Lattoferrina nei pazienti ospedalizzati Covid-19 (LAC)

È stato dimostrato con studi 'in vitro' che LF è in grado di impedire l'ingresso di SARS-CoV-2 all'interno delle cellule ospiti.

Nel complesso, le prove disponibili suggeriscono che LF può essere un'opzione terapeutica che può essere utilizzata per contrastare e ridurre la gravità dell'infezione da Covid 19. Lo studio è stato progettato per dimostrare l'efficacia della lattoferrina in vivo.

I pazienti che saranno ricoverati dai Centri partecipanti per l'infezione da Covid-19 saranno sottoposti a screening per l'idoneità allo studio. Se ritenuti idonei, verrà loro offerta la partecipazione allo Studio, che verrà proposto e verrà spiegato il consenso informato. I pazienti idonei saranno registrati in un database centralizzato presso i sistemi informatici dell'Università del Piemonte Orientale (UPO)/Azienda Ospedaliero-Universitaria "Maggiore della Carità" di Novara. I dati del paziente pseudo-anonimizzati saranno registrati dal centro clinico in un modulo di referto clinico "ad hoc" con accesso via web.

Dopo aver ottenuto il consenso informato, i pazienti verranno quindi randomizzati all'allocazione del gruppo LF o placebo utilizzando i precedenti elenchi di randomizzazione preparati. La randomizzazione avverrà su base competitiva ed equilibrata per partecipante al centro clinico. La randomizzazione a blocchi permutati di dimensione 4 sarà implementata con un rapporto di allocazione di 1:1 per garantire l'equilibrio tra i gruppi di trattamento. La lista di randomizzazione sarà gestita attraverso un modulo di randomizzazione REDCap.

La Farmacia Ospedaliera del Centro Aderente, non coinvolta nell'arruolamento dei pazienti, predisporrà una sequenza numerata di buste sigillate contenenti il ​​codice di assegnazione, e conserverà il proprio elenco che rimarrà inaccessibile ai professionisti coinvolti nel reclutamento. essere aperto in sequenza, al momento della randomizzazione.

Il mantenimento del non vedente sarà garantito mantenendo le liste di randomizzazione del personale, ovvero il personale della Farmacia Ospedaliera, da un lato (personale che gestirà e consegnerà anche agli sperimentatori i prodotti oggetto di studio, che avranno lo stesso aspetto) , e il personale medico che randomizza e sperimenta, dall'altro.

Anche la dislocazione logistica dei due operatori sarà completamente separata, in settori dell'Ospedale diversi e distanti tra loro, e non comunicanti in alcun modo.

Si precisa che il paziente arruolato dai centri clinici sulla base dei criteri di selezione può iniziare la terapia standard, in ogni caso, prima della procedura di randomizzazione essendo il regime terapeutico di base identico nei due bracci dello studio.

Per il calcolo della dimensione del campione necessaria a dimostrare l'endpoint primario, è stato utilizzato un modello costruito su dati storici relativi allo stesso endpoint. I dati preliminari dei due Centri partecipanti stimano la necessità di ricovero in terapia intensiva al 25%; la necessità di ventilazione meccanica nel 30%; mortalità ospedaliera nel 15%; la durata media del ricovero in 16 giorni.

La dimensione del campione è stata determinata considerando un test t a due code per due campioni indipendenti secondo i seguenti parametri:

1. Un livello alfa corretto di 0,025 per due endpoint del metodo Bonferroni (alfa totale=0,025x2=0,05)
2. Una potenza totale di 0,8
3. Un effect size Cohen h di 0,44 (corrispondente ad un effetto standardizzato medio/piccolo [Cohen 1977]), cioè con un tasso di dimissioni a 14 giorni del 60% per i controlli e dell'80% per i trattati.

In questo scenario, la dimensione dello studio raggiunta è di 97 pazienti per braccio di studio. I calcoli sono stati eseguiti utilizzando il software R 3.6.1 [Core Team 2015] e il pacchetto pwr [Champely 2018]. Riferimenti:

• Cohen, J. Analisi statistica del potere per le scienze comportamentali (rev.ed.1977).
• Core Team R: un linguaggio e un ambiente per il calcolo statistico; R Foundation for Statistical Computing: Vienna, Austria, 2015;
• Champely, S.; Ekstrom, C.; Dalgaard, P.; Gill, J.; Weibelzahl, S.; Anandkumar, A.; Ford, C.; Volcic, R.; De Rosario, H.; De Rosario, M. H. Pacchetto 'pwr.' Pacchetto R versione 2018, 1-2.