Acute Risk Monitoring for Oncology Therapy Regimen (ARMOR)
perjantai 15. toukokuuta 2026 päivittänyt: University of California, San Francisco
Acute Risk Monitoring for Oncology Therapy Regimens (ARMOR): A Silent Prospective Validation of a Machine Learning Model
Patients undergoing outpatient infusion systemic therapy for cancer are at risk for potentially preventable, unplanned acute care in the form of emergency department (ED) visits and hospitalizations.
These events impact patient outcomes, treatment decisions, and healthcare costs.
To address this need, the Centers for Medicare & Medicaid Services developed the chemotherapy measure (OP-35).
Recent randomized controlled studies indicate that electronic health record (EHR)-based machine learning (ML) approaches accurately direct supportive care to reduce acute care during radiotherapy.
This study aims to develop and prospectively validate ML approaches to predict the risk of OP-35 qualifying, potentially preventable, acute care events within 30 days of infusion systemic therapy.
Tutkimuksen yleiskatsaus
Yksityiskohtainen kuvaus
OBJECTIVES:
I. Develop and retrospectively validate electronic health record-based machine learning models using routinely collected clinical data from patients receiving systemic therapy to predict risk of potentially preventable OP-35 qualifying acute care events. (Phase 1: Retrospective)
II. Prospectively validate machine learning models across distinct time periods. (Phase 2: Prospective)
III. Understand patterns of care by stratifying and analyzing model performance by treatment type, cancer diagnosis, and race/ethnicity to assess bias and disparities in outcomes.
OUTLINE:
Retrospective and prospective clinical data obtained from medical records will be used to develop and validate predictive machine learning models. Prospective data will be divided into 2 phases: Prospective validation (PV) 1 and PV 2.
Opintotyyppi
Havainnollistava
Ilmoittautuminen (Todellinen)
4740
Yhteystiedot ja paikat
Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.
Opiskelupaikat
-
-
California
-
San Francisco, California, Yhdysvallat, 94143
- University of California, San Francisco
-
-
Osallistumiskriteerit
Tutkijat etsivät ihmisiä, jotka sopivat tiettyyn kuvaukseen, jota kutsutaan kelpoisuuskriteereiksi. Joitakin esimerkkejä näistä kriteereistä ovat henkilön yleinen terveydentila tai aiemmat hoidot.
Kelpoisuusvaatimukset
Opintokelpoiset iät
- Aikuinen
- Vanhempi Aikuinen
Hyväksyy terveitä vapaaehtoisia
Ei
Näytteenottomenetelmä
Ei-todennäköisyysnäyte
Tutkimusväestö
Adult patients receiving care for cancer
Kuvaus
Inclusion Criteria:
- Patients 18 years or older diagnosed with cancer who receive care at UCSF and/or one of the UCSF affiliate locations.
Exclusion Criteria:
- Patients under the age of 18.
- Patients receiving care as part of a clinical trial.
Opintosuunnitelma
Tässä osiossa on tietoja tutkimussuunnitelmasta, mukaan lukien kuinka tutkimus on suunniteltu ja mitä tutkimuksella mitataan.
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
Kohortit ja interventiot
Ryhmä/Kohortti |
Interventio / Hoito |
|---|---|
|
Patients receiving cancer therapy at University of California, San Francisco (UCSF)
All adults undergoing systemic cancer-related therapy from July 2017 to March 2024 at any UCSF outpatient, infusion center with available OP-35 data.
|
Retrospective chart reviews for data collection will be conducted.
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Area under the receiver operating characteristic curve (AUROC) for OP-35 prediction model.
Aikaikkuna: Up to 6.75 years
|
UCSF patients receiving infusion systemic therapy had clinical data incorporated into machine learning (ML) models to predict risk of Centers for Medicare & Medicaid Services Chemotherapy Measure (OP-35) qualifying acute care events within 30 days of infusion.
Models included variables such as cancer diagnosis, therapeutic agents, and laboratory values.
Three ML approaches were employed to train models in predicting OP-35 events.
Models were trained and retrospectively validated on data from July 7, 2017, to February 11, 2021, and prospectively validated on 2 cohorts: April 17, 2023, to October 29, 2023 (PV1) and February 19, 2024, to March 31, 2024 (PV2) to generate a validation AUROC.
The initial prospective validation occurred over a pre-planned period with the assumption of a 2% event rate, based on the model development data, with an alpha of 0.05 and 84% power to detect an AUROC of 0.75, requiring a sample size of at least 8000 infusions.
|
Up to 6.75 years
|
Yhteistyökumppanit ja tutkijat
Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.
Tutkijat
- Päätutkija: Julian Hong, MD, MS, University of California, San Francisco
Opintojen ennätyspäivät
Nämä päivämäärät seuraavat ClinicalTrials.gov-sivustolle lähetettyjen tutkimustietueiden ja yhteenvetojen edistymistä. National Library of Medicine (NLM) tarkistaa tutkimustiedot ja raportoidut tulokset varmistaakseen, että ne täyttävät tietyt laadunvalvontastandardit, ennen kuin ne julkaistaan julkisella verkkosivustolla.
Opi tärkeimmät päivämäärät
Opiskelun aloitus (Todellinen)
Lauantai 1. heinäkuuta 2017
Ensisijainen valmistuminen (Todellinen)
Sunnuntai 31. maaliskuuta 2024
Opintojen valmistuminen (Todellinen)
Sunnuntai 31. maaliskuuta 2024
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Perjantai 15. toukokuuta 2026
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Perjantai 15. toukokuuta 2026
Ensimmäinen Lähetetty (Todellinen)
Perjantai 22. toukokuuta 2026
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Perjantai 22. toukokuuta 2026
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Perjantai 15. toukokuuta 2026
Viimeksi vahvistettu
Perjantai 1. toukokuuta 2026
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Avainsanat
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- 20721 (Rekisterin tunniste: DAIDS-ES Registry Number)
- R01CA277782 (Yhdysvaltain NIH-apuraha/sopimus)
Yksittäisten osallistujien tietojen suunnitelma (IPD)
Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?
JOO
IPD-suunnitelman kuvaus
De-identified data may be shared with study collaborators during the course of the study.
Lääke- ja laitetiedot, tutkimusasiakirjat
Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta
Ei
Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta
Ei
Nämä tiedot haettiin suoraan verkkosivustolta clinicaltrials.gov ilman muutoksia. Jos sinulla on pyyntöjä muuttaa, poistaa tai päivittää tutkimustietojasi, ota yhteyttä register@clinicaltrials.gov. Heti kun muutos on otettu käyttöön osoitteessa clinicaltrials.gov, se päivitetään automaattisesti myös verkkosivustollemme .