Utilisation d'enquêtes pour examiner l'association entre l'exposition aux prévisions du risque de mortalité par ML et la précision pronostique et la prise de décision des oncologues médicaux
20 novembre 2024 mis à jour par: Abramson Cancer Center at Penn Medicine
Aux États-Unis, près de la moitié des patients atteints de cancer recevront des soins incompatibles avec leurs souhaits avant leur décès.
La planification précoce des soins avancés (ACP) et les soins palliatifs améliorent les soins et les symptômes conformes aux objectifs et réduisent l'utilisation inutile.
Une stratégie prometteuse pour accroître la PPS et les soins palliatifs consiste à identifier les patients présentant un risque de mortalité plus tôt dans l'évolution de la maladie afin de cibler ces services.
Les algorithmes d’apprentissage automatique (ML) ont été utilisés dans diverses industries, y compris la médecine, pour prédire avec précision le risque d’effets indésirables et orienter les ressources plus tôt.
Il a été démontré que les "collaborations homme-machine" - des systèmes qui exploitent à la fois l'apprentissage automatique et l'intuition humaine - améliorent les prédictions et la prise de décision dans diverses situations, mais on ne sait pas si les collaborations homme-machine peuvent améliorer la précision des pronostics et conduire à des résultats plus importants et plus précoces. ACP et soins palliatifs.
Dans cette étude, nous avons contacté un échantillon national d'oncologues médicaux et les avons invités à répondre à une enquête basée sur des vignettes.
Notre objectif était d'examiner l'association entre l'exposition aux prédictions du risque de mortalité ML et l'exactitude pronostique et la prise de décision des cliniciens.
Nous avons présenté une série de six vignettes décrivant trois scénarios cliniques spécifiques à un patient atteint d'un cancer du poumon non à petites cellules (aNSCLC) avancé, qui diffèrent selon l'âge, le sexe, l'état de performance, les antécédents de tabagisme, l'étendue de la maladie, les symptômes et l'état moléculaire.
Nous utiliserons ces enquêtes basées sur des vignettes pour examiner l'association de l'exposition aux prévisions du risque de mortalité ML avec l'exactitude pronostique et la prise de décision des oncologues médicaux.
Aperçu de l'étude
Type d'étude
Observationnel
Inscription (Réel)
52
Contacts et emplacements
Cette section fournit les coordonnées de ceux qui mènent l'étude et des informations sur le lieu où cette étude est menée.
Lieux d'étude
-
-
Pennsylvania
-
Philadelphia, Pennsylvania, États-Unis, 19104
- Abramson Cancer Center of the University of Pennsylvania
-
-
Critères de participation
Les chercheurs recherchent des personnes qui correspondent à une certaine description, appelée critères d'éligibilité. Certains exemples de ces critères sont l'état de santé général d'une personne ou des traitements antérieurs.
Critère d'éligibilité
Âges éligibles pour étudier
- Enfant
- Adulte
- Adulte plus âgé
Accepte les volontaires sains
Non
Méthode d'échantillonnage
Échantillon non probabiliste
Population étudiée
La population étudiée était constituée d'un échantillon de commodité d'oncologues médicaux en exercice qui traitaient le cancer du poumon aux États-Unis.
Nous avons recruté des oncologues médicaux par courrier électronique direct aux contacts personnels du chercheur principal (n = 29) ; messages directs via Doximity, un service de mise en réseau en ligne pour les professionnels de la santé (n=17), utilisant une « oncologie thoracique » ; et messages directs via X (anciennement Twitter) (n = 4).
Des efforts ont été déployés pour échantillonner de manière égale dans 4 régions géographiques des États-Unis (Nord-Est, Sud, Midwest, Ouest).
La description
Critère d'intégration:
- Oncologues médicaux qui traitent le cancer du poumon
Critère d'exclusion:
- Oncologues médicaux qui ne voient pas de patients atteints d'un cancer du poumon
Plan d'étude
Cette section fournit des détails sur le plan d'étude, y compris la façon dont l'étude est conçue et ce que l'étude mesure.
Comment l'étude est-elle conçue ?
Détails de conception
Cohortes et interventions
Groupe / Cohorte |
Intervention / Traitement |
|---|---|
|
1A2B3C
1. Intermédiaire ; 1.A. Dépend de la référence ; 2. Pauvre ; 2.B.
Pronostic absolu ; 3. Bien ; 3.C.
Les deux
|
L'étude consistait en une expérience factorielle en ligne 3 × 3 utilisant un instrument d'enquête hébergé via Qualtrics présentant décrivant trois vignettes de patients.
Les trois vignettes de patients variaient selon diverses caractéristiques cliniques, notamment l'âge, le sexe, l'état de performance, les antécédents de tabagisme, l'étendue de la maladie, les symptômes et l'état moléculaire.
Chaque patient souffrait d’un cancer du poumon non à petites cellules (aNSCLC) avancé.
Chaque vignette comportait deux parties : la première partie décrivait l'histoire de cas de l'un des trois patients, après quoi les estimations pronostiques et la prise de décision médicale étaient évaluées (c'est-à-dire 1, 2, 3).
La partie 2 a immédiatement suivi et décrit la même vignette du même patient avec des informations supplémentaires provenant d'un algorithme prédictif hypothétique de ML (c'est-à-dire
A, B, C).
L'ordre des vignettes dans chaque enquête a été randomisé en fonction des stratégies de présentation des prédictions du risque de ML, de sorte qu'il y avait 6 versions de l'enquête dans lesquelles chaque participant a été randomisé.
|
|
1A2C3B
1. Intermédiaire ; 1.A. Dépend de la référence ; 2. Pauvre ; 2.C.
Les deux; 3. Bien ; 3.B.
Pronostic absolu
|
L'étude consistait en une expérience factorielle en ligne 3 × 3 utilisant un instrument d'enquête hébergé via Qualtrics présentant décrivant trois vignettes de patients.
Les trois vignettes de patients variaient selon diverses caractéristiques cliniques, notamment l'âge, le sexe, l'état de performance, les antécédents de tabagisme, l'étendue de la maladie, les symptômes et l'état moléculaire.
Chaque patient souffrait d’un cancer du poumon non à petites cellules (aNSCLC) avancé.
Chaque vignette comportait deux parties : la première partie décrivait l'histoire de cas de l'un des trois patients, après quoi les estimations pronostiques et la prise de décision médicale étaient évaluées (c'est-à-dire 1, 2, 3).
La partie 2 a immédiatement suivi et décrit la même vignette du même patient avec des informations supplémentaires provenant d'un algorithme prédictif hypothétique de ML (c'est-à-dire
A, B, C).
L'ordre des vignettes dans chaque enquête a été randomisé en fonction des stratégies de présentation des prédictions du risque de ML, de sorte qu'il y avait 6 versions de l'enquête dans lesquelles chaque participant a été randomisé.
|
|
1B 2A 3C
1. Intermédiaire ; 1.B.
Absolu; 2. Pauvre ; 2.A. Dépend de la référence ; 3. Bien ; 3.C.
Les deux
|
L'étude consistait en une expérience factorielle en ligne 3 × 3 utilisant un instrument d'enquête hébergé via Qualtrics présentant décrivant trois vignettes de patients.
Les trois vignettes de patients variaient selon diverses caractéristiques cliniques, notamment l'âge, le sexe, l'état de performance, les antécédents de tabagisme, l'étendue de la maladie, les symptômes et l'état moléculaire.
Chaque patient souffrait d’un cancer du poumon non à petites cellules (aNSCLC) avancé.
Chaque vignette comportait deux parties : la première partie décrivait l'histoire de cas de l'un des trois patients, après quoi les estimations pronostiques et la prise de décision médicale étaient évaluées (c'est-à-dire 1, 2, 3).
La partie 2 a immédiatement suivi et décrit la même vignette du même patient avec des informations supplémentaires provenant d'un algorithme prédictif hypothétique de ML (c'est-à-dire
A, B, C).
L'ordre des vignettes dans chaque enquête a été randomisé en fonction des stratégies de présentation des prédictions du risque de ML, de sorte qu'il y avait 6 versions de l'enquête dans lesquelles chaque participant a été randomisé.
|
|
1B 2C 3A
1. Intermédiaire ; 1.B.
Absolu; 2. Pauvre ; 2.C.
Les deux; 3. Bien ; 3.A.
Dépend de la référence
|
L'étude consistait en une expérience factorielle en ligne 3 × 3 utilisant un instrument d'enquête hébergé via Qualtrics présentant décrivant trois vignettes de patients.
Les trois vignettes de patients variaient selon diverses caractéristiques cliniques, notamment l'âge, le sexe, l'état de performance, les antécédents de tabagisme, l'étendue de la maladie, les symptômes et l'état moléculaire.
Chaque patient souffrait d’un cancer du poumon non à petites cellules (aNSCLC) avancé.
Chaque vignette comportait deux parties : la première partie décrivait l'histoire de cas de l'un des trois patients, après quoi les estimations pronostiques et la prise de décision médicale étaient évaluées (c'est-à-dire 1, 2, 3).
La partie 2 a immédiatement suivi et décrit la même vignette du même patient avec des informations supplémentaires provenant d'un algorithme prédictif hypothétique de ML (c'est-à-dire
A, B, C).
L'ordre des vignettes dans chaque enquête a été randomisé en fonction des stratégies de présentation des prédictions du risque de ML, de sorte qu'il y avait 6 versions de l'enquête dans lesquelles chaque participant a été randomisé.
|
|
1C 2A 3B
1. Intermédiaire ; 1.C.
Les deux; 2. Pauvre ; 2.A. Dépend de la référence ; 3. Bien ; 3.B.
Absolu
|
L'étude consistait en une expérience factorielle en ligne 3 × 3 utilisant un instrument d'enquête hébergé via Qualtrics présentant décrivant trois vignettes de patients.
Les trois vignettes de patients variaient selon diverses caractéristiques cliniques, notamment l'âge, le sexe, l'état de performance, les antécédents de tabagisme, l'étendue de la maladie, les symptômes et l'état moléculaire.
Chaque patient souffrait d’un cancer du poumon non à petites cellules (aNSCLC) avancé.
Chaque vignette comportait deux parties : la première partie décrivait l'histoire de cas de l'un des trois patients, après quoi les estimations pronostiques et la prise de décision médicale étaient évaluées (c'est-à-dire 1, 2, 3).
La partie 2 a immédiatement suivi et décrit la même vignette du même patient avec des informations supplémentaires provenant d'un algorithme prédictif hypothétique de ML (c'est-à-dire
A, B, C).
L'ordre des vignettes dans chaque enquête a été randomisé en fonction des stratégies de présentation des prédictions du risque de ML, de sorte qu'il y avait 6 versions de l'enquête dans lesquelles chaque participant a été randomisé.
|
|
1C2B3A
1. Intermédiaire ; 1.C.
Les deux; 2. Pauvre ; 2.B.
Absolu; 3. Bien ; 3.A.
Dépend de la référence
|
L'étude consistait en une expérience factorielle en ligne 3 × 3 utilisant un instrument d'enquête hébergé via Qualtrics présentant décrivant trois vignettes de patients.
Les trois vignettes de patients variaient selon diverses caractéristiques cliniques, notamment l'âge, le sexe, l'état de performance, les antécédents de tabagisme, l'étendue de la maladie, les symptômes et l'état moléculaire.
Chaque patient souffrait d’un cancer du poumon non à petites cellules (aNSCLC) avancé.
Chaque vignette comportait deux parties : la première partie décrivait l'histoire de cas de l'un des trois patients, après quoi les estimations pronostiques et la prise de décision médicale étaient évaluées (c'est-à-dire 1, 2, 3).
La partie 2 a immédiatement suivi et décrit la même vignette du même patient avec des informations supplémentaires provenant d'un algorithme prédictif hypothétique de ML (c'est-à-dire
A, B, C).
L'ordre des vignettes dans chaque enquête a été randomisé en fonction des stratégies de présentation des prédictions du risque de ML, de sorte qu'il y avait 6 versions de l'enquête dans lesquelles chaque participant a été randomisé.
|
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Exactitude du pronostic évaluée par enquête
Délai: Jusqu'à 3 mois
|
Les estimations pronostiques ont été mesurées à l'aide de deux éléments administrés après les parties 1 et 2 de chacune des 3 vignettes :
Des pronostics précis ont été définis comme si l'estimation de l'espérance de vie rapportée se situait dans les 33 % de l'estimation du LCPI, telle que modifiée après les groupes de discussion. Les participants ont répondu à la première question en mois et à la deuxième question sous forme d'un pourcentage compris entre 0 et 100 %. |
Jusqu'à 3 mois
|
Mesures de résultats secondaires
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Décisions anticipées en matière de planification des soins, telles qu'évaluées par le biais d'une enquête
Délai: Jusqu'à 3 mois
|
La prise de décision ACP a été évaluée à l’aide de l’élément suivant administré après les parties 1 et 2 de chacune des 3 vignettes : 1) Auriez-vous une discussion sur la planification préalable des soins à ce stade de l’évolution de sa maladie ? Chaque question a été opérationnalisée sous la forme d'une réponse Oui/Non et a été suivie d'une boîte de réponse gratuite demandant : « Veuillez partager la raison de cette décision ». |
Jusqu'à 3 mois
|
|
Référence aux soins palliatifs évaluée par enquête
Délai: Jusqu'à 3 mois
|
L’orientation vers des soins palliatifs a été évaluée à l’aide de l’élément suivant administré après les parties 1 et 2 de chacune des 3 vignettes : 1) Le dirigeriez-vous vers un spécialiste des soins palliatifs à ce stade de l’évolution de sa maladie ? Chaque question a été opérationnalisée sous la forme d'une réponse Oui/Non et a été suivie d'une boîte de réponse gratuite demandant : « Veuillez partager la raison de cette décision ». |
Jusqu'à 3 mois
|
Collaborateurs et enquêteurs
C'est ici que vous trouverez les personnes et les organisations impliquées dans cette étude.
Parrainer
Dates d'enregistrement des études
Ces dates suivent la progression des dossiers d'étude et des soumissions de résultats sommaires à ClinicalTrials.gov. Les dossiers d'étude et les résultats rapportés sont examinés par la Bibliothèque nationale de médecine (NLM) pour s'assurer qu'ils répondent à des normes de contrôle de qualité spécifiques avant d'être publiés sur le site Web public.
Dates principales de l'étude
Début de l'étude (Réel)
13 mars 2023
Achèvement primaire (Réel)
31 juillet 2023
Achèvement de l'étude (Réel)
31 décembre 2023
Dates d'inscription aux études
Première soumission
30 avril 2024
Première soumission répondant aux critères de contrôle qualité
12 juin 2024
Première publication (Réel)
18 juin 2024
Mises à jour des dossiers d'étude
Dernière mise à jour publiée (Estimé)
21 novembre 2024
Dernière mise à jour soumise répondant aux critères de contrôle qualité
20 novembre 2024
Dernière vérification
1 novembre 2024
Plus d'information
Termes liés à cette étude
Termes MeSH pertinents supplémentaires
Autres numéros d'identification d'étude
- UPCC 10524
- 850382 (Autre identifiant: Penn IRB)
Plan pour les données individuelles des participants (IPD)
Prévoyez-vous de partager les données individuelles des participants (DPI) ?
NON
Informations sur les médicaments et les dispositifs, documents d'étude
Étudie un produit pharmaceutique réglementé par la FDA américaine
Non
Étudie un produit d'appareil réglementé par la FDA américaine
Non
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 .