- ICH GCP
- Registro degli studi clinici negli Stati Uniti
- Sperimentazione clinica NCT04689711
Modelli prognostici per la cura del COVID-19
Modelli prognostici generalizzabili per decisioni incentrate sul paziente in COVID-19
Circa il 20% dei pazienti ricoverati con COVID-19 richiede terapia intensiva e possibilmente ventilazione meccanica invasiva (MV). Le preferenze dei pazienti con COVID-19 per MV possono essere diverse, perché l'intubazione per questi pazienti è spesso prolungata (per diverse settimane), viene somministrata in contesti caratterizzati da isolamento sociale ed è associata a tassi di mortalità media molto elevati. Supportare i pazienti che affrontano questa decisione richiede di fornire una previsione accurata dei loro probabili esiti in base alle loro caratteristiche individuali.
Gli inquirenti mirano quindi a:
Sviluppare 3 CPM in ciascuno dei 2 sistemi ospedalieri (ovvero 6 modelli distinti) per prevedere:
i) la necessità di MV nei pazienti ricoverati con COVID-19; ii) mortalità nei pazienti trattati con MV; iii) durata della degenza in terapia intensiva.
Valutare la trasportabilità geografica e temporale di questi modelli ed esaminare gli approcci di aggiornamento.
- Per valutare la trasportabilità geografica, i ricercatori applicheranno il quadro di valutazione e aggiornamento sviluppato (nella sovvenzione PCORI principale) per valutare la validità e la generalizzabilità del CPM tra i diversi set di dati.
- Per valutare la trasportabilità temporale, i ricercatori esamineranno sia l'effetto principale del tempo del calendario sia anche il tempo del calendario come modificatore dell'effetto.
- Coinvolgere le parti interessate per facilitare il miglior utilizzo di questi CPM nella cura dei pazienti con COVID-19.
Panoramica dello studio
Stato
Condizioni
Descrizione dettagliata
C'è stata una proliferazione di modelli di previsione clinica (CPM) COVID-19 riportati in letteratura nei sistemi sanitari, ma la validità e la potenziale generalizzabilità di questi modelli ad altri contesti sono sconosciute. In generale, la maggior parte degli ospedali (e dei sistemi) non dispone di un numero sufficiente di casi (e risultati) per sviluppare modelli adatti alla popolazione locale e le variabili predittive non sono ottenute in modo uniforme e affidabile tra i sistemi. Pertanto, è urgentemente necessario mettere in comune e armonizzare le risorse di dati e valutare la generalizzabilità tra diversi siti per creare strumenti che possano aiutare a supportare il processo decisionale in tutti i contesti. Inoltre, poiché le migliori pratiche si evolvono rapidamente nel tempo (ad es. proning, riduzione al minimo dei paralitici, volumi di protezione polmonare, remdesivir, desametasone o altri trattamenti), l'aggiornamento e la ricalibrazione di questi CPM è di fondamentale importanza.
Nell'attuale progetto Metodi PCORI, i ricercatori hanno sviluppato un quadro di valutazione e aggiornamento CPM che include misure di performance sia convenzionali che nuove. I ricercatori utilizzeranno questo quadro per valutare i modelli prognostici COVID-19 nella più grande coorte di pazienti COVID-19 esaminati fino ad oggi, coprendo 2 set di dati da impostazioni molto diverse. Poiché la pandemia COVID-19 colpisce diverse regioni, con successive ondate previste, è necessario identificare gli strumenti prognostici più accurati, robusti e generalizzabili per guidare il processo decisionale incentrato sul paziente in diverse popolazioni e contesti.
Tipo di studio
Iscrizione (Effettivo)
Contatti e Sedi
Luoghi di studio
-
-
Massachusetts
-
Boston, Massachusetts, Stati Uniti, 02111
- Tufts Medical Center
-
-
New York
-
Manhasset, New York, Stati Uniti, 11030
- Northwell Health (The Feinstein Institutes for Medical Research)
-
-
Criteri di partecipazione
Criteri di ammissibilità
Età idonea allo studio
Accetta volontari sani
Sessi ammissibili allo studio
Metodo di campionamento
Popolazione di studio
Descrizione
Criterio di inclusione:
- Paziente sopravvissuto al COVID-19
- Familiare/caregiver del paziente ricoverato per COVID-19
- Medico con esperienza nella cura di pazienti affetti da COVID-19
- Altro fornitore (assistenza pastorale, infermieristica, terapia respiratoria) con esperienza nella cura di pazienti COVID-19
Criteri di esclusione:
- Non esperto nella lettura o nel parlare inglese
Piano di studio
Come è strutturato lo studio?
Dettagli di progettazione
Cosa sta misurando lo studio?
Misure di risultato primarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
Cambiamenti nella discriminazione del modello (Modello 1: necessità di MV in pazienti ricoverati con COVID-19)
Lasso di tempo: 30 giorni dal ricovero
|
Obiettivo 1 Risultato: cambiamenti nell'area sotto la curva caratteristica operativa del ricevitore (AUC) [delta AUC] per i modelli che prevedono la probabilità di: la necessità di MV nei pazienti ospedalizzati con COVID-19.
|
30 giorni dal ricovero
|
|
Cambiamenti nella discriminazione del modello (Modello 2: mortalità nei pazienti che ricevono MV)
Lasso di tempo: 30 giorni dal ricovero
|
Obiettivo 1 Risultato: cambiamenti nell'area sotto la curva caratteristica operativa del ricevitore (AUC) [delta AUC] per i modelli che prevedono la probabilità di: mortalità nei pazienti che ricevono MV.
|
30 giorni dal ricovero
|
|
Cambiamenti nella discriminazione del modello (Modello 3: durata della degenza in terapia intensiva)
Lasso di tempo: 30 giorni dal ricovero
|
Scopo 1 Risultato: cambiamenti nell'area sotto la curva caratteristica operativa del ricevitore (AUC) [delta AUC] per i modelli che prevedono la probabilità di: durata della degenza in terapia intensiva.
|
30 giorni dal ricovero
|
|
Modifiche nella calibrazione del modello (Modello 1: necessità di MV in pazienti ricoverati con COVID-19)
Lasso di tempo: 30 giorni dal ricovero
|
Obiettivo 1 Risultato-Cambiamenti nella E di Harrell per i modelli che prevedono la probabilità di: la necessità di MV nei pazienti ospedalizzati con COVID-19.
|
30 giorni dal ricovero
|
|
Modifiche nella calibrazione del modello (Modello 2: mortalità nei pazienti che ricevono MV)
Lasso di tempo: 30 giorni dal ricovero
|
Aim 1 Outcome-Changes in Harrell's E per modelli che predicono la probabilità di: mortalità nei pazienti che ricevono MV.
|
30 giorni dal ricovero
|
|
Modifiche nella calibrazione del modello (Modello 3: durata della degenza in terapia intensiva)
Lasso di tempo: 30 giorni dal ricovero
|
Obiettivo 1 Risultato-Cambiamenti nella E di Harrell per i modelli che prevedono la probabilità di: durata della degenza in terapia intensiva.
|
30 giorni dal ricovero
|
|
Variazioni del beneficio netto (Modello 1: necessità di MV in pazienti ricoverati con COVID-19)
Lasso di tempo: 30 giorni dal ricovero
|
Obiettivo 1 Risultato-Cambiamenti nel beneficio netto per i modelli che prevedono la probabilità di: la necessità di MV nei pazienti ospedalizzati con COVID-19.
|
30 giorni dal ricovero
|
|
Variazioni del beneficio netto (Modello 2: mortalità nei pazienti che ricevono MV)
Lasso di tempo: 30 giorni dal ricovero
|
Obiettivo 1 Outcome-Changes in Net Benefit per i modelli che prevedono la probabilità di: mortalità nei pazienti che ricevono MV.
|
30 giorni dal ricovero
|
|
Variazioni del beneficio netto (Modello 3: durata della degenza in terapia intensiva)
Lasso di tempo: 30 giorni dal ricovero
|
Obiettivo 1 Esito-Variazioni del beneficio netto per i modelli che prevedono la probabilità di: durata della degenza in terapia intensiva.
|
30 giorni dal ricovero
|
|
Cambiamenti nella discriminazione del modello nel database esterno dopo l'aggiornamento (Modello 1: necessità di MV nei pazienti ricoverati con COVID-19)
Lasso di tempo: 30 giorni dal ricovero
|
Scopo 2 Risultato: cambiamenti nell'area sotto la curva caratteristica operativa del ricevitore (AUC) [delta AUC] per i modelli che prevedono la probabilità di: la necessità di MV nei pazienti ospedalizzati con COVID-19.
|
30 giorni dal ricovero
|
|
Cambiamenti nella discriminazione del modello nel database esterno dopo l'aggiornamento (Modello 2: mortalità nei pazienti che ricevono MV)
Lasso di tempo: 30 giorni dal ricovero
|
Scopo 2 Risultato: cambiamenti nell'area sotto la curva caratteristica operativa del ricevitore (AUC) [delta AUC] per i modelli che prevedono la probabilità di: mortalità nei pazienti che ricevono MV.
|
30 giorni dal ricovero
|
|
Cambiamenti nella discriminazione del modello nel database esterno dopo l'aggiornamento (Modello 3: durata della degenza in terapia intensiva)
Lasso di tempo: 30 giorni dal ricovero
|
Scopo 2 Risultato-Cambiamenti nell'area sotto la curva caratteristica operativa del ricevitore (AUC) [delta AUC] per i modelli che prevedono la probabilità di: durata della degenza in terapia intensiva.
|
30 giorni dal ricovero
|
|
Modifiche nella calibrazione del modello nel database esterno dopo l'aggiornamento (Modello 1: necessità di MV nei pazienti ricoverati con COVID-19)
Lasso di tempo: 30 giorni dal ricovero
|
Obiettivo 2 Risultato-Cambiamenti nella E di Harrell per i modelli che prevedono la probabilità di: la necessità di MV nei pazienti ospedalizzati con COVID-19.
|
30 giorni dal ricovero
|
|
Modifiche nella calibrazione del modello nel database esterno dopo l'aggiornamento (Modello 2: mortalità nei pazienti che ricevono MV)
Lasso di tempo: 30 giorni dal ricovero
|
Aim 2 Outcome-Changes in Harrell's E per i modelli che predicono la probabilità di: mortalità nei pazienti che ricevono MV.
|
30 giorni dal ricovero
|
|
Modifiche nella calibrazione del modello nel database esterno dopo l'aggiornamento (Modello 3: durata della degenza in terapia intensiva)
Lasso di tempo: 30 giorni dal ricovero
|
Obiettivo 2 Esito-Cambiamenti nella E di Harrell per i modelli che prevedono la probabilità di: durata della degenza in terapia intensiva.
|
30 giorni dal ricovero
|
|
Variazioni del beneficio netto nel database esterno dopo l'aggiornamento (Modello 1: necessità di MV nei pazienti ricoverati con COVID-19)
Lasso di tempo: 30 giorni dal ricovero
|
Scopo 2 Risultato: variazioni del beneficio netto per i modelli che prevedono la probabilità di: la necessità di MV nei pazienti ospedalizzati con COVID-19.
|
30 giorni dal ricovero
|
|
Variazioni del beneficio netto nel database esterno dopo l'aggiornamento (Modello 2: mortalità nei pazienti che ricevono MV)
Lasso di tempo: 30 giorni dal ricovero
|
Obiettivo 2 Outcome-Changes in Net Benefit per i modelli che prevedono la probabilità di: mortalità nei pazienti che ricevono MV.
|
30 giorni dal ricovero
|
|
Variazioni del beneficio netto nel database esterno dopo l'aggiornamento (Modello 3: durata della degenza in terapia intensiva)
Lasso di tempo: 30 giorni dal ricovero
|
Scopo 2 Risultato-Variazioni del beneficio netto per i modelli che prevedono la probabilità di: durata della degenza in terapia intensiva.
|
30 giorni dal ricovero
|
Misure di risultato secondarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
Percezioni, convinzioni e opinioni degli stakeholder sui modelli di previsione COVID
Lasso di tempo: 6 mesi
|
Aim 3 Esito - L'esito sarà valutato con un codebook derivato deduttivamente dalla nostra guida alle interviste strutturate per identificare i temi che emergono nelle sessioni semi-strutturate.
Attraverso focus group tenuti tramite videoconferenze sincrone, ci impegneremo con i pazienti e gli operatori clinici per identificare i temi segnalati dai pazienti e dagli operatori che emergono nel modo in cui i modelli di previsione clinica possono supportare il processo decisionale nella cura dei pazienti con COVID-19.
I temi saranno identificati attraverso l'analisi qualitativa del feedback del paziente e del fornitore.
Ci aspettiamo di suscitare credenze, opinioni e valori del paziente e del fornitore sugli aspetti scientifici, etici e pragmatici dell'uso di questi modelli per supportare il processo decisionale.
|
6 mesi
|
Collaboratori e investigatori
Sponsor
Investigatori
- Investigatore principale: David M Kent, MD, MS, Tufts Medical Center
Pubblicazioni e link utili
Pubblicazioni generali
- Zhou F, Yu T, Du R, Fan G, Liu Y, Liu Z, Xiang J, Wang Y, Song B, Gu X, Guan L, Wei Y, Li H, Wu X, Xu J, Tu S, Zhang Y, Chen H, Cao B. Clinical course and risk factors for mortality of adult inpatients with COVID-19 in Wuhan, China: a retrospective cohort study. Lancet. 2020 Mar 28;395(10229):1054-1062. doi: 10.1016/S0140-6736(20)30566-3. Epub 2020 Mar 11. Erratum In: Lancet. 2020 Mar 28;395(10229):1038. Lancet. 2020 Mar 28;395(10229):1038.
- Lim WS, van der Eerden MM, Laing R, Boersma WG, Karalus N, Town GI, Lewis SA, Macfarlane JT. Defining community acquired pneumonia severity on presentation to hospital: an international derivation and validation study. Thorax. 2003 May;58(5):377-82. doi: 10.1136/thorax.58.5.377.
- Wynants L, Van Calster B, Collins GS, Riley RD, Heinze G, Schuit E, Bonten MMJ, Dahly DL, Damen JAA, Debray TPA, de Jong VMT, De Vos M, Dhiman P, Haller MC, Harhay MO, Henckaerts L, Heus P, Kammer M, Kreuzberger N, Lohmann A, Luijken K, Ma J, Martin GP, McLernon DJ, Andaur Navarro CL, Reitsma JB, Sergeant JC, Shi C, Skoetz N, Smits LJM, Snell KIE, Sperrin M, Spijker R, Steyerberg EW, Takada T, Tzoulaki I, van Kuijk SMJ, van Bussel B, van der Horst ICC, van Royen FS, Verbakel JY, Wallisch C, Wilkinson J, Wolff R, Hooft L, Moons KGM, van Smeden M. Prediction models for diagnosis and prognosis of covid-19: systematic review and critical appraisal. BMJ. 2020 Apr 7;369:m1328. doi: 10.1136/bmj.m1328. Erratum In: BMJ. 2020 Jun 3;369:m2204.
- Richardson S, Hirsch JS, Narasimhan M, Crawford JM, McGinn T, Davidson KW; the Northwell COVID-19 Research Consortium; Barnaby DP, Becker LB, Chelico JD, Cohen SL, Cookingham J, Coppa K, Diefenbach MA, Dominello AJ, Duer-Hefele J, Falzon L, Gitlin J, Hajizadeh N, Harvin TG, Hirschwerk DA, Kim EJ, Kozel ZM, Marrast LM, Mogavero JN, Osorio GA, Qiu M, Zanos TP. Presenting Characteristics, Comorbidities, and Outcomes Among 5700 Patients Hospitalized With COVID-19 in the New York City Area. JAMA. 2020 May 26;323(20):2052-2059. doi: 10.1001/jama.2020.6775. Erratum In: JAMA. 2020 May 26;323(20):2098.
- Clarification of Mortality Rate and Data in Abstract, Results, and Table 2. JAMA. 2020 May 26;323(20):2098. doi: 10.1001/jama.2020.7681. No abstract available.
- Levy TJ, Richardson S, Coppa K, et al. Development and Validation of a Survival Calculator for Hospitalized Patients with COVID-19. medRxiv. 2020:2020.2004.2022.20075416.
- Tibshirani R. Regression Shrinkage and Selection via the Lasso. Journal of the Royal Statistical Society Series B (Methodological). 1996;58(1):267-288.
- Putter H, Fiocco M, Geskus RB. Tutorial in biostatistics: competing risks and multi-state models. Stat Med. 2007 May 20;26(11):2389-430. doi: 10.1002/sim.2712.
- de Wreede LC, Fiocco M, Putter H. The mstate package for estimation and prediction in non- and semi-parametric multi-state and competing risks models. Comput Methods Programs Biomed. 2010 Sep;99(3):261-74. doi: 10.1016/j.cmpb.2010.01.001. Epub 2010 Mar 15.
- van Klaveren D, Steyerberg EW, Gonen M, Vergouwe Y. The calibrated model-based concordance improved assessment of discriminative ability in patient clusters of limited sample size. Diagn Progn Res. 2019 Jun 6;3:11. doi: 10.1186/s41512-019-0055-8. eCollection 2019.
- Jones AE, Trzeciak S, Kline JA. The Sequential Organ Failure Assessment score for predicting outcome in patients with severe sepsis and evidence of hypoperfusion at the time of emergency department presentation. Crit Care Med. 2009 May;37(5):1649-54. doi: 10.1097/CCM.0b013e31819def97.
- Griffith GJ, Morris TT, Tudball MJ, Herbert A, Mancano G, Pike L, Sharp GC, Sterne J, Palmer TM, Davey Smith G, Tilling K, Zuccolo L, Davies NM, Hemani G. Collider bias undermines our understanding of COVID-19 disease risk and severity. Nat Commun. 2020 Nov 12;11(1):5749. doi: 10.1038/s41467-020-19478-2.
Studiare le date dei record
Studia le date principali
Inizio studio (EFFETTIVO)
Completamento primario (EFFETTIVO)
Completamento dello studio (EFFETTIVO)
Date di iscrizione allo studio
Primo inviato
Primo inviato che soddisfa i criteri di controllo qualità
Primo Inserito (EFFETTIVO)
Aggiornamenti dei record di studio
Ultimo aggiornamento pubblicato (EFFETTIVO)
Ultimo aggiornamento inviato che soddisfa i criteri QC
Ultimo verificato
Maggiori informazioni
Termini relativi a questo studio
Termini MeSH pertinenti aggiuntivi
Altri numeri di identificazione dello studio
- PCORI-ME-1606-35555
Piano per i dati dei singoli partecipanti (IPD)
Hai intenzione di condividere i dati dei singoli partecipanti (IPD)?
Informazioni su farmaci e dispositivi, documenti di studio
Studia un prodotto farmaceutico regolamentato dalla FDA degli Stati Uniti
Studia un dispositivo regolamentato dalla FDA degli Stati Uniti
Queste informazioni sono state recuperate direttamente dal sito web clinicaltrials.gov senza alcuna modifica. In caso di richieste di modifica, rimozione o aggiornamento dei dettagli dello studio, contattare register@clinicaltrials.gov. Non appena verrà implementata una modifica su clinicaltrials.gov, questa verrà aggiornata automaticamente anche sul nostro sito web .
Prove cliniche su Covid19
-
Anavasi DiagnosticsNon ancora reclutamento
-
Ain Shams UniversityReclutamento
-
Israel Institute for Biological Research (IIBR)Completato
-
Colgate PalmoliveCompletato
-
Christian von BuchwaldCompletato
-
Luye Pharma Group Ltd.Shandong Boan Biotechnology Co., LtdAttivo, non reclutante
-
University of ZurichLabor Speiz; Swiss Armed Forces; Universitatsspital ZurichIscrizione su invito
-
Alexandria UniversityCompletato