- ICH GCP
- Registro degli studi clinici negli Stati Uniti
- Sperimentazione clinica NCT06457035
Sviluppo e validazione di un nomogramma per la previsione della chirurgia nella malattia di Crohn di nuova diagnosi: uno studio di coorte retrospettivo
Panoramica dello studio
Stato
Condizioni
Intervento / Trattamento
Descrizione dettagliata
La malattia di Crohn (CD), una malattia infiammatoria cronica che coinvolge tutto il tratto gastrointestinale, ha un decorso progressivo e distruttivo e la sua incidenza è in aumento in tutto il mondo.1 Sebbene il comportamento patologico più comune dei pazienti con malattia di Crohn di nuova diagnosi sia infiammatorio (B1 nella classificazione di Montreal2), una progressione rapida e prominente nel comportamento patologico sarà osservata in circa la metà dei pazienti entro 10 anni dalla diagnosi.3-5 I dati provenienti da una coorte basata sulla popolazione mostrano che quasi la metà dei pazienti ha sviluppato complicazioni intestinali come stenosi e fistole, nei 20 anni successivi alla diagnosi.3 Nonostante l’applicazione di terapie di mantenimento immunosoppressive, più della metà dei pazienti soffre di gravi complicanze e necessita di resezione intestinale.6,7 Negli ultimi decenni, con l'avvento di terapie biologiche mirate come gli antagonisti del fattore di necrosi tumorale, gli anticorpi monoclonali anti-integrine selettivi per l'intestino e gli inibitori della segnalazione di IL-12 e IL-23, la gestione medica della malattia di Crohn è stata rivoluzionata.8 È stato dimostrato che un'applicazione precoce e più aggressiva di farmaci biologici o nuove piccole molecole e terapie combinate induce una profonda alterazione del decorso naturale della malattia e riduce la necessità di ospedalizzazione e intervento chirurgico tra i pazienti con CD di nuova diagnosi.9,10 Tuttavia, una delle sfide più difficili nella cosiddetta strategia di trattamento top-down è l’identificazione dei pazienti che sono ad alto rischio di progressione della malattia e che quindi necessitano di un modello di trattamento più intensivo nonostante gli eventi avversi legati alla terapia e i costi elevati. Da un’altra prospettiva, la mancata identificazione dei pazienti ad alto rischio ritarda anche la prescrizione di terapie più efficaci e spiega un aumento del rischio di progressione della malattia.
Sono stati fatti molti sforzi nel campo della stratificazione del rischio di base per la malattia celiaca di nuova diagnosi. È stato riscontrato che molte caratteristiche cliniche sono correlate in modo indipendente con la prognosi, tra cui l'età alla diagnosi, la sede della malattia, il comportamento della malattia, l'abitudine al fumo e l'anamnesi di utilizzo di farmaci.9,11,12 Nel frattempo, diversi biomarcatori prognostici sono stati scoperti in studi pilota, che comprendono molecole correlate al sistema immunitario e livelli specifici di espressione genetica.13,14 Tuttavia, i disagi e i costi elevati ne hanno impedito la piena validazione e l’applicazione clinica. Di conseguenza, la selezione della terapia è ancora adattata al singolo paziente con nuova diagnosi di celiachia sulla base dei fattori di rischio clinici e delle comorbidità del paziente8, il che è ben lungi dall’essere un trattamento di precisione.
In quest’era di intelligenza artificiale, sono stati sviluppati molti modelli di apprendimento automatico per l’innovazione in tutti i campi delle malattie infiammatorie intestinali, come la diagnosi, il monitoraggio, la previsione e la gestione del decorso della malattia.15 Sfortunatamente, la maggior parte dei modelli di previsione più diffusi del machine learning sono essenzialmente scatole nere, che emettono verdetti con alcune giustificazioni di accompagnamento, il che limita l’affidabilità clinica e quindi ostacola l’implementazione clinica.16 Per bilanciare l'efficacia con la comodità e l'interpretabilità, abbiamo mirato a costruire un modello di regressione statistica di Cox ben interpretato insieme a un nomogramma basato sulle caratteristiche cliniche e sugli indicatori sierologici disponibili per prevedere la prognosi a lungo termine della malattia di Crohn di nuova diagnosi.
Tipo di studio
Iscrizione (Effettivo)
Criteri di partecipazione
Criteri di ammissibilità
Età idonea allo studio
- Bambino
- Adulto
- Adulto più anziano
Accetta volontari sani
Metodo di campionamento
Popolazione di studio
Descrizione
Criterio di inclusione:
- La diagnosi di CD è stata infine confermata in base ai criteri diagnostici, comprese le manifestazioni cliniche e l'evidenza ileocolonoscopica, istopatologica e radiologica
- I dati di laboratorio dell'emocromo completo e dell'esame biochimico del sangue di routine erano disponibili entro una settimana prima dell'ileocolonscopia diagnostica
Criteri di esclusione:
- Il momento della diagnosi non era chiaro
- Sono stati sottoposti a resezione intestinale entro tre mesi dalla diagnosi, che rifletteva una malattia complicata precoce
- Soffrivano di una grave infezione durante il test di laboratorio
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 |
|---|---|---|
|
Necessità dell'intervento chirurgico
Lasso di tempo: In qualsiasi momento durante il follow-up (fino al 31 dicembre 2022)
|
necessità di resezione intestinale in qualsiasi momento
|
In qualsiasi momento durante il follow-up (fino al 31 dicembre 2022)
|
Collaboratori e investigatori
Pubblicazioni e link utili
Pubblicazioni generali
- Louis E, Collard A, Oger AF, Degroote E, Aboul Nasr El Yafi FA, Belaiche J. Behaviour of Crohn's disease according to the Vienna classification: changing pattern over the course of the disease. Gut. 2001 Dec;49(6):777-82. doi: 10.1136/gut.49.6.777.
- Peyrin-Biroulet L, Loftus EV Jr, Colombel JF, Sandborn WJ. The natural history of adult Crohn's disease in population-based cohorts. Am J Gastroenterol. 2010 Feb;105(2):289-97. doi: 10.1038/ajg.2009.579. Epub 2009 Oct 27.
- Bemelman WA, Warusavitarne J, Sampietro GM, Serclova Z, Zmora O, Luglio G, de Buck van Overstraeten A, Burke JP, Buskens CJ, Colombo F, Dias JA, Eliakim R, Elosua T, Gecim IE, Kolacek S, Kierkus J, Kolho KL, Lefevre JH, Millan M, Panis Y, Pinkney T, Russell RK, Shwaartz C, Vaizey C, Yassin N, D'Hoore A. ECCO-ESCP Consensus on Surgery for Crohn's Disease. J Crohns Colitis. 2018 Jan 5;12(1):1-16. doi: 10.1093/ecco-jcc/jjx061. No abstract available.
- Peyrin-Biroulet L, Oussalah A, Williet N, Pillot C, Bresler L, Bigard MA. Impact of azathioprine and tumour necrosis factor antagonists on the need for surgery in newly diagnosed Crohn's disease. Gut. 2011 Jul;60(7):930-6. doi: 10.1136/gut.2010.227884. Epub 2011 Jan 12.
- Satsangi J, Silverberg MS, Vermeire S, Colombel JF. The Montreal classification of inflammatory bowel disease: controversies, consensus, and implications. Gut. 2006 Jun;55(6):749-53. doi: 10.1136/gut.2005.082909.
- Roda G, Chien Ng S, Kotze PG, Argollo M, Panaccione R, Spinelli A, Kaser A, Peyrin-Biroulet L, Danese S. Crohn's disease. Nat Rev Dis Primers. 2020 Apr 2;6(1):22. doi: 10.1038/s41572-020-0156-2. Erratum In: Nat Rev Dis Primers. 2020 Apr 6;6(1):26. doi: 10.1038/s41572-020-0172-2. Nat Rev Dis Primers. 2020 May 20;6(1):42. doi: 10.1038/s41572-020-0183-z. Nat Rev Dis Primers. 2020 Jun 19;6(1):51. doi: 10.1038/s41572-020-0193-x.
- Thia KT, Sandborn WJ, Harmsen WS, Zinsmeister AR, Loftus EV Jr. Risk factors associated with progression to intestinal complications of Crohn's disease in a population-based cohort. Gastroenterology. 2010 Oct;139(4):1147-55. doi: 10.1053/j.gastro.2010.06.070. Epub 2010 Jul 14.
- Tarrant KM, Barclay ML, Frampton CM, Gearry RB. Perianal disease predicts changes in Crohn's disease phenotype-results of a population-based study of inflammatory bowel disease phenotype. Am J Gastroenterol. 2008 Dec;103(12):3082-93. doi: 10.1111/j.1572-0241.2008.02212.x.
- Cushing K, Higgins PDR. Management of Crohn Disease: A Review. JAMA. 2021 Jan 5;325(1):69-80. doi: 10.1001/jama.2020.18936.
- Jenkinson PW, Plevris N, Siakavellas S, Lyons M, Arnott ID, Wilson D, Watson AJM, Jones GR, Lees CW. Temporal Trends in Surgical Resection Rates and Biologic Prescribing in Crohn's Disease: A Population-based Cohort Study. J Crohns Colitis. 2020 Sep 16;14(9):1241-1247. doi: 10.1093/ecco-jcc/jjaa044.
- Ramadas AV, Gunesh S, Thomas GA, Williams GT, Hawthorne AB. Natural history of Crohn's disease in a population-based cohort from Cardiff (1986-2003): a study of changes in medical treatment and surgical resection rates. Gut. 2010 Sep;59(9):1200-6. doi: 10.1136/gut.2009.202101. Epub 2010 Jul 21.
- Kugathasan S, Denson LA, Walters TD, Kim MO, Marigorta UM, Schirmer M, Mondal K, Liu C, Griffiths A, Noe JD, Crandall WV, Snapper S, Rabizadeh S, Rosh JR, Shapiro JM, Guthery S, Mack DR, Kellermayer R, Kappelman MD, Steiner S, Moulton DE, Keljo D, Cohen S, Oliva-Hemker M, Heyman MB, Otley AR, Baker SS, Evans JS, Kirschner BS, Patel AS, Ziring D, Trapnell BC, Sylvester FA, Stephens MC, Baldassano RN, Markowitz JF, Cho J, Xavier RJ, Huttenhower C, Aronow BJ, Gibson G, Hyams JS, Dubinsky MC. Prediction of complicated disease course for children newly diagnosed with Crohn's disease: a multicentre inception cohort study. Lancet. 2017 Apr 29;389(10080):1710-1718. doi: 10.1016/S0140-6736(17)30317-3. Epub 2017 Mar 2.
- Forcione DG, Rosen MJ, Kisiel JB, Sands BE. Anti-Saccharomyces cerevisiae antibody (ASCA) positivity is associated with increased risk for early surgery in Crohn's disease. Gut. 2004 Aug;53(8):1117-22. doi: 10.1136/gut.2003.030734.
- Smids C, Horjus Talabur Horje CS, Nierkens S, Drylewicz J, Groenen MJM, Wahab PJ, van Lochem EG. Candidate Serum Markers in Early Crohn's Disease: Predictors of Disease Course. J Crohns Colitis. 2017 Sep 1;11(9):1090-1100. doi: 10.1093/ecco-jcc/jjx049.
- Stidham RW, Takenaka K. Artificial Intelligence for Disease Assessment in Inflammatory Bowel Disease: How Will it Change Our Practice? Gastroenterology. 2022 Apr;162(5):1493-1506. doi: 10.1053/j.gastro.2021.12.238. Epub 2022 Jan 4.
- Watson DS, Krutzinna J, Bruce IN, Griffiths CE, McInnes IB, Barnes MR, Floridi L. Clinical applications of machine learning algorithms: beyond the black box. BMJ. 2019 Mar 12;364:l886. doi: 10.1136/bmj.l886. No abstract available.
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
Parole chiave
Termini MeSH pertinenti aggiuntivi
Altri numeri di identificazione dello studio
- NOMOGRAM for Nd-CD
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 .