암에 걸린 십대를 위한 효과적인 완화/임종 관리에 대한 증거 구축 (FACE-TC)

연구자들은 개입 후 18개월 동안 주요 측정 가능한 결과에 대한 FACE-TC의 효능을 테스트하기 위해 전향적, 종단, 2군 RCT를 제안합니다. 암이 있는 청소년과 그 가족으로 구성된 한 쌍(N=130쌍, 피험자 260명)이 등록되고 FACE-TC 개입 또는 평소와 같은 치료(TAU) 대조군에 2:1[N=87]의 비율로 무작위 배정됩니다. FACE-TC 다이애드 및 N=43 TAU 제어 다이애드]. 조사관은 개입 후 18개월 평가에서 30% 감소를 추정합니다(사망/합병증으로 인한 20%-25% 및 탈락으로 인한 10%). 130개의 무작위 dyad(대상자 N=260명)의 원래 샘플 중에서 조사자는 조사자가 91쌍(N=182명의 대상자)에 대한 개입 후 18개월에 전체 종적 데이터를 갖게 될 것으로 추정합니다. 참가자는 Akron Children's Hospital, St. Jude Children's Research Hospital 및 University of Minnesota Masonic Children's Hospital 소아 종양학 프로그램에서 모집됩니다. 참가자는 서면 동의/동의를 받게 됩니다. 적격 참가자가 등록되고 기준 평가를 완료한 후 무작위 배정됩니다. 무작위화는 dyad 수준에서 이루어집니다. 할당은 편견을 방지하기 위해 RA-Assessor에게 숨겨집니다. 연구 사이트에 의한 블록 무작위화는 사이트 차이를 제어할 것입니다. 개입 및 통제 조건: 커리큘럼 기반 FACE-TC는 다음으로 구성됩니다. 세션 1 ACP 설문 조사; 세션 2 선택 존중 인터뷰; 및 세션 3 다섯 가지 소원 사전 지시서. 아픈 청소년의 부담을 최소화하기 위해 조사관은 평소와 같은 비교 조건으로 치료를 선택했습니다. 이 그룹에는 사전 치료 계획 소책자/정보만 제공됩니다. 평가는 기준선과 개입 후 3, 6, 12, 18개월에 발생합니다. 각 사이트에서 평가 및 중재는 사이트 공동 조사관과 2명의 연구 보조원(RA)(RA-평가자 및 RA-중재자)으로 구성된 연구팀에 의해 관리됩니다.방문 프로토콜: 스크리닝 방문: RA-평가자는 암에 걸린 청소년과 가족에게 연구를 설명하는 정보 시트를 제공하고 그들이 등록 자격이 있는지에 대한 초기 평가를 수행합니다. 동의/승인 후 포함/제외 기준에 대한 추가 심사가 수행됩니다. 기준선 방문: 등록 시 및 무작위화 전에 기준선 측정값을 얻습니다. RA-Assessor가 기준선 데이터를 입력하면 무작위로 순열된 블록 디자인과 연구 사이트별 2:1 비율을 사용하여 FACE-TC 중재 또는 TAU 대조군으로 환자/가족 dyad의 컴퓨터 무작위화를 트리거합니다. 어린이 국가 임상 코디네이터는 다음 연구 방문 일정을 잡을 RA 중재자에게 알릴 것입니다. 청소년과 가족은 RA-Interventionist가 학습 세션을 예약하기 위해 전화를 걸 때 할당을 배우게 됩니다. 출석은 FACE-TC의 전체 참여와 부분 참여의 효과를 평가하기 위해 기록됩니다. 후속 방문: RA-Assessor는 개입 후 3, 6, 12 및 18개월에 청소년과 가족으로부터 후속 조치를 얻을 것입니다.

사이트 Co-I는 사이트 활동을 감독하고 매주 RA를 직접 대면하여 감독합니다. 그들은 모집, 유지, 안전, 의정서에 대한 충실도, RA의 감독 및 지원을 담당합니다. RA는 모집, 선별, 등록 및 기준선 선별 조치 수집은 물론 일상적인 기능을 지원할 것입니다. RA는 무작위 할당에 대해 눈이 멀게 됩니다. RA-Interventionists는 프로토콜을 구현하도록 훈련됩니다. RA-Assessor만이 무작위 배정 후 평가를 관리할 수 있습니다. Children's National은 데이터 조정 센터 역할을 하며 데이터베이스 설계 및 유지 관리와 통계 분석을 담당합니다. 현장은 안전 모니터링 위원회(SMC)에서 감독합니다. 2일간의 조사자 회의가 워싱턴, 컬럼비아 특별구(DC)에서 열릴 것이며 모든 현장 Co-Is, RA-Assessors 및 컨설턴트를 포함할 것입니다. 프로토콜, 과학적 근거, 기본 윤리 문제, 채용 및 유지를 포함한 구현을 전체 팀과 함께 검토합니다. 1년차의 9월에는 RA-Interventionists 및 RA-Assessors의 개입에 대한 3일 교육 회의가 있을 것이며 사이트 Co-I도 참석할 것입니다. RA-Assessors는 실명을 유지하기 위해 이 교육에 하루만 참석합니다. 사이트 개시. 스크리닝/등록을 시작하려면 (1) 프로토콜이 각 사이트의 IRB(Institutional Review Board)에서 승인되어야 하고 모든 직원이 인간 피험자 연구 교육에서 인증을 받아야 하고, (2) 직원이 RA 역할을 위해 모집 및 교육을 받아야 합니다. 각 RA-Interventionist는 Next Steps-ACP 촉진자로서 인증을 완료해야 합니다. Lyon 박사와 연구 코디네이터는 검사, 등록, 일정 수립, 평가 수행, 개입 관리 및 데이터 수집의 물류를 위한 모든 구성 요소가 현장에 있는지 확인합니다. 개입 및 평가에 대한 지속적인 품질을 보장하기 위해 모니터링이 계속됩니다. Dr. Lyon과 Ms. Briggs는 프로토콜의 충실도를 보장하기 위해 각 사이트의 개입 세션에 대한 처음 5개의 DVD/오디오 녹음을 검토할 것입니다. 그런 다음 사이트를 순환하면서 매주 DVD 1개를 무작위로 검토합니다. Dr. Lyon과 Ms. Briggs는 역량 체크리스트를 사용합니다. Lyon 박사와 연구 코디네이터는 진행 중인 사이트 IRB 승인 문서를 모니터링하고 연례 지속적인 검토에서 사이트를 지원합니다. 연구 코디네이터는 각 사이트의 동의 스탬프가 찍힌 템플릿과 직원의 인간 대상 연구 교육 승인 인증서를 포함하여 모든 규제 양식의 사본을 보관합니다. Lyon 박사와 연구 코디네이터는 절차의 표준화를 보장하고 확인된 모든 문제를 해결하기 위해 개입이 구현되는 동안 연간 2회 현장 모니터링 방문을 수행할 것입니다. 그들은 사이트에서 모든 동의가 적절하게 발생했으며 사이트가 모든 참가자 및 규제 데이터를 유지하고 있는지 검토하고 확인합니다. FACE-TC 파일럿의 REDCap 데이터베이스는 이 연구를 위해 업데이트 및 확장될 것이며 데이터 입력 시스템은 다중 사이트 구현을 처리하도록 수정될 것입니다. 데이터 사전이 생성됩니다. 외부 안전 모니터링 위원회(SMC)는 안전 정보, 연구 진행 및 기타 관련 데이터를 검토할 책임이 있는 Dr. Lyon이 구성합니다. SMC는 최소 1년에 한 번 모임을 갖습니다. 파라메트릭 테스트 전에 다중 항목 측정(예: 통증/피로, 아동 및 부모 심리적, 영적/종교적 측정)에 대한 척도 신뢰도를 Cronbach 알파를 사용하여 평가하고 복합 점수를 데이터 분석에 사용합니다. AIM 분석 계획 1. 치료 선호도에서 청소년-가족 일치에 대한 FACE-TC의 효능을 평가합니다. 의학적 치료에 대한 의사 결정의 일치 여부는 4가지 암 관련 상황에서 치료 선호 진술에 대한 동의(즉, 환자와 가족 모두 동일한 옵션을 선택)를 기반으로 테스트됩니다. 카파 계수는 환자와 가족 반응 사이의 우연 조정된 합의를 평가하기 위해 적용될 것입니다. 연구 기간 동안 기준선에서 각 후속 시점까지의 카파 계수(합동 개선)의 변화는 부트스트래핑 기술을 사용하여 테스트됩니다. 범주형 결과가 포함된 잠재 성장 모델(LGM)은 가설 H1a를 테스트하는 데 사용됩니다. 즉, FACE-TC 참가자는 시간이 지남에 따라 일치율이 더 높아집니다. LGM에서 조사관은 식별 목적을 제외하고 시간 점수를 데이터에 의해 결정되는 성장 궤적의 모양을 허용하는 자유 매개변수로 설정합니다. 이와 같이 합동 발달 궤적은 선형 또는 비선형 다항식 함수를 가정하는 대신 경험적으로 기반한 비선형 모양을 가질 것입니다. 조사관은 성장 혼합 모델(GMM)을 적용하여 일치 발달 궤적의 이질성을 테스트하고 전체 샘플에서 발달 궤적에서 가능한 일치 패턴을 식별합니다. GMM에서 추정된 잠재 클래스 변수는 합동 개발 궤적의 패턴을 포착합니다. 시불변 공변량은 잠재 궤적 그룹의 구성원을 예측하는 데 사용됩니다. 시간에 따라 변하는 공변량이 포함되어 서로 다른 시점에서 합동 수준을 예측합니다. 가설 H1b를 테스트하기 위해 조사관은 FACE-TC 개입에 대한 잠재 성장 기울기 인자와 잠재 클래스 변수를 회귀하여 GMM의 공변량을 제어하여 1) FACE-TC가 합치 발달의 잠재 클래스 구성원에 미치는 영향을 평가합니다. ; 2) 시간 경과에 따른 합동 변화에 대한 FACE-TC의 효과가 잠재 궤적 클래스에 따라 어떻게 다른지. AIM에 대한 분석 계획 2. AYA 삶의 질 및 가족 QOL에 대한 FACE-TC의 효능을 평가합니다. 목표 1을 평가하기 위해 제안된 LGM 및 GMM 모델은 목표 2를 평가하고 결과 측정이 연속 변수인 가설 H2를 테스트하는 데 쉽게 적용할 수 있습니다. 암이 있는 AYA와 그 가족의 QOL에 대한 FACE-TC의 효과를 조사할 때 사회 인구 통계학은 시불변 공변량으로 제어되는 반면 시변 공변량은 다른 시점에서 QOL 측정을 예측하기 위해 모델에 포함됩니다. . 또한, 연구 기간이 끝날 때 측정된 가족 간병인 평가/우울증은 GMM 모델의 원위부 결과로 포함되며, 이 원위부 결과가 AYA QOL의 발달 궤적 패턴과 어떻게 연관되는지 평가됩니다. 동일한 모델이 여러 결과를 평가하는 데 사용되므로 잘못된 발견에 대한 엄격한 제어를 위해 Bonferroni 보정이 적용됩니다. 종단 연구에서는 감소가 불가피하므로 전체 정보 최대 우도를 사용하는 강력한 모델 추정기(예: MLR)가 모델 추정에 사용됩니다. 중요한 것은 MAR(missing at random)이 MLR에서 완전히 무작위로 누락되는 것이 아니라 가정될 수 있다는 것입니다. MAR은 누락이 개입 할당과 같은 관찰된 측정에 의존하도록 허용하는 그럴듯한 가정입니다. AIM에 대한 분석 계획 3. pACP 치료 목표 및 사전 지시서의 조기 완료에 대한 FACE-TC의 효능을 평가합니다. 먼저 조사관은 2 비율 z-테스트를 ​​사용하여 FACE-TC와 대조군 사이의 pACP 치료 목표 및 사전 지시서 완료 비율의 차이를 테스트합니다. 그런 다음 로지스틱 회귀 분석을 사용하여 사회 인구 통계를 통제하는 가설 H3을 테스트합니다. 개입과 민족 간의 상호 작용은 개입 효능과 관련하여 인종적 차이를 테스트하기 위한 모델에 포함될 것입니다. 조사관은 또한 FACE-TC가 환자의 치료 목표와 사망할 수 있는 청소년 중 EOL에서 받는 의료 치료 사이의 일치를 개선하는지 조사할 것입니다. 기술 통계는 연구 변수의 빈도를 추정하는 데 사용됩니다. FACE-TC와 컨트롤 사이의 일치 차이를 평가하기 위해 Fisher Exact 테스트를 사용한 카이 제곱 통계가 사용됩니다. 정확한 로지스틱 회귀 분석을 적용하여 공변량을 제어하여 이러한 일치에 대한 FACE-TC의 효과를 조사합니다. 중간 관찰 자기상관(p=0.20) 및 중간 효과 크기(델타=0.35)가 있는 연속 결과의 경우, =0.05 수준에서 검정력 0.80을 달성하고 적당한 효과 크기(델타=0.35)를 감지하기 위한 추정 표본 크기 5개의 관찰 시점 각각에서 약 N=76 개체입니다. 이항 결과의 경우, N=70의 표본 크기는 p=0.20일 때 d=0.17의 적당한 응답 확률 차이를 감지하기 위해 0.80의 검정력을 달성할 수 있습니다. 우리가 제안한 N=130 dyad 샘플은 각각 환자 데이터와 부모 데이터에 대해 제안된 종단 분석에 대해 충분히 큰 통계적 검정력을 보장합니다. 목표 3을 평가하기 위해 제안된 횡단면 로지스틱 회귀 모델의 경우 샘플 크기 N=100은 승산비 4를 탐지하기 위해 알파=0.05 수준에서 0.83의 검정력을 달성합니다.