen mit metastasiertem Brustkrebs“ (Tracking-Nummer 65080791). Das übergeordnete Ziel dieses Projekts ist die Entwicklung eines Vorhersagemodells für Nichteinhaltung, eines zugehörigen DSS und von Leitlinien zur Verbesserung der Patienteneinbindung und Therapietreue bei MBC-Patienten.
Das webbasierte DSS wurde im ersten Jahr des Pfizer-Projekts (65080791) unter Verwendung eines patientenzentrierten Ansatzes entwickelt und umfasst vier Abschnitte: i) Metastasierter Brustkrebs; ii) Einhaltung von Krebstherapien; iii) Förderung der Einhaltung; iv) Mein Adherence-Tagebuch. Darüber hinaus wurde eine webbasierte Anwendung für maschinelles Lernen entwickelt, die sich auf die Vorhersage der Risikofaktoren von Patienten für die Einhaltung einer Krebsbehandlung konzentriert, insbesondere unter Berücksichtigung des körperlichen Zustands, komorbider Zustände sowie kurz- und langfristiger Nebenwirkungen. Diese webbasierte Anwendung für maschinelles Lernen wurde im Rahmen einer retrospektiven Studie unter Verwendung physiologischer, klinischer und Lebensqualitätsdaten entwickelt, die im Europäischen Institut für Onkologie (Mailand, Italien) verfügbar sind (R1595/21-IEO 1704). Insbesondere wurden multimodale retrospektive Daten aus den elektronischen Patientenakten (EHR) mithilfe der Verarbeitung natürlicher Sprache (NLP) in einer Stichprobe von 2.750 MBC-Patienten (von 2010 bis 2020) abgerufen.
Methoden/Design
Hauptziele
Bewertung der Wirksamkeit der webbasierten DSS-Lösung und der Webanwendung für maschinelles Lernen (TREAT – „TREatment Adherence SupporT“) bei der Förderung der Einhaltung oraler Krebsbehandlungen in einer Kohorte von 100 Patientinnen mit metastasiertem Brustkrebs (MBC) über einen Zeitraum von drei Monaten. Die Einhaltung wird beurteilt, indem die Anzahl der eingenommenen Pillen dividiert durch die verschriebene Menge berechnet wird.
Sekundäre Ziele
Identifizieren Sie klinische Faktoren (Komorbiditäten, Schmerzpräsenz, Tumortyp, Behandlungstyp), psychologische Parameter (Persönlichkeitsmerkmale, Angstzustände, Depression, Selbstwirksamkeit im Umgang mit Krebs, Kohärenzgefühl und Risikowahrnehmung) und Lebensqualitätsvariablen, die als Prädiktoren dienen für die Einhaltung der OATs durch die Patienten. Diese Prädiktoren werden verwendet, um die Nichteinhaltung von OATs bei MBC-Patienten zu beurteilen und die erste Version eines maschinellen Lernmodells zu verbessern, das in der retrospektiven Studie (R1595/21-IEO 1704) entwickelt wurde. Daten für die sekundären Endpunkte werden mithilfe des Fragebogens zur Lebensqualität der Europäischen Organisation für Forschung und Behandlung von Krebs (EORTC-QLQ-C30) und des 23-Punkte-Brustkrebsspezifischen Fragebogens der Europäischen Organisation für Forschung und Behandlung von Krebs (EORTC-QLQ) erfasst -BR23) und das Brief Pain Inventory (BPI). Darüber hinaus werden zur Auswertung psychologischer Variablen folgende Messgrößen herangezogen: das State-Trait Anxiety Inventory (STAI-Y), das Beck Depression Inventory-II (BDI-II), das Big Five Inventory (BFI), das Cancer Behavior Inventory CBI Kurzform (CBI-B/I), Kohärenzsinn (SOC-13) und Risikowahrnehmung (unter Verwendung zweier visueller Analogskalen).
Studiendauer und Studiendesign
Die Studie ist als dreimonatige randomisierte kontrollierte Studie konzipiert, die am Europäischen Institut für Onkologie (IEO) durchgeführt wird. Konkret wird eine Stichprobe von 100 Patienten nacheinander aufgenommen und mit einer MBC-Diagnose in die Abteilung für Medizinische Senologie aufgenommen. Patienten, die die Einverständniserklärung unterzeichnet haben, erhalten eine eindeutige Kennung und werden im Verhältnis 1:1 entweder dem Kontroll- oder dem Interventionsarm zugeordnet. Das System fordert zunächst zur Bestätigung aller Ein- und Ausschlusskriterien auf. Anschließend generiert ein unabhängiger Forscher mithilfe der Statistiksprache R (R Core Team 2020) eine Zufallssequenz.
Versuchsgruppe – TREAT (TREatment Adherence SupporT): 50 MBC-Patienten erhalten das DSS für drei Monate. Die Patienten werden angewiesen, das DSS ad libitum zu nutzen. Darüber hinaus werden die Patienten ausdrücklich darüber informiert, dass TREAT keine klinischen Konsultationen ersetzt, sondern dazu dienen soll, die orale Behandlung zu verwalten und die Therapietreue durch Aufklärung auf der Grundlage evidenzbasierter Informationen zu verbessern. Kontrollgruppe: 50 MBC-Patienten, die der Intervention nicht unterzogen wurden, erhalten eine standardmäßige medizinische Beratung.
Das Protokoll sieht drei Beurteilungszeitpunkte vor: T1 (1 Monat), T2 (2 Monate) und T3 (3 Monate). Zu Beginn (T0) füllen alle Patienten validierte Fragebögen aus, um die Adhärenz sowie klinische, psychologische und Lebensqualitätsvariablen zu messen. Die voraussichtliche Zeit zum Ausfüllen aller angegebenen Fragebögen beträgt zu Beginn etwa 40 Minuten. Darüber hinaus müssen alle Patienten drei Monate lang ein wöchentliches Medikamenten-Adhärenz-Tagebuch führen. Jeden Monat erhalten alle Teilnehmer ein kurzes Telefoninterview, in dem sie auf die Einhaltung des Forschungsprotokolls überprüft werden. Bei T1, T2 und T3 werden alle Verhaltens-, psychologischen und Lebensqualitätsmessungen ausgefüllt und ein Interview (online oder persönlich) durchgeführt. Variablen, die nicht empfindlich auf Veränderungen reagieren, wie z. B. Persönlichkeits- und Angstmerkmale, werden nur bei T0 erfasst.
Studientyp
Einschreibung (Geschätzt)
Phase
- Unzutreffend
Kontakte und Standorte
Studienkontakt
- Name: Marianna Masiero, Phd
- Telefonnummer: +39 02 57489207
- E-Mail: marianna.masiero@ieo.it
Studienorte
-
-
MI
-
Milan, MI, Italien, 20141
- Rekrutierung
- European Institute fo Oncology
-
Kontakt:
- Marianna Masiero, Phd
- Telefonnummer: +39 02 57489207
- E-Mail: marianna.masiero@ieo.it
-
-
Teilnahmekriterien
Zulassungskriterien
Studienberechtigtes Alter
- Erwachsene
- Älterer Erwachsener
Akzeptiert gesunde Freiwillige
Beschreibung
Einschlusskriterien:
- Patienten > 18 Jahre;
- Eine metastasierende Brustkrebsdiagnose haben;
- Einnahme einer oralen Behandlungsmaßnahme bei metastasiertem Brustkrebs;
- Patienten mit Internetzugang und eigenem Smartphone oder Tablet;
- Patienten, die die Einverständniserklärung gelesen und unterschrieben haben.
Ausschlusskriterien:
- Vorliegen primärer psychiatrischer oder neurologischer Erkrankungen;
- Patienten, die sich weigerten, die Einverständniserklärung zu unterzeichnen.
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
- Hauptzweck: Sonstiges
- Zuteilung: Zufällig
- Interventionsmodell: Parallele Zuordnung
- Maskierung: Keine (Offenes Etikett)
Waffen und Interventionen
Teilnehmergruppe / Arm |
Intervention / Behandlung |
---|---|
Experimental: Experimentelle Gruppe
50 MBC-Patienten erhalten das DSS für drei Monate.
Die Patienten werden angewiesen, das DSS ad libitum zu nutzen.
|
TREAT (TREatment Adherence SupporT) ist ein webbasiertes DSS, das vier Abschnitte umfasst: i) Metastasierter Brustkrebs: enthält Informationen über MBC und seine physischen und psychischen Folgen; ii) Adhärenz bei Krebstherapien: enthält Informationen über die Adhärenz in der Krebspopulation; iii) Förderung der Adhärenz: enthält Informationen über Ressourcen, Hindernisse und verfügbare Interventionen zur Förderung der Adhärenz; iv) Mein Adherence-Tagebuch. |
Kein Eingriff: Kontrollgruppe
50 MBC-Patienten, die der Intervention nicht unterzogen wurden, erhalten eine medizinische Standardberatung.
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
---|---|---|
Wirksamkeit des Entscheidungsunterstützungssystems
Zeitfenster: 3 Monate
|
Bewertung der Wirksamkeit der webbasierten DSS-Lösung und der Webanwendung für maschinelles Lernen (TREAT – „TREatment Adherence SupporT“) bei der Förderung der Einhaltung oraler Krebsbehandlungen
|
3 Monate
|
Sekundäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
---|---|---|
Klinische, psychologische und Lebensqualitätsprädiktoren für die Einhaltung
Zeitfenster: 3 Monate
|
Identifizieren Sie klinische Faktoren (Komorbiditäten, Vorhandensein von Schmerzen, Tumortyp, Behandlungstyp), psychologische Parameter (Persönlichkeitsmerkmale, Angst, Depression, Selbstwirksamkeit im Umgang mit Krebs und Kohärenzgefühl) und Lebensqualitätsvariablen, die als Prädiktoren für die Therapietreue der Patienten dienen zu OATs.
|
3 Monate
|
Psychologische Prädiktoren der Adhärenz
Zeitfenster: 3 Monate
|
Bewerten Sie die Risikowahrnehmung mithilfe einer visuellen Analogskala, die als Prädiktoren für die Einhaltung von OATs durch Patienten dient.
|
3 Monate
|
Mitarbeiter und Ermittler
Sponsor
Mitarbeiter
Ermittler
- Hauptermittler: Gabriella pravettoni, PhD, Istituto Europeo di Oncologia
Publikationen und hilfreiche Links
Allgemeine Veröffentlichungen
- Cleeland CS, Ryan KM. Pain assessment: global use of the Brief Pain Inventory. Ann Acad Med Singap. 1994 Mar;23(2):129-38.
- Aaronson NK, Ahmedzai S, Bergman B, Bullinger M, Cull A, Duez NJ, Filiberti A, Flechtner H, Fleishman SB, de Haes JC, et al. The European Organization for Research and Treatment of Cancer QLQ-C30: a quality-of-life instrument for use in international clinical trials in oncology. J Natl Cancer Inst. 1993 Mar 3;85(5):365-76. doi: 10.1093/jnci/85.5.365.
- Antonovsky A. The structure and properties of the sense of coherence scale. Soc Sci Med. 1993 Mar;36(6):725-33. doi: 10.1016/0277-9536(93)90033-z.
- Sprangers MA, Groenvold M, Arraras JI, Franklin J, te Velde A, Muller M, Franzini L, Williams A, de Haes HC, Hopwood P, Cull A, Aaronson NK. The European Organization for Research and Treatment of Cancer breast cancer-specific quality-of-life questionnaire module: first results from a three-country field study. J Clin Oncol. 1996 Oct;14(10):2756-68. doi: 10.1200/JCO.1996.14.10.2756.
- Cardoso F, Paluch-Shimon S, Senkus E, Curigliano G, Aapro MS, Andre F, Barrios CH, Bergh J, Bhattacharyya GS, Biganzoli L, Boyle F, Cardoso MJ, Carey LA, Cortes J, El Saghir NS, Elzayat M, Eniu A, Fallowfield L, Francis PA, Gelmon K, Gligorov J, Haidinger R, Harbeck N, Hu X, Kaufman B, Kaur R, Kiely BE, Kim SB, Lin NU, Mertz SA, Neciosup S, Offersen BV, Ohno S, Pagani O, Prat A, Penault-Llorca F, Rugo HS, Sledge GW, Thomssen C, Vorobiof DA, Wiseman T, Xu B, Norton L, Costa A, Winer EP. 5th ESO-ESMO international consensus guidelines for advanced breast cancer (ABC 5). Ann Oncol. 2020 Dec;31(12):1623-1649. doi: 10.1016/j.annonc.2020.09.010. Epub 2020 Sep 23. No abstract available.
- Gennari A, Andre F, Barrios CH, Cortes J, de Azambuja E, DeMichele A, Dent R, Fenlon D, Gligorov J, Hurvitz SA, Im SA, Krug D, Kunz WG, Loi S, Penault-Llorca F, Ricke J, Robson M, Rugo HS, Saura C, Schmid P, Singer CF, Spanic T, Tolaney SM, Turner NC, Curigliano G, Loibl S, Paluch-Shimon S, Harbeck N; ESMO Guidelines Committee. Electronic address: clinicalguidelines@esmo.org. ESMO Clinical Practice Guideline for the diagnosis, staging and treatment of patients with metastatic breast cancer. Ann Oncol. 2021 Dec;32(12):1475-1495. doi: 10.1016/j.annonc.2021.09.019. Epub 2021 Oct 19. No abstract available.
- Bohlmann A, Mostafa J, Kumar M. Machine Learning and Medication Adherence: Scoping Review. JMIRx Med. 2021 Nov 24;2(4):e26993. doi: 10.2196/26993.
- Jansen LA, Appelbaum PS, Klein WM, Weinstein ND, Cook W, Fogel JS, Sulmasy DP. Unrealistic optimism in early-phase oncology trials. IRB. 2011 Jan-Feb;33(1):1-8. No abstract available.
- Karanasiou GS, Tripoliti EE, Papadopoulos TG, Kalatzis FG, Goletsis Y, Naka KK, Bechlioulis A, Errachid A, Fotiadis DI. Predicting adherence of patients with HF through machine learning techniques. Healthc Technol Lett. 2016 Sep 27;3(3):165-170. doi: 10.1049/htl.2016.0041. eCollection 2016 Sep.
- Komatsu H, Yagasaki K, Yamaguchi T, Mori A, Kawano H, Minamoto N, Honma O, Tamura K. Effects of a nurse-led medication self-management programme in women with oral treatments for metastatic breast cancer: A mixed-method randomised controlled trial. Eur J Oncol Nurs. 2020 Aug;47:101780. doi: 10.1016/j.ejon.2020.101780. Epub 2020 Jun 14.
- Lin C, Clark R, Tu P, Bosworth HB, Zullig LL. Breast cancer oral anti-cancer medication adherence: a systematic review of psychosocial motivators and barriers. Breast Cancer Res Treat. 2017 Sep;165(2):247-260. doi: 10.1007/s10549-017-4317-2. Epub 2017 Jun 1.
- Marshall VK, Visovsky C, Advani P, Mussallem D, Tofthagen C. Cancer treatment-specific medication beliefs among metastatic breast cancer patients: a qualitative study. Support Care Cancer. 2022 Aug;30(8):6807-6815. doi: 10.1007/s00520-022-07101-7. Epub 2022 May 9.
- Merluzzi TV, Nairn RC, Hegde K, Martinez Sanchez MA, Dunn L. Self-efficacy for coping with cancer: revision of the Cancer Behavior Inventory (version 2.0). Psychooncology. 2001 May-Jun;10(3):206-17. doi: 10.1002/pon.511.
- Mirzadeh SI, Arefeen A, Ardo J, Fallahzadeh R, Minor B, Lee JA, Hildebrand JA, Cook D, Ghasemzadeh H, Evangelista LS. Use of machine learning to predict medication adherence in individuals at risk for atherosclerotic cardiovascular disease. Smart Health (Amst). 2022 Dec;26:100328. doi: 10.1016/j.smhl.2022.100328. Epub 2022 Oct 4.
- Montagna E, Zagami P, Masiero M, Mazzocco K, Pravettoni G, Munzone E. Assessing Predictors of Tamoxifen Nonadherence in Patients with Early Breast Cancer. Patient Prefer Adherence. 2021 Sep 15;15:2051-2061. doi: 10.2147/PPA.S285768. eCollection 2021.
- Yerrapragada G, Siadimas A, Babaeian A, Sharma V, O'Neill TJ. Machine Learning to Predict Tamoxifen Nonadherence Among US Commercially Insured Patients With Metastatic Breast Cancer. JCO Clin Cancer Inform. 2021 Aug;5:814-825. doi: 10.1200/CCI.20.00102.
- Scioscia G, Tondo P, Foschino Barbaro MP, Sabato R, Gallo C, Maci F, Lacedonia D. Machine learning-based prediction of adherence to continuous positive airway pressure (CPAP) in obstructive sleep apnea (OSA). Inform Health Soc Care. 2022 Jul 3;47(3):274-282. doi: 10.1080/17538157.2021.1990300. Epub 2021 Nov 8.
- Zhu X, Peng B, Yi Q, Liu J, Yan J. Prediction Model of Immunosuppressive Medication Non-adherence for Renal Transplant Patients Based on Machine Learning Technology. Front Med (Lausanne). 2022 Feb 18;9:796424. doi: 10.3389/fmed.2022.796424. eCollection 2022. Erratum In: Front Med (Lausanne). 2022 Aug 09;9:964157.
- Scott NW, Fayers P, Aaronson NK, et al. EORTC QLQ-C30 Reference Values Manual. (2nd ed.). EORTC Quality of Life Group., 2008
- Pedrabissi, L., & Santinello, M. (1989). Verifica della validità dello STAI forma Y di Spielberger [Verification of the validity of the STAI, Form Y, by Spielberger]. Giunti Organizzazioni Speciali, 191-192, 11-14.
- Beck AT, Steer RA, Brown G. Beck Depression Inventory-II (BDI-II). APA PsycTests. Epub ahead of print 1996
- Sica C, Ghisi M. The Italian versions of the Beck Anxiety Inventory and the Beck Depression Inventory-II: Psychometric properties and discriminant power. In: M. A. Lange. Leading-edge psychological tests and testing research. Nova Science Publishers, 2007, pp. 27-50.
- Serpentini S, Del Bianco P, Chirico A, Merluzzi TV, Martino R, Lucidi F, De Salvo GL, Trentin L, Capovilla E. Self-efficacy for coping: utility of the Cancer behavior inventory (Italian) for use in palliative care. BMC Palliat Care. 2019 Apr 5;18(1):34. doi: 10.1186/s12904-019-0420-y.
- Spielberger CD, Gonzalez-Reigosa F, Martinez-Urrutia A, et al. The State-Trait Anxiety Inventory. Rev Interam Psicol J Psychol 1971; 5: 3-4
- Ubbiali A, Chiorri C, Hampton P, Donati D. Italian Big Five Inventory. Psychometric properties of the Italian adaptation of the Big Five Inventory (BFI). Bollettino di Psicologia applicata 2013;59(266):37-48
- Weinstein, N. D. (1980). Unrealistic optimism about future life events. Journal of Personality and Social Psychology, 39(5), 806-820.
- R: A language and environment for statistical computing. R Foundation for Statistical Computing. URL: https://www. R-project.org
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Tatsächlich)
Primärer Abschluss (Geschätzt)
Studienabschluss (Geschätzt)
Studienanmeldedaten
Zuerst eingereicht
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst gepostet (Tatsächlich)
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Zuletzt verifiziert
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Schlüsselwörter
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
- IEO1907
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 .
Klinische Studien zur Metastasierter Brustkrebs
-
Novartis PharmaceuticalsAbgeschlossenMetastasierter Brustkrebs (MBC) | Locally Advance Breast Cancer (LABC)Vereinigtes Königreich, Spanien
-
BioNTech SESeventh Framework ProgrammeAbgeschlossenBrustkrebs (Triple Negative Breast Cancer (TNBC))Schweden, Deutschland
-
Filipa Lynce, MDAstraZeneca; Daiichi Sankyo, Inc.RekrutierungBrustkrebs | HER2-positiver Brustkrebs | Invasiver Brustkrebs | Entzündlicher Brustkrebs Stadium III | HER2 Low Breast AdenokarzinomVereinigte Staaten
Klinische Studien zur System zur Entscheidungsfindung
-
Children's Hospital Medical Center, CincinnatiAbgeschlossenColitis ulcerosa, KinderVereinigte Staaten
-
Temple UniversityNational Institute of Mental Health (NIMH)AbgeschlossenPsychotische StörungenVereinigte Staaten
-
Northwestern UniversityUniversity of California, Los Angeles; National Institute on Aging (NIA); University... und andere MitarbeiterAnmeldung auf EinladungPolypharmazieVereinigte Staaten
-
Andrew Tomas ReisnerRekrutierungWunden und VerletzungenVereinigte Staaten
-
Istituto Ortopedico GaleazziUniversity of MilanAbgeschlossen
-
Hospital Italiano de Buenos AiresDuke UniversityUnbekannt
-
University of California, San FranciscoAbgeschlossenNephrolithiasisVereinigte Staaten
-
Harokopio UniversityIaso Maternity Hospital, Athens, GreeceAbgeschlossen
-
Boston Children's HospitalThe Brett Boyer FoundationNoch keine RekrutierungAngeborenen HerzfehlerVereinigte Staaten
-
Boston Children's HospitalNational Heart, Lung, and Blood Institute (NHLBI)RekrutierungAngeborenen HerzfehlerVereinigte Staaten