Utilizzo di sondaggi per esaminare l'associazione tra esposizione a previsioni di rischio di mortalità per riciclaggio e accuratezza prognostica e processo decisionale degli oncologi medici
20 novembre 2024 aggiornato da: Abramson Cancer Center at Penn Medicine
Quasi la metà dei malati di cancro negli Stati Uniti riceveranno cure in contrasto con i loro desideri prima della morte.
La pianificazione anticipata delle cure avanzate (ACP) e le cure palliative migliorano le cure e i sintomi coerenti con gli obiettivi e riducono l’utilizzo non necessario.
Una strategia promettente per aumentare l’ACP e le cure palliative consiste nell’identificare i pazienti a rischio di mortalità in una fase precoce del decorso della malattia, al fine di indirizzare questi servizi.
Gli algoritmi di machine learning (ML) sono stati utilizzati in vari settori, inclusa la medicina, per prevedere con precisione il rischio di esiti avversi e indirizzare le risorse iniziali.
È stato dimostrato che le “collaborazioni uomo-macchina” – sistemi che sfruttano sia il machine learning che l’intuizione umana – migliorano le previsioni e il processo decisionale in varie situazioni, ma non è noto se le collaborazioni uomo-macchina possano migliorare l’accuratezza prognostica e portare a maggiori e più precoci risultati. ACP e cure palliative.
In questo studio, abbiamo contattato un campione nazionale di oncologi medici e li abbiamo invitati a completare un sondaggio basato su vignette.
Il nostro obiettivo era esaminare l'associazione tra l'esposizione alle previsioni del rischio di mortalità per ML con l'accuratezza prognostica e il processo decisionale dei medici.
Abbiamo presentato una serie di sei vignette che descrivono tre scenari clinici specifici di un paziente con carcinoma polmonare non a piccole cellule (aNSCLC) avanzato che differiscono per età, sesso, performance status, storia di fumo, estensione della malattia, sintomi e stato molecolare.
Utilizzeremo queste indagini basate su vignette per esaminare l'associazione tra l'esposizione alle previsioni del rischio di mortalità per ML con l'accuratezza prognostica e il processo decisionale degli oncologi medici.
Panoramica dello studio
Tipo di studio
Osservativo
Iscrizione (Effettivo)
52
Contatti e Sedi
Questa sezione fornisce i recapiti di coloro che conducono lo studio e informazioni su dove viene condotto lo studio.
Luoghi di studio
-
-
Pennsylvania
-
Philadelphia, Pennsylvania, Stati Uniti, 19104
- Abramson Cancer Center of the University of Pennsylvania
-
-
Criteri di partecipazione
I ricercatori cercano persone che corrispondano a una certa descrizione, chiamata criteri di ammissibilità. Alcuni esempi di questi criteri sono le condizioni generali di salute di una persona o trattamenti precedenti.
Criteri di ammissibilità
Età idonea allo studio
- Bambino
- Adulto
- Adulto più anziano
Accetta volontari sani
No
Metodo di campionamento
Campione non probabilistico
Popolazione di studio
La popolazione dello studio era costituita da un campione di convenienza di oncologi medici che trattavano il cancro ai polmoni negli Stati Uniti.
Abbiamo reclutato medici oncologi tramite e-mail dirette ai contatti personali del Ricercatore principale (n=29); messaggi diretti tramite Doximity, un servizio di networking online per professionisti medici (n=17), utilizzando una "oncologia toracica"; e messaggi diretti tramite X (ex Twitter) (n=4).
Sono stati compiuti sforzi per campionare equamente da 4 regioni geografiche degli Stati Uniti (Nord-est, Sud, Midwest, Ovest).
Descrizione
Criterio di inclusione:
- Oncologi medici che curano il cancro ai polmoni
Criteri di esclusione:
- Oncologi medici che non visitano pazienti affetti da cancro ai polmoni
Piano di studio
Questa sezione fornisce i dettagli del piano di studio, compreso il modo in cui lo studio è progettato e ciò che lo studio sta misurando.
Come è strutturato lo studio?
Dettagli di progettazione
Coorti e interventi
Gruppo / Coorte |
Intervento / Trattamento |
|---|---|
|
1A2B3C
1. Intermedio; 1.A. Dipendente dal riferimento; 2. Povero; 2.B.
Prognosi assoluta; 3. Buono; 3.C.
Entrambi
|
Lo studio consisteva in un esperimento fattoriale online 3 × 3 che utilizzava uno strumento di sondaggio ospitato tramite Qualtrics che descriveva tre vignette di pazienti.
I tre casi di pazienti variavano in base a varie caratteristiche cliniche tra cui età, sesso, performance status, storia di fumo, estensione della malattia, sintomi e stato molecolare.
Ciascun paziente era affetto da carcinoma polmonare non a piccole cellule (aNSCLC) in stadio avanzato.
Ogni vignetta aveva due parti: la Parte 1 descriveva l'anamnesi di uno dei tre pazienti, dopo di che venivano valutate le stime prognostiche e il processo decisionale medico (cioè 1, 2, 3).
La Parte 2 è immediatamente seguita e descrive la stessa vignetta dello stesso paziente con l'aggiunta di informazioni provenienti da un ipotetico algoritmo predittivo ML (ad es.
A, B, C).
L'ordine delle vignette in ciascun sondaggio è stato randomizzato per quanto riguarda le strategie di presentazione per le previsioni del rischio riciclaggio, in modo che esistessero 6 versioni del sondaggio a cui ciascun partecipante è stato randomizzato.
|
|
1A 2C 3B
1. Intermedio; 1.A. Dipendente dal riferimento; 2. Povero; 2.C.
Entrambi; 3. Buono; 3.B.
Prognosi assoluta
|
Lo studio consisteva in un esperimento fattoriale online 3 × 3 che utilizzava uno strumento di sondaggio ospitato tramite Qualtrics che descriveva tre vignette di pazienti.
I tre casi di pazienti variavano in base a varie caratteristiche cliniche tra cui età, sesso, performance status, storia di fumo, estensione della malattia, sintomi e stato molecolare.
Ciascun paziente era affetto da carcinoma polmonare non a piccole cellule (aNSCLC) in stadio avanzato.
Ogni vignetta aveva due parti: la Parte 1 descriveva l'anamnesi di uno dei tre pazienti, dopo di che venivano valutate le stime prognostiche e il processo decisionale medico (cioè 1, 2, 3).
La Parte 2 è immediatamente seguita e descrive la stessa vignetta dello stesso paziente con l'aggiunta di informazioni provenienti da un ipotetico algoritmo predittivo ML (ad es.
A, B, C).
L'ordine delle vignette in ciascun sondaggio è stato randomizzato per quanto riguarda le strategie di presentazione per le previsioni del rischio riciclaggio, in modo che esistessero 6 versioni del sondaggio a cui ciascun partecipante è stato randomizzato.
|
|
1B 2A 3C
1. Intermedio; 1.B.
Assoluto; 2. Povero; 2.A. Dipendente dal riferimento; 3. Buono; 3.C.
Entrambi
|
Lo studio consisteva in un esperimento fattoriale online 3 × 3 che utilizzava uno strumento di sondaggio ospitato tramite Qualtrics che descriveva tre vignette di pazienti.
I tre casi di pazienti variavano in base a varie caratteristiche cliniche tra cui età, sesso, performance status, storia di fumo, estensione della malattia, sintomi e stato molecolare.
Ciascun paziente era affetto da carcinoma polmonare non a piccole cellule (aNSCLC) in stadio avanzato.
Ogni vignetta aveva due parti: la Parte 1 descriveva l'anamnesi di uno dei tre pazienti, dopo di che venivano valutate le stime prognostiche e il processo decisionale medico (cioè 1, 2, 3).
La Parte 2 è immediatamente seguita e descrive la stessa vignetta dello stesso paziente con l'aggiunta di informazioni provenienti da un ipotetico algoritmo predittivo ML (ad es.
A, B, C).
L'ordine delle vignette in ciascun sondaggio è stato randomizzato per quanto riguarda le strategie di presentazione per le previsioni del rischio riciclaggio, in modo che esistessero 6 versioni del sondaggio a cui ciascun partecipante è stato randomizzato.
|
|
1B 2C 3A
1. Intermedio; 1.B.
Assoluto; 2. Povero; 2.C.
Entrambi; 3. Buono; 3.A.
Dipendente dal riferimento
|
Lo studio consisteva in un esperimento fattoriale online 3 × 3 che utilizzava uno strumento di sondaggio ospitato tramite Qualtrics che descriveva tre vignette di pazienti.
I tre casi di pazienti variavano in base a varie caratteristiche cliniche tra cui età, sesso, performance status, storia di fumo, estensione della malattia, sintomi e stato molecolare.
Ciascun paziente era affetto da carcinoma polmonare non a piccole cellule (aNSCLC) in stadio avanzato.
Ogni vignetta aveva due parti: la Parte 1 descriveva l'anamnesi di uno dei tre pazienti, dopo di che venivano valutate le stime prognostiche e il processo decisionale medico (cioè 1, 2, 3).
La Parte 2 è immediatamente seguita e descrive la stessa vignetta dello stesso paziente con l'aggiunta di informazioni provenienti da un ipotetico algoritmo predittivo ML (ad es.
A, B, C).
L'ordine delle vignette in ciascun sondaggio è stato randomizzato per quanto riguarda le strategie di presentazione per le previsioni del rischio riciclaggio, in modo che esistessero 6 versioni del sondaggio a cui ciascun partecipante è stato randomizzato.
|
|
1C 2A 3B
1. Intermedio; 1.C.
Entrambi; 2. Povero; 2.A. Dipendente dal riferimento; 3. Buono; 3.B.
Assoluto
|
Lo studio consisteva in un esperimento fattoriale online 3 × 3 che utilizzava uno strumento di sondaggio ospitato tramite Qualtrics che descriveva tre vignette di pazienti.
I tre casi di pazienti variavano in base a varie caratteristiche cliniche tra cui età, sesso, performance status, storia di fumo, estensione della malattia, sintomi e stato molecolare.
Ciascun paziente era affetto da carcinoma polmonare non a piccole cellule (aNSCLC) in stadio avanzato.
Ogni vignetta aveva due parti: la Parte 1 descriveva l'anamnesi di uno dei tre pazienti, dopo di che venivano valutate le stime prognostiche e il processo decisionale medico (cioè 1, 2, 3).
La Parte 2 è immediatamente seguita e descrive la stessa vignetta dello stesso paziente con l'aggiunta di informazioni provenienti da un ipotetico algoritmo predittivo ML (ad es.
A, B, C).
L'ordine delle vignette in ciascun sondaggio è stato randomizzato per quanto riguarda le strategie di presentazione per le previsioni del rischio riciclaggio, in modo che esistessero 6 versioni del sondaggio a cui ciascun partecipante è stato randomizzato.
|
|
1C 2B 3A
1. Intermedio; 1.C.
Entrambi; 2. Povero; 2.B.
Assoluto; 3. Buono; 3.A.
Dipendente dal riferimento
|
Lo studio consisteva in un esperimento fattoriale online 3 × 3 che utilizzava uno strumento di sondaggio ospitato tramite Qualtrics che descriveva tre vignette di pazienti.
I tre casi di pazienti variavano in base a varie caratteristiche cliniche tra cui età, sesso, performance status, storia di fumo, estensione della malattia, sintomi e stato molecolare.
Ciascun paziente era affetto da carcinoma polmonare non a piccole cellule (aNSCLC) in stadio avanzato.
Ogni vignetta aveva due parti: la Parte 1 descriveva l'anamnesi di uno dei tre pazienti, dopo di che venivano valutate le stime prognostiche e il processo decisionale medico (cioè 1, 2, 3).
La Parte 2 è immediatamente seguita e descrive la stessa vignetta dello stesso paziente con l'aggiunta di informazioni provenienti da un ipotetico algoritmo predittivo ML (ad es.
A, B, C).
L'ordine delle vignette in ciascun sondaggio è stato randomizzato per quanto riguarda le strategie di presentazione per le previsioni del rischio riciclaggio, in modo che esistessero 6 versioni del sondaggio a cui ciascun partecipante è stato randomizzato.
|
Cosa sta misurando lo studio?
Misure di risultato primarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
Accuratezza prognostica valutata tramite sondaggio
Lasso di tempo: Fino a 3 mesi
|
Le stime prognostiche sono state misurate utilizzando due elementi somministrati dopo le Parti 1 e 2 di ciascuna delle 3 vignette:
Le prognosi accurate sono state definite se la stima dell'aspettativa di vita riportata rientrava nel 33% della stima LCPI, come modificata dopo i focus group. I partecipanti hanno risposto alla prima domanda in mesi e alla seconda domanda con una percentuale compresa tra 0 e 100%. |
Fino a 3 mesi
|
Misure di risultato secondarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
Decisioni anticipate sulla pianificazione dell'assistenza valutate tramite sondaggio
Lasso di tempo: Fino a 3 mesi
|
Il processo decisionale ACP è stato valutato utilizzando il seguente item somministrato dopo le Parti 1 e 2 di ciascuna delle 3 vignette: 1) Avresti una discussione sulla pianificazione anticipata delle cure a questo punto del decorso della sua malattia? Ogni domanda è stata resa operativa come una risposta Sì/No ed è stata seguita da una casella di risposta libera che chiedeva: "Condividi il motivo di questa decisione". |
Fino a 3 mesi
|
|
Riferimento alle cure palliative valutato tramite sondaggio
Lasso di tempo: Fino a 3 mesi
|
L'invio alle cure palliative è stato valutato utilizzando il seguente item somministrato dopo le Parti 1 e 2 di ciascuna delle 3 vignette: 1) Lo indirizzerebbe a uno specialista in cure palliative a questo punto del decorso della sua malattia? Ogni domanda è stata resa operativa come una risposta Sì/No ed è stata seguita da una casella di risposta libera che chiedeva: "Condividi il motivo di questa decisione". |
Fino a 3 mesi
|
Collaboratori e investigatori
Qui è dove troverai le persone e le organizzazioni coinvolte in questo studio.
Studiare le date dei record
Queste date tengono traccia dell'avanzamento della registrazione dello studio e dell'invio dei risultati di sintesi a ClinicalTrials.gov. I record degli studi e i risultati riportati vengono esaminati dalla National Library of Medicine (NLM) per assicurarsi che soddisfino specifici standard di controllo della qualità prima di essere pubblicati sul sito Web pubblico.
Studia le date principali
Inizio studio (Effettivo)
13 marzo 2023
Completamento primario (Effettivo)
31 luglio 2023
Completamento dello studio (Effettivo)
31 dicembre 2023
Date di iscrizione allo studio
Primo inviato
30 aprile 2024
Primo inviato che soddisfa i criteri di controllo qualità
12 giugno 2024
Primo Inserito (Effettivo)
18 giugno 2024
Aggiornamenti dei record di studio
Ultimo aggiornamento pubblicato (Stimato)
21 novembre 2024
Ultimo aggiornamento inviato che soddisfa i criteri QC
20 novembre 2024
Ultimo verificato
1 novembre 2024
Maggiori informazioni
Termini relativi a questo studio
Termini MeSH pertinenti aggiuntivi
Altri numeri di identificazione dello studio
- UPCC 10524
- 850382 (Altro identificatore: Penn IRB)
Piano per i dati dei singoli partecipanti (IPD)
Hai intenzione di condividere i dati dei singoli partecipanti (IPD)?
NO
Informazioni su farmaci e dispositivi, documenti di studio
Studia un prodotto farmaceutico regolamentato dalla FDA degli Stati Uniti
No
Studia un dispositivo regolamentato dalla FDA degli Stati Uniti
No
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 .