機械学習によるがん患者の疼痛評価 (PASCALE) (PASCALE)
がん患者の自動疼痛評価のための在宅遠隔医療: データセットの作成と機械学習アルゴリズムの開発
調査の概要
状態
状態
詳細な説明
研究の全期間中、患者は自宅でIstituto Nazionale Tumori、Fondazione Pascaleの早期緩和ケアおよび同時ケア外来チームのケアを受けます。 疼痛およびその他の症状は、優れた臨床実践に従って管理され、患者は日常的な医療に同意して支援を受けます。
次のデバイスが使用されます。
- ソフトウェア
- 計装
- 臨床評価ツール: 欧州がん研究治療機構の生活の質アンケート コア 30 (EORTC QLQ-C30)、毎日の痛みの日記、0 ~ 10 の数値評価尺度 (NRS)。
このプロジェクトは 3 つの主要なワーク パッケージ (WP) に分けられ、それぞれが取得 (WP1)、患者データ収集キャンペーン (WP2)、および自動疼痛認識のための機械学習アルゴリズムの開発をサポートする IT インフラストラクチャの作成に専念します。 (WP3)。 デバイスの適用と正しい機能の検証は、研究に関与する IT スタッフによって患者の自宅で行われます。
WP1 - システムは 3 つの主要コンポーネントで構成されています。データベースが接続されたサーバー、生理学的信号取得デバイスからのデータ取得の管理も担当するモバイル デバイス用のアプリケーション、および臨床スタッフが進行状況を監視するために使用するデスクトップ アプリケーションです。データ収集の。
モバイル アプリケーションには、患者と直接やり取りし、ウェアラブル デバイスから生体認証データを取得する役割があります。 具体的には、次の信号が取得されます: 心拍数、体温、非侵襲的血圧、電気皮膚反応 (GSR)。 心拍数はウェアラブル デバイス (Garmin Vivosmart 4) を介して取得され、体温、非侵襲的血圧、および GSR は外部デバイス (BITalino プラットフォーム) によって取得されます。アルゴリズムが痛みの検出を処理するため、患者には QoL アンケート (EORTC QLQ-C30) も与えられます。
データのグラウンド トゥルースを取得するために、患者は、日中の特定の時間間隔で、および急性の痛みのエピソードの場合の両方で、痛みのレベルに関するフィードバックを提供するよう求められます。 このフィードバックは、NRS およびマルチメディア戦略 (ビデオなど) に基づく場合があります。 患者は毎日の痛み日記に記入します。
WP2 - キャンペーンには、IT インフラストラクチャのテストを目的とした予備取得フェーズが含まれます。 適切な被験者間および被験者内の変動性を得るには、少なくとも 40 人の患者を登録し、10 ~ 14 日間のデータを取得する必要があります。 したがって、データ収集キャンペーンは約 6 か月間実施されます。 各被験者は、モバイル アプリケーションとセンサーを 2 週間使用します。 データは、データ収集バンドル (アプリケーション、センサー、および任意のモバイル デバイス) を同時に使用して取得されます。 登録時および終了時に、EORTC QLQ-C30 が投与されます。
WP3 - 目的は、患者が知覚する痛みのレベルを予測できるアルゴリズムの開発です。 かなりの量のラベル付きデータが利用可能であるため、システムは例から学習します。
研究の種類
研究の種類
入学 (推定)
入学
連絡先と場所
研究連絡先
研究連絡先
- 名前:Marco Cascella, MD
- 電話番号:+39 0815903508
- メール:m.cascella@istitutotumori.na.it
研究連絡先のバックアップ
- 名前:Arturo Cuomo, MD
- 電話番号:+39 0815903508
- メール:a.cuomo@istitutotumori.na.it
研究場所
-
-
Campania
-
Naples、Campania、イタリア、80131
- 募集
- National Cancer Institute of Naples
-
コンタクト:
- Marco Cascella, MD
- 電話番号:+39 0815903508
- メール:m.cascella@istitutotumori.na.it
-
コンタクト:
- Arturo Cuomo, MD
- 電話番号:+39 0815903508
- メール:a.cuomo@istitutotumori.na.it
-
Napoli、Campania、イタリア
- まだ募集していません
- A.O.U. Federico II
-
コンタクト:
- Francesco Cutugno, PhD
- 電話番号:+39 081679191
- メール:francesco.cutugno@unina.it
-
-
参加基準
適格基準
適格基準
就学可能な年齢
健康ボランティアの受け入れ
サンプリング方法
調査対象母集団
説明
包含基準:
- 18歳以上の患者
- -進行がん疾患と診断され、平均余命が1年以下の在宅ケア患者
- がんの痛みで治療を受けている患者さん
- ご同意いただいた患者様
除外基準:
- 18歳未満の患者
- -インフォームドコンセントフォームに署名する意思がある(読み書きができない)
- 認知障害(例: アルツハイマー病または老人性認知症)
研究計画
研究はどのように設計されていますか?
デザインの詳細
- 観測モデル:コホート
- 時間の展望:見込みのある
この研究は何を測定していますか?
主要な結果の測定
主要な結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
がん患者の痛みのレベルを予測するのに役立つ機械学習アルゴリズムを開発する。臨床データと痛みの特徴を含むデータベースが取得されます。
時間枠:最長2週間
|
臨床データ: 心拍数 (1 分あたりの拍数、bpm)
|
最長2週間
|
|
がん患者の痛みのレベルを予測するのに役立つ機械学習アルゴリズムを開発する。臨床データと痛みの特徴を含むデータベースが取得されます。
時間枠:患者の痛みが悪化するたびに、最大 2 週間
|
臨床データ: 体温 (摂氏、°C) 患者は提供されたデバイス (BITalino) を使用します。
|
患者の痛みが悪化するたびに、最大 2 週間
|
|
がん患者の痛みのレベルを予測するのに役立つ機械学習アルゴリズムを開発する。臨床データと痛みの特徴を含むデータベースが取得されます。
時間枠:患者の痛みが悪化するたびに、最大 2 週間
|
臨床データ: 非侵襲的血圧 (mmHg)。
患者は提供されたデバイス (BITalino) を使用します。
|
患者の痛みが悪化するたびに、最大 2 週間
|
|
がん患者の痛みのレベルを予測するのに役立つ機械学習アルゴリズムを開発する。臨床データと痛みの特徴を含むデータベースが取得されます。
時間枠:患者の痛みが悪化するたびに、最大 2 週間
|
臨床データ: 電気皮膚反応 (GSR) は、感情状態の強さを反映する汗腺活動の変化を指します。 患者は提供されたデバイス (BITalino) を使用します。 |
患者の痛みが悪化するたびに、最大 2 週間
|
|
がん患者の痛みのレベルを予測するのに役立つ機械学習アルゴリズムを開発する。臨床データと痛みの特徴を含むデータベースが取得されます。
時間枠:患者の痛みが悪化するたびに、最大 2 週間
|
痛みの特徴: 毎日のペインダイアリーが使用されます。 タイプ: 痛みの感じ方 (例: 鋭い、痛み、ヒリヒリする、チクチクする)。 |
患者の痛みが悪化するたびに、最大 2 週間
|
|
がん患者の痛みのレベルを予測するのに役立つ機械学習アルゴリズムを開発する。臨床データと痛みの特徴を含むデータベースが取得されます。
時間枠:患者の痛みが悪化するたびに、最大 2 週間
|
痛みの特徴: 毎日のペインダイアリーが使用されます。 程度: 0 ~ 10 の数値評価尺度 (NRS) で、0 は痛みがなく、10 は想像できる最悪の痛みです。 |
患者の痛みが悪化するたびに、最大 2 週間
|
|
がん患者の痛みのレベルを予測するのに役立つ機械学習アルゴリズムを開発する。臨床データと痛みの特徴を含むデータベースが取得されます。
時間枠:患者の痛みが悪化するたびに、最大 2 週間
|
痛みの特徴: 毎日のペインダイアリーが使用されます。 期間 (分、時間、日)。 |
患者の痛みが悪化するたびに、最大 2 週間
|
|
がん患者の痛みのレベルを予測するのに役立つ機械学習アルゴリズムを開発する。臨床データと痛みの特徴を含むデータベースが取得されます。
時間枠:患者の痛みが悪化するたびに、最大 2 週間
|
痛みの特徴: 毎日のペインダイアリーが使用されます。 沈殿要因。 |
患者の痛みが悪化するたびに、最大 2 週間
|
|
がん患者の痛みのレベルを予測するのに役立つ機械学習アルゴリズムを開発する。臨床データと痛みの特徴を含むデータベースが取得されます。
時間枠:患者の痛みが悪化するたびに、最大 2 週間
|
痛みの特徴: 毎日のペインダイアリーが使用されます。 使用した薬の名前と量、服用した時間。 |
患者の痛みが悪化するたびに、最大 2 週間
|
二次結果の測定
二次結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
EORTC QLQ-C30アンケートによって評価された患者の生活の質。
時間枠:観察開始時と観察終了時、最大2週間
|
欧州がん研究治療機構 (EORTC) QLQ-C30 アンケートによる患者の生活の質 (QoL)。
0 から 100 までのメトリックでスコア付けされます。
スコアが高いほど、結果が良いことを意味します。
|
観察開始時と観察終了時、最大2週間
|
協力者と研究者
協力者
協力者
捜査官
捜査官
- 主任研究者:Marco Cascella, MD、Anesthesia and Pain Medicine. Istituto Nazionale Tumori - IRCCS Fondazione Pascale - Napoli, Italy
- 主任研究者:Arturo Cuomo, MD、Anesthesia and Pain Medicine. Istituto Nazionale Tumori - IRCCS Fondazione Pascale - Napoli, Italy
出版物と役立つリンク
一般刊行物
- Reis-Pina P, Lawlor PG, Barbosa A. Adequacy of cancer-related pain management and predictors of undertreatment at referral to a pain clinic. J Pain Res. 2017 Aug 31;10:2097-2107. doi: 10.2147/JPR.S139715. eCollection 2017.
- Adamse C, Dekker-Van Weering MG, van Etten-Jamaludin FS, Stuiver MM. The effectiveness of exercise-based telemedicine on pain, physical activity and quality of life in the treatment of chronic pain: A systematic review. J Telemed Telecare. 2018 Sep;24(8):511-526. doi: 10.1177/1357633X17716576. Epub 2017 Jul 11.
- Sirintrapun SJ, Lopez AM. Telemedicine in Cancer Care. Am Soc Clin Oncol Educ Book. 2018 May 23;38:540-545. doi: 10.1200/EDBK_200141.
- Aung MSH, Kaltwang S, Romera-Paredes B, Martinez B, Singh A, Cella M, Valstar M, Meng H, Kemp A, Shafizadeh M, Elkins AC, Kanakam N, de Rothschild A, Tyler N, Watson PJ, de C Williams AC, Pantic M, Bianchi-Berthouze N. The Automatic Detection of Chronic Pain-Related Expression: Requirements, Challenges and the Multimodal EmoPain Dataset. IEEE Trans Affect Comput. 2016 Oct-Dec;7(4):435-451. doi: 10.1109/TAFFC.2015.2462830. Epub 2015 Jul 30.
- Gruss S, Geiger M, Werner P, Wilhelm O, Traue HC, Al-Hamadi A, Walter S. Multi-Modal Signals for Analyzing Pain Responses to Thermal and Electrical Stimuli. J Vis Exp. 2019 Apr 5;(146). doi: 10.3791/59057.
- Pfeifer AC, Uddin R, Schroder-Pfeifer P, Holl F, Swoboda W, Schiltenwolf M. Mobile Application-Based Interventions for Chronic Pain Patients: A Systematic Review and Meta-Analysis of Effectiveness. J Clin Med. 2020 Nov 5;9(11):3557. doi: 10.3390/jcm9113557.
- Cuomo A, Bimonte S, Forte CA, Botti G, Cascella M. Multimodal approaches and tailored therapies for pain management: the trolley analgesic model. J Pain Res. 2019 Feb 19;12:711-714. doi: 10.2147/JPR.S178910. eCollection 2019.
- Rashidi P, Edwards DA, Tighe PJ. Primer on machine learning: utilization of large data set analyses to individualize pain management. Curr Opin Anaesthesiol. 2019 Oct;32(5):653-660. doi: 10.1097/ACO.0000000000000779.
- Dawes TR, Eden-Green B, Rosten C, Giles J, Governo R, Marcelline F, Nduka C. Objectively measuring pain using facial expression: is the technology finally ready? Pain Manag. 2018 Mar;8(2):105-113. doi: 10.2217/pmt-2017-0049. Epub 2018 Feb 22.
研究記録日
主要日程の研究
研究開始 (実際)
研究開始
一次修了 (実際)
一次修了
研究の完了 (推定)
研究の完了
試験登録日
最初に提出
最初に提出
QC基準を満たした最初の提出物
QC基準を満たした最初の提出物
最初の投稿 (実際)
最初の投稿
学習記録の更新
投稿された最後の更新 (実際)
投稿された最後の更新
QC基準を満たした最後の更新が送信されました
QC基準を満たした最後の更新が送信されました
最終確認日
最終確認日
詳しくは
本研究に関する用語
その他の研究ID番号
その他の研究ID番号
- 41/20 oss
個々の参加者データ (IPD) の計画
個々の参加者データ (IPD) を共有する予定はありますか?
IPD プランの説明
医薬品およびデバイス情報、研究文書
米国FDA規制医薬品の研究
米国FDA規制機器製品の研究
米国で製造され、米国から輸出された製品。
この情報は、Web サイト clinicaltrials.gov から変更なしで直接取得したものです。研究の詳細を変更、削除、または更新するリクエストがある場合は、register@clinicaltrials.gov。 までご連絡ください。 clinicaltrials.gov に変更が加えられるとすぐに、ウェブサイトでも自動的に更新されます。