- ICH GCP
- US-Register für klinische Studien
- Klinische Studie NCT06893874
Eine pragmatische Studie zur Maschinenrezept für Migräne (MigPred)
Eine pragmatische Beobachtungsstudie zur Untersuchung von Maschinenrezept im Vergleich zu Behandlung-usual bei Erwachsenen ab 18 Jahren mit Migräne mit Migräne
Studienübersicht
Status
Bedingungen
Intervention / Behandlung
Detaillierte Beschreibung
Begründung als Pathophysiologie der Migräne ist komplex, die Behandlungsreaktionen verschiedener Migräne -Präventiven sind hoch heterogen. Daher versuchen Migränepatienten häufig mehr als ein Präventiv, bis eine wirksame Behandlung identifiziert wird. Wenn man die individuellen Behandlungseffekte dieser Präventiven vorhersagen kann, kann die Zeit für eine wirksame Behandlung verringert werden. Wir schlagen vor, dass ML verwendet werden kann, um individuelle Behandlungseffekte für Migräne -Präventiven vorherzusagen (Maschinenrezept).
Zu diesem Zweck entwickeln wir derzeit mehrere ML -Modelle. Das erste wurde im Jahr 2022 entwickelt und verwendet klinische Merkmale, um individualisierte Behandlungseffekte abzuschätzen. Die zweite ist in der Entwicklung und verwendet eine Kombination aus genetischen und klinischen Daten, während der dritte soziodemografische Daten verwendet. Beide letzteren sind geschult, um die Wirkung häufig verwendeter Prophylaktik in Norwegen vorherzusagen. Das Ergebnis sind drei verschiedene ML -Modelle, die verschiedene Merkmalssätze verwenden, um Behandlungseffekte vorherzusagen. Um die Leistungen dieser Modelle zu vergleichen, werden wir eine pragmatische Beobachtungsversuch durchführen, um die Modelle in einem unabhängigen Datensatz zu testen und zu vergleichen. Solche Tests außerhalb der Stichprobe sind wichtig, um die klinische Anwendbarkeit der maschinellen verschreibungspflichtigen Modelle festzustellen.
Ziele, Endpunkte und Schätzungen Das Hauptziel besteht darin, zu bewerten, ob die Verschreibung von Maschinen den Behandlungseffekt von häufig verwendeten Migräne -Präventiven auf individueller Ebene vorhersagen kann. Der Endpunkt für dieses Ziel ist die Fähigkeit des Rezepts des besten Maschinenverschreibung, die Behandlungsreaktion (definiert als 50% Reduktion der Kopfschmerztage), gemessen mit ROC-AuC. Zu den sekundären Zielen gehören die Untersuchung, ob Zeit-zu-Behandlung-Antwort mithilfe von Maschinenrezept reduziert werden kann, und ob die Maschinenrezept genauer die beste Erstlinien-Therapie für Migräne auf individueller Ebene auswählt. Darüber hinaus werden wir die Entwicklung von Ensemble-Modellen untersuchen, die die vorgeborenen Modelle kombinieren und neue maschinelle Verschreibungsmodelle basierend auf den gesammelten Daten erstellen.
Gesamtdesign
Dies ist eine prospektive Beobachtungsversuch. Es wird keine Kontrollmethode oder Blinding geben. Die Studienpopulation besteht aus Teilnehmern mit episodischer und chronischer Migräne. Intervention wird Standard -Migräne -Präventiven sein, die vom Arzt in der Pflege vorgeschrieben sind, ohne die Forscher zu stören. Jeder Teilnehmer wird mindestens 12 Wochen lang nach Beginn eines Präventivs beobachtet. Zusammenfassend kann die Teilnahme entsprechend dargestellt werden:
Screening/Inklusion einschließlich Telefonberatungs- und Feature-Fragebogen (Woche 0) Baseline (Woche-4 bis 0) Behandlungszeit (Woche 1 bis 12) Follow-up-Telefonanruf zur Bewertung der Outcome-Bewertung (Woche 12) Optionaler zusätzlicher Behandlungszeitraum (Woche 13 bis 24) Optional zusätzliche Follow-up-Telefonanruf für die Outcome-Bewertung (Woche 24)
Kurze Zusammenfassung Der Zweck dieser Studie besteht darin, die Fähigkeit von ML -Modellen zu schätzen, die Auswirkung von Migräne -Präventiven vorherzusagen. Dies wird erreicht, indem zuerst soziodemografische, Kopfschmerzen und Komorbiditätsmerkmale von Migränepatienten identifiziert werden. Die Kopfschmerztage werden dann 4 Wochen lang gemessen, bevor sie eine Migräne-Prävention starten, und dies wird nach Beginn der Behandlung mit der Anzahl der Kopfschmerztage in den ersten 12 Wochen (unterteilt in 28-Tage-Zeiträume) verglichen. Das Präventiv wird als effektiv angesehen, wenn die monatlichen Kopfschmerztage um 50% oder höher verringert werden. Nach der Beobachtung des Behandlungszeitraums werden die ML -Modelle die soziodemografischen, Kopfschmerz- und Komorbiditätsmerkmale verwenden, die vor der Behandlung erfasst wurden, um die Behandlungseffekte für alle Präventionsmittel in jedem Teilnehmer vorherzusagen. Diese vorhergesagten Behandlungseffekte werden mit den beobachteten tatsächlichen Behandlungseffekten verglichen.
Studiendetails umfassen:
Die Studiendauer pro Teilnehmer wird bis zu 28 Wochen betragen. Die Behandlungsdauer wird vom Arzt in der Versorgung entschieden, in der die Behandlungszeit, in der wir die Kopfschmerztage überwachen, für jede Behandlung 12 Wochen beträgt, wobei bis zu zwei Behandlungszeiten für jeden Teilnehmer.
Die Teilnehmer haben eine Telefonkonsultation bei Inklusion und am Ende der oder möglicherweise beider Behandlungszeiten (n) von 12 Wochen einen Follow -up -Telefonanruf.
Die Anzahl der Teilnehmer maximal 200 Teilnehmer werden eingeschrieben. HINWEIS: Eingeschriebene Mittelwerte der Teilnehmer oder deren gesetzlich akzeptable Vertreter “, die eine Vereinbarung zur Teilnahme an einer klinischen Studie nach Abschluss des Verfahrens zur Einverständniserklärung [und dem Screening]. Potenzielle Teilnehmer, die zum Zweck der Bestimmung der Berechtigung für die Studie untersucht werden, aber nicht an der Studie teilnehmen, werden nicht als aufgenommen angesehen, sofern vom Protokoll anders angegeben. Ein Teilnehmer wird als eingeschrieben angesehen, wenn die Einverständniserklärung vor der Teilnahme an einer Studienaktivität nach dem Screening nicht zurückgezogen wird.
Studienarme und Dauer Es gibt einen Studienarm. Die Studiendauer wird unter "Kurzzusammenfassung" beschrieben.
Datenüberwachung Es gibt kein Datenüberwachungsausschuss, da es für diese Studie nicht anwendbar ist.
Studientyp
Einschreibung (Geschätzt)
Kontakte und Standorte
Studienkontakt
- Name: Anker Stubberud, PhD
- Telefonnummer: +4745229174
- E-Mail: anker.stubberud@ntnu.no
Studienorte
-
-
-
Trondheim, Norwegen, 7030
- Rekrutierung
- NTNU Norwegian University of Science and Technology
-
Kontakt:
- Håkon K Abildsnes, MD
- Telefonnummer: +4748173877
- E-Mail: hakon.k.abildsnes@ntnu.no
-
-
Teilnahmekriterien
Zulassungskriterien
Studienberechtigtes Alter
- Erwachsene
- Älterer Erwachsener
Akzeptiert gesunde Freiwillige
Probenahmeverfahren
Studienpopulation
Beschreibung
Einschlusskriterien:
18 Jahre oder älter im Testeintrag. Episodische oder chronische Migräne mit oder ohne Aura gemäß ICHD-3-Kriterien. Beginn der Migräne vor 50 Jahren. Vorgeschichte von mindestens 4 Tagen Migräne in der 4-wöchigen Grundlinienzeit basierend auf retrospektiven oder prospektiven Kopfschmerz-Tagebuchbewertung oder Subjektrückruf.
Vor kurzem (innerhalb der letzten 4 Wochen) begonnen oder plante, eine Migräne -Prävention zu starten.
Einverständniserklärung unterschrieben und datiert.
Ausschlusskriterien:
Das Probanden verwendet gleichzeitig eine Migräne -Präventiv, die nicht das untersuchte Medikament ist.
Probanden, die zuvor alle sechs prophylaktischen Behandlungen nicht bestanden haben, die wir recherchieren.
Probanden diagnostiziert trigeminus autonome Cephalalgien oder Gesichtneuralgien. Probanden mit sekundären Kopfschmerzbedingungen (mit Ausnahme von Medikamentenüberlieben Kopfschmerzen nach ICHD-3).
Probanden, die zum Zeitpunkt des Screenings Opioide (> 3 Tage im Monat) oder Barbiturate einnehmen.
Alkoholüberbrauch oder illegaler Drogenkonsum. Probanden, die an einer anderen klinischen Untersuchung teilnehmen.
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Vorhersage des Behandlungseffekts
Zeitfenster: 12 Wochen
|
Der primäre Endpunkt besteht darin, die Fähigkeit der maschinellen Verschreibungsmodelle zu untersuchen, den Behandlungseffekt von Migräne -Präventiven vorherzusagen.
Um dies zu beurteilen, wird es für jeden Präventiv eine binäre Effektkennzeichnung im Vergleich zu keinem Effekt geben (wenn ein Teilnehmer keinen Vorbeugung ausprobiert hat, wird die Instanz als fehlend eingestuft).
Die drei Modelle werden dann auf die Analysesätze angewendet, und ihre Etikettenvorhersagen werden in gewissem Sinne mit den gesamten Analysesätzen als herkömmliche Testsets für maschinelles Lernen verglichen.
Das am besten leistungsstarke Modell nach ROC-AUC wird gemeldet.
|
12 Wochen
|
Sekundäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Zeit-zu-Behandlung-Reaktion
Zeitfenster: 12 Wochen
|
Der erste sekundäre Endpunkt ist die Zeit-zu-Behandlung-Reaktion unter der Annahme, dass sequentielle 12-wöchige Studien mit Präventionsversuchen unter Verwendung von Maschinenrezept im Vergleich zu Behandlungs-As-Usual angenommen werden.
Der vorhergesagte Effekt jedes Präventivs für jeden Teilnehmer wird verwendet, um individuelle Ranglisten mit vorbeugender Wirkung zu erzeugen.
Unter der Annahme, dass die Präventiven nacheinander gemäß den eigenen Präventivranking jedes Teilnehmers verabreicht werden, ist es möglich, zu schätzen, wie viele Präventionen vor dem Erreichen des vorbeugenden Erfolgs erwartet werden.
Diese Schätzung wird mit der Behandlung als in der Studie als die Behandlung von Behandlungen verglichen, die in der Studie definiert sind, als die Teilnehmer der Prävention von ihrem Arzt in der Pflege erhalten.
|
12 Wochen
|
|
Rate der erfolgreichen ersten Therapie
Zeitfenster: 12 Wochen
|
Verhältnis einer erfolgreichen Ersttherapie unter Verwendung von Maschinenrezept im Vergleich zu Behandlungen als üblich.
Jedes maschinelles verschreibungspflichtige Modell sagt für jeden Teilnehmer eine Prävention mit der höchsten Wirkungwahrscheinlichkeit vor.
Für die Teilnehmer, die die vorhergesagte erste Wahl vorbeugen, wird der Prozentsatz der Teilnehmer mit Wirkung (mehr als 50% Reduzierung der Kopfschmerztage) geschätzt.
Zum Vergleich mit Behandlungen wie üblich wird der Prozentsatz der Teilnehmer, die die erste während der Studie verabschiedete Prävention hatten, geschätzt.
Die Anteile erfolgreicher Behandlungen werden mit geeigneten statistischen Tests verglichen.
|
12 Wochen
|
|
Externe Gültigkeit
Zeitfenster: 12 Wochen
|
Vergleich der externen Validität und Leistung, gemessen mit AUC, der verschiedenen maschinellen verschreibungspflichtigen Modelle.
AUC wird für jedes Modell als ROC-Kurve berechnet und präsentiert.
|
12 Wochen
|
Andere Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Vergleich von Modellen
Zeitfenster: 12 Wochen
|
Wir werden die AUC -Scores der verschiedenen Maschinenverschreibungsmodelle mit der gleichen Strategie wie im primären Endpunkt vergleichen.
|
12 Wochen
|
|
Ensemble -Modelle
Zeitfenster: 12 Wochen
|
Mehrere Ensemble-Modelle werden durch Kombination der vorgeborenen Modelle hergestellt.
Techniken wie das Backen, Boostieren, Stapeln, Mischen und Abstimmen werden untersucht, um zu sehen, welche die besten Ergebnisse erzielt werden.
Die Ensemble -Modelle werden in einem Analysesatz geschult, validiert und getestet, der alle Eingangsmerkmale der drei Originalmodelle enthält.
Der Datensatz wird in einen Zug, Validierung und Test in einem Verhältnis von 0,7: 0,1: 0,2 aufgeteilt.
Die Leistung wird durch AUC gemessen, und die Ergebnisse des am besten leistungsstarken Ensemble -Modells sind gemeldet.
|
12 Wochen
|
|
Neue Modelle
Zeitfenster: 12 Wochen
|
Erstellen und bewerten Sie neue maschinelle Verschreibungsmodelle für die gesammelten Daten gemäß den primären und sekundären Endpunkten.
Die gleiche Aufteilung des Datensatzes wie bei der Entwicklung von Ensemble -Modellen wird zum Training, Validieren und Testen der neuen Modelle durchgeführt.
Die Leistung der Modelle wird mit AUC und anderen relevanten Metriken bewertet.
|
12 Wochen
|
Mitarbeiter und Ermittler
Ermittler
- Hauptermittler: Anker Stubberud, Norwegian University of Science and Technology
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
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
- 2726471
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 .