- ICH GCP
- Registre américain des essais cliniques
- Essai clinique NCT04726228
Évaluation de la douleur chez les patients cancéreux par apprentissage automatique (PASCALE) (PASCALE)
Télémédecine à domicile pour l'évaluation automatique de la douleur chez les patients atteints de cancer : création d'un ensemble de données et développement d'algorithmes d'apprentissage automatique
Aperçu de l'étude
Statut
Les conditions
Description détaillée
Pendant toute la durée de l'étude, les patients resteront pris en charge par l'équipe de soins palliatifs précoces et de soins ambulatoires simultanés de l'Istituto Nazionale Tumori, Fondazione Pascale, à domicile. La douleur et les autres symptômes seront gérés selon les bonnes pratiques cliniques et les patients recevront une assistance en accord avec les soins médicaux de routine.
Les appareils suivants seront utilisés :
- Logiciel
- Instrumentation
- Outils d'évaluation clinique : Organisation européenne pour la recherche et le traitement du cancer Questionnaire sur la qualité de vie Core 30 (EORTC QLQ-C30), Daily Pain Diary, 0-10 numeric rating scale (NRS).
Le projet sera divisé en trois principaux Work Packages (WPs), dédiés respectivement à la création de l'infrastructure informatique pour soutenir les acquisitions (WP1), la campagne de collecte de données patients (WP2), et le développement d'algorithmes d'apprentissage automatique pour la reconnaissance automatique de la douleur. (WP3). L'application des dispositifs et la vérification du bon fonctionnement seront effectuées au domicile du patient par le personnel informatique impliqué dans l'étude.
WP1 - Le système se compose de trois composants principaux : le serveur, avec la base de données attachée, l'application pour les appareils mobiles, également responsable de la gestion de l'acquisition de données à partir des appareils d'acquisition de signaux physiologiques, et l'application de bureau, utilisée par le personnel clinique pour suivre les progrès de collecte de données.
L'application mobile aura pour rôle de s'interfacer directement avec le patient et d'acquérir des données biométriques à partir d'appareils portables. Plus précisément, les signaux suivants seront acquis : fréquence cardiaque, température corporelle, pression artérielle non invasive et réponse galvanique cutanée (GSR). La fréquence cardiaque sera obtenue via un appareil portable (Garmin Vivosmart 4) tandis que la température corporelle, la pression artérielle non invasive et le GSR seront acquis par un appareil externe (une plate-forme BITalino). Pour valider davantage la précision de la algorithme qui traitera de la détection de la douleur, les patients recevront également un questionnaire de qualité de vie (EORTC QLQ-C30).
Afin d'acquérir la vérité terrain des données, le patient sera invité à fournir des commentaires sur le niveau de douleur, à la fois à certains intervalles de temps pendant la journée et en cas d'épisodes de douleur aiguë. Cette rétroaction peut être basée sur le SNIR et des stratégies multimédias (par exemple, des vidéos). Les patients rempliront un journal quotidien de la douleur.
WP2 - La campagne comprendra une phase préliminaire d'acquisition visant à tester l'infrastructure informatique. Pour obtenir une variabilité inter-sujet et intra-sujet adéquate, il sera nécessaire d'inscrire au moins 40 patients, en acquérant des données pendant 10 à 14 jours. Ainsi, la campagne de collecte de données sera menée pendant environ 6 mois. Chaque sujet utilisera l'application mobile et les capteurs pendant 2 semaines. Les données seront acquises en utilisant simultanément des ensembles de collecte de données (application, capteurs et tout appareil mobile). Lors de l'inscription et à la fin, EORTC QLQ-C30 sera administré.
WP3 - L'objectif est le développement d'algorithmes capables de prédire le niveau de douleur perçu par le patient. Ayant une quantité considérable de données étiquetées disponibles, le système apprendra des exemples.
Type d'étude
Inscription (Estimé)
Contacts et emplacements
Coordonnées de l'étude
- Nom: Marco Cascella, MD
- Numéro de téléphone: +39 0815903508
- E-mail: m.cascella@istitutotumori.na.it
Sauvegarde des contacts de l'étude
- Nom: Arturo Cuomo, MD
- Numéro de téléphone: +39 0815903508
- E-mail: a.cuomo@istitutotumori.na.it
Lieux d'étude
-
-
Campania
-
Naples, Campania, Italie, 80131
- Recrutement
- National Cancer Institute of Naples
-
Contact:
- Marco Cascella, MD
- Numéro de téléphone: +39 0815903508
- E-mail: m.cascella@istitutotumori.na.it
-
Contact:
- Arturo Cuomo, MD
- Numéro de téléphone: +39 0815903508
- E-mail: a.cuomo@istitutotumori.na.it
-
Napoli, Campania, Italie
- Pas encore de recrutement
- A.O.U. Federico II
-
Contact:
- Francesco Cutugno, PhD
- Numéro de téléphone: +39 081679191
- E-mail: francesco.cutugno@unina.it
-
-
Critères de participation
Critère d'éligibilité
Âges éligibles pour étudier
Accepte les volontaires sains
Méthode d'échantillonnage
Population étudiée
La description
Critère d'intégration:
- Patients âgés de > 18 ans
- Patients recevant des soins à domicile diagnostiqués avec un cancer avancé et une espérance de vie ≤ 1 an
- Patients recevant un traitement contre la douleur cancéreuse
- Patients ayant donné leur consentement
Critère d'exclusion:
- Patients âgés de < 18 ans
- Volonté de signer le formulaire de consentement éclairé (incapable de lire ou d'écrire)
- Déficit cognitif (ex. maladie d'Alzheimer ou démence sénile)
Plan d'étude
Comment l'étude est-elle conçue ?
Détails de conception
- Modèles d'observation: Cohorte
- Perspectives temporelles: Éventuel
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Développer un algorithme d'apprentissage automatique utile pour prédire le niveau de douleur chez les patients atteints de cancer. Une base de données contenant des données cliniques et des caractéristiques de la douleur sera obtenue.
Délai: Jusqu'à 2 semaines
|
Données cliniques : Fréquence cardiaque (battements par minute, bpm)
|
Jusqu'à 2 semaines
|
|
Développer un algorithme d'apprentissage automatique utile pour prédire le niveau de douleur chez les patients atteints de cancer. Une base de données contenant des données cliniques et des caractéristiques de la douleur sera obtenue.
Délai: Chaque fois que le patient a une aggravation de sa douleur, jusqu'à 2 semaines
|
Données cliniques : Température corporelle (Celsius, °C) Le patient utilisera l'appareil fourni (BITalino).
|
Chaque fois que le patient a une aggravation de sa douleur, jusqu'à 2 semaines
|
|
Développer un algorithme d'apprentissage automatique utile pour prédire le niveau de douleur chez les patients atteints de cancer. Une base de données contenant des données cliniques et des caractéristiques de la douleur sera obtenue.
Délai: Chaque fois que le patient a une aggravation de sa douleur, jusqu'à 2 semaines
|
Données cliniques : Tension artérielle non invasive (mmHg).
Le patient utilisera l'appareil fourni (BITalino).
|
Chaque fois que le patient a une aggravation de sa douleur, jusqu'à 2 semaines
|
|
Développer un algorithme d'apprentissage automatique utile pour prédire le niveau de douleur chez les patients atteints de cancer. Une base de données contenant des données cliniques et des caractéristiques de la douleur sera obtenue.
Délai: Chaque fois que le patient a une aggravation de sa douleur, jusqu'à 2 semaines
|
Données cliniques : La réponse galvanique cutanée (GSR) fait référence à des changements dans l'activité des glandes sudoripares qui reflètent l'intensité de l'état émotionnel. Le patient utilisera l'appareil fourni (BITalino). |
Chaque fois que le patient a une aggravation de sa douleur, jusqu'à 2 semaines
|
|
Développer un algorithme d'apprentissage automatique utile pour prédire le niveau de douleur chez les patients atteints de cancer. Une base de données contenant des données cliniques et des caractéristiques de la douleur sera obtenue.
Délai: Chaque fois que le patient a une aggravation de sa douleur, jusqu'à 2 semaines
|
Caractéristiques de la douleur : Un journal de la douleur quotidien sera utilisé. Type : comment la douleur est ressentie (par exemple, aiguë, douloureuse, lancinante, picotements). |
Chaque fois que le patient a une aggravation de sa douleur, jusqu'à 2 semaines
|
|
Développer un algorithme d'apprentissage automatique utile pour prédire le niveau de douleur chez les patients atteints de cancer. Une base de données contenant des données cliniques et des caractéristiques de la douleur sera obtenue.
Délai: Chaque fois que le patient a une aggravation de sa douleur, jusqu'à 2 semaines
|
Caractéristiques de la douleur : Un journal de la douleur quotidien sera utilisé. Degré : Échelle d'évaluation numérique (NRS) de 0 à 10, où 0 correspond à l'absence de douleur et 10 à la pire douleur imaginable. |
Chaque fois que le patient a une aggravation de sa douleur, jusqu'à 2 semaines
|
|
Développer un algorithme d'apprentissage automatique utile pour prédire le niveau de douleur chez les patients atteints de cancer. Une base de données contenant des données cliniques et des caractéristiques de la douleur sera obtenue.
Délai: Chaque fois que le patient a une aggravation de sa douleur, jusqu'à 2 semaines
|
Caractéristiques de la douleur : Un journal de la douleur quotidien sera utilisé. Durée (minutes, heures, jours). |
Chaque fois que le patient a une aggravation de sa douleur, jusqu'à 2 semaines
|
|
Développer un algorithme d'apprentissage automatique utile pour prédire le niveau de douleur chez les patients atteints de cancer. Une base de données contenant des données cliniques et des caractéristiques de la douleur sera obtenue.
Délai: Chaque fois que le patient a une aggravation de sa douleur, jusqu'à 2 semaines
|
Caractéristiques de la douleur : Un journal de la douleur quotidien sera utilisé. Facteurs précipitants. |
Chaque fois que le patient a une aggravation de sa douleur, jusqu'à 2 semaines
|
|
Développer un algorithme d'apprentissage automatique utile pour prédire le niveau de douleur chez les patients atteints de cancer. Une base de données contenant des données cliniques et des caractéristiques de la douleur sera obtenue.
Délai: Chaque fois que le patient a une aggravation de sa douleur, jusqu'à 2 semaines
|
Caractéristiques de la douleur : Un journal de la douleur quotidien sera utilisé. Nom et quantité de drogue utilisée et heure de la prise. |
Chaque fois que le patient a une aggravation de sa douleur, jusqu'à 2 semaines
|
Mesures de résultats secondaires
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Qualité de vie des patients évaluée par le questionnaire EORTC QLQ-C30.
Délai: Au début et à la fin de l'observation, jusqu'à 2 semaines
|
Qualité de vie (QoL) des patients selon le questionnaire QLQ-C30 de l'Organisation européenne pour la recherche et le traitement du cancer (EORTC).
Il est noté sur une métrique de 0 à 100.
Des scores plus élevés signifient de meilleurs résultats.
|
Au début et à la fin de l'observation, jusqu'à 2 semaines
|
Collaborateurs et enquêteurs
Parrainer
Collaborateurs
Les enquêteurs
- Chercheur principal: Marco Cascella, MD, Anesthesia and Pain Medicine. Istituto Nazionale Tumori - IRCCS Fondazione Pascale - Napoli, Italy
- Chercheur principal: Arturo Cuomo, MD, Anesthesia and Pain Medicine. Istituto Nazionale Tumori - IRCCS Fondazione Pascale - Napoli, Italy
Publications et liens utiles
Publications générales
- Reis-Pina P, Lawlor PG, Barbosa A. Adequacy of cancer-related pain management and predictors of undertreatment at referral to a pain clinic. J Pain Res. 2017 Aug 31;10:2097-2107. doi: 10.2147/JPR.S139715. eCollection 2017.
- Adamse C, Dekker-Van Weering MG, van Etten-Jamaludin FS, Stuiver MM. The effectiveness of exercise-based telemedicine on pain, physical activity and quality of life in the treatment of chronic pain: A systematic review. J Telemed Telecare. 2018 Sep;24(8):511-526. doi: 10.1177/1357633X17716576. Epub 2017 Jul 11.
- Sirintrapun SJ, Lopez AM. Telemedicine in Cancer Care. Am Soc Clin Oncol Educ Book. 2018 May 23;38:540-545. doi: 10.1200/EDBK_200141.
- Aung MSH, Kaltwang S, Romera-Paredes B, Martinez B, Singh A, Cella M, Valstar M, Meng H, Kemp A, Shafizadeh M, Elkins AC, Kanakam N, de Rothschild A, Tyler N, Watson PJ, de C Williams AC, Pantic M, Bianchi-Berthouze N. The Automatic Detection of Chronic Pain-Related Expression: Requirements, Challenges and the Multimodal EmoPain Dataset. IEEE Trans Affect Comput. 2016 Oct-Dec;7(4):435-451. doi: 10.1109/TAFFC.2015.2462830. Epub 2015 Jul 30.
- Gruss S, Geiger M, Werner P, Wilhelm O, Traue HC, Al-Hamadi A, Walter S. Multi-Modal Signals for Analyzing Pain Responses to Thermal and Electrical Stimuli. J Vis Exp. 2019 Apr 5;(146). doi: 10.3791/59057.
- Pfeifer AC, Uddin R, Schroder-Pfeifer P, Holl F, Swoboda W, Schiltenwolf M. Mobile Application-Based Interventions for Chronic Pain Patients: A Systematic Review and Meta-Analysis of Effectiveness. J Clin Med. 2020 Nov 5;9(11):3557. doi: 10.3390/jcm9113557.
- Cuomo A, Bimonte S, Forte CA, Botti G, Cascella M. Multimodal approaches and tailored therapies for pain management: the trolley analgesic model. J Pain Res. 2019 Feb 19;12:711-714. doi: 10.2147/JPR.S178910. eCollection 2019.
- Rashidi P, Edwards DA, Tighe PJ. Primer on machine learning: utilization of large data set analyses to individualize pain management. Curr Opin Anaesthesiol. 2019 Oct;32(5):653-660. doi: 10.1097/ACO.0000000000000779.
- Dawes TR, Eden-Green B, Rosten C, Giles J, Governo R, Marcelline F, Nduka C. Objectively measuring pain using facial expression: is the technology finally ready? Pain Manag. 2018 Mar;8(2):105-113. doi: 10.2217/pmt-2017-0049. Epub 2018 Feb 22.
Dates d'enregistrement des études
Dates principales de l'étude
Début de l'étude (Réel)
Achèvement primaire (Réel)
Achèvement de l'étude (Estimé)
Dates d'inscription aux études
Première soumission
Première soumission répondant aux critères de contrôle qualité
Première publication (Réel)
Mises à jour des dossiers d'étude
Dernière mise à jour publiée (Réel)
Dernière mise à jour soumise répondant aux critères de contrôle qualité
Dernière vérification
Plus d'information
Termes liés à cette étude
Mots clés
Termes MeSH pertinents supplémentaires
Autres numéros d'identification d'étude
- 41/20 oss
Plan pour les données individuelles des participants (IPD)
Prévoyez-vous de partager les données individuelles des participants (DPI) ?
Description du régime IPD
Informations sur les médicaments et les dispositifs, documents d'étude
Étudie un produit pharmaceutique réglementé par la FDA américaine
Étudie un produit d'appareil réglementé par la FDA américaine
produit fabriqué et exporté des États-Unis.
Ces informations ont été extraites directement du site Web clinicaltrials.gov sans aucune modification. Si vous avez des demandes de modification, de suppression ou de mise à jour des détails de votre étude, veuillez contacter register@clinicaltrials.gov. Dès qu'un changement est mis en œuvre sur clinicaltrials.gov, il sera également mis à jour automatiquement sur notre site Web .