- ICH GCP
- 미국 임상 시험 레지스트리
- 임상시험 NCT06092918
외부 방사선요법으로 치료된 국소 전립선암에 대한 예측 모델의 생성 및 검증.
외부 방사선요법으로 치료된 국소 전립선암에 대한 예측 모델의 생성 및 검증
방사선 치료에서 예측 모델의 생성이 크게 증가했습니다. 2017년에 Raymond는 방사선 요법으로 치료받은 국소 전립선암 환자의 생화학적 재발(BR), 무전이 생존 및 전체 생존에 대한 예측 예후 모델에 대한 최대 규모의 체계적 검토를 발표했으며(14), 이러한 모델이 적절하게 개발되었고, 검증되었습니다.
그는 외부 방사선 요법에 대한 72개의 고유한 예측 모델을 발견했습니다. 22개는 BR 위험에 해당하고, 20개는 암 특정 생존에 해당하고, 10개는 전체 생존에 해당하고, 20개는 질병/전이 없는 생존 감지에 해당합니다. 그의 분석에서 그는 이러한 예측 모델의 품질이 TRIPOD 지침이 존재하기 전에 개발되었다는 점을 이해하면서 이러한 예측 모델의 품질에 상당한 변화가 있음을 강조했습니다.
이와 관련하여 그는 이러한 모델의 54%가 정확성을 보고하지 않았으며 모델의 61%는 검증(내부 또는 외부)이 부족하다는 점을 지적했습니다. 그는 또한 추적 관찰이 제한적이었고(단지 65%만이 5년 이상 추적 관찰함), 이 모델의 치료 선량이 현재 표준보다 낮았으며, 방사선 기술이 현재 관행과 다르다는 점을 지적했습니다. 최종 평가에서 Raymond는 예측 모델이 전문적인 평가보다 종양학적 결과를 예측하는 데 더 많은 확실성을 제공한다고 주장하지만, 이러한 모델을 사용하려는 각 인구 집단에 대해 이러한 모델을 검증하는 것이 중요하다고 생각합니다(이러한 모델의 대부분은 미국 인구를 기반으로 함). ) 또는 TRIPOD 지침을 준수하면서 지역 인구에 특정한 예측 모델을 생성하는 것이 더 좋습니다.
아마도 기존 예측 모델에 대한 환자의 검증이 부족하거나 인구 집단에서 유래한 예측 모델이 없기 때문에 일상적인 임상 실습(다학제적 종양학 위원회)에서 국소적 질환으로 진단받은 환자에게 예측 모델을 적용하지 않습니다. 전립선 암. 대신, 우리는 앞서 언급한 위험 계층화와 위원회에 속한 다양한 전문가의 전문 지식을 바탕으로 치료 결정을 내립니다.
연구 개요
상세 설명
본 연구의 일반적인 목적은 외부 방사선 치료를 받은 국소 전립선암 환자의 분석을 바탕으로 의학적 의사결정에 유용한 종양학적 결과와 방광 및 직장 독성에 대한 예측 모델을 개발하는 것입니다. 이 목표는 세 가지 구체적인 목표로 구분됩니다.
1) 생화학적 재발(BR) 확률, 무질병 또는 무전이 시간(DFT), 전체 생존(OS), 암 특정 생존(CSS)과 같은 종양학적 결과에 대한 예측 모델을 추정합니다.
2) 외부 방사선 치료를 받은 국소 전립선암 환자의 방광 및 직장 독성에 대한 예측 모델을 추정합니다.
3) 이 모델을 기반으로 한 개별화된 의사결정 모델 구현의 타당성과 영향을 분석하고, 종양학 위원회 및 방사선 종양학의 초기(정보 제공) 방문에서 구현을 분석합니다.
가설**:
- 개발된 예측 모델은 적절한 예측 값을 갖게 됩니다.
- 방사선 종양학 서비스의 국소 전립선암에 대한 다른 공유 의사 결정 방법과 모델을 검증하고 비교합니다.
- 전문가와 환자는 방사선 종양학에서 환자와 의사결정을 공유하기 위해 이러한 유형의 모델을 사용하는 데 적절한 만족감을 보일 것입니다.
- 방법**:
본 연구는 실행 단계로 구분됩니다.
- 2014년 1월부터 2019년 12월까지 국소 전립선암 진단을 받고 외부 방사선 치료를 받은 환자 400명을 후향적으로 분석했습니다. 다양한 종양학적 결과와 생성된 독성을 평가하기 위해 모집단에 대한 하위 분석이 수행되며, 특히 기술 변수가 정당화할 수 있는 차이점을 구별하는 데 중점을 둡니다.
- 치료 종양학적 결과와 방광 및 직장 독성에 대한 예측 모델의 생성 및 검증. 모델 개발은 TRIPOD 지침을 따릅니다.
전립선 신생물로 진단받은 환자의 결정에 대한 만족도를 측정하기 위해 검증된 설문지를 적용할 환자 의사 결정에서 모델 구현 분석(15). 예측 모델은 다양한 결과 시나리오를 기반으로 치료 옵션이 제시될 30명의 환자를 대상으로 한 파일럿 연구를 통해 적용될 예정입니다. 설문지는 제공된 정보의 일부로 예측 모델의 사용을 평가하기 위해 방사선 종양학을 처음 방문한 후에 실시됩니다. 이 설문지는 전립선암에 대한 환자의 지식 향상, 개인적인 가치의 명확성, 결정 효율성 및 결정에 대한 불확실성의 감소를 평가합니다.
- 통계 분석**:
1단계: 연간 발생률은 종양학적 결과에 대한 계리적 방법을 사용하여 계산되며, 연간 사례 수를 치료 환자 100명당 위험에 처한 총 인년의 합으로 나눈 값입니다. 요율은 관련 사회인구통계학적 및 임상적 특성에 따라 계층화된 조율 및 연령 표준화 요율로 계산됩니다. 비율은 Kaplan-Meier 추정기를 사용하여 시간 경과에 따른 누적 발생률로 요약됩니다. 예측 요인과 합병증 결과 사이의 개별 연관성은 이변량 이항 로지스틱 예측 모델을 사용하여 계산됩니다. 최적의 예측 시간은 다양한 시간-이벤트 컷오프 지점에서의 배당률 변화를 비교하여 추정됩니다.
2단계: 위험 예측 모델은 종양학적 결과 발생에 대한 예측 정확도를 최적화하기 위해 페널티 로지스틱 회귀 기술을 사용하여 구축됩니다. k-겹 검증을 사용하여 훈련 데이터의 하위 집합에 대해 모델 개발이 수행되고, 재보정된 알고리즘을 사용하여 진단 예측이 계산됩니다. 예측 모델의 성능은 수신기 작동 특성 곡선 아래 면적과 다양한 컷오프 지점(최대 위험에 처한 환자의 백분율, 양성 및 음성 예측 값의 최대화, F-점수)에 대한 기타 정확도 측정값을 계산하여 평가됩니다.
3단계: 예측 모델이 30명의 새로운 환자에게 적용됩니다. 제공된 정보에 대한 평균 만족도는 설문지 결과를 사용하여 추정됩니다. 정보 수신 전후의 불확실성 변화는 대응표본 t-검정을 사용하여 평가됩니다.
연구 유형
등록 (실제)
참여기준
자격 기준
공부할 수 있는 나이
- 성인
- 고령자
건강한 자원 봉사자를 받아들입니다
샘플링 방법
연구 인구
설명
포함 기준:
조직검사를 통한 전립선 선암종의 조직학적 확인. ECOG(Eastern Cooperative Oncology Group) 성과 상태 점수 <2. 서명된 사전 동의서.
제외 기준:
영상 연구(CT 스캔, 뼈 스캔, MRI)를 기반으로 전립선암에서 영향을 받은 림프절 또는 확인된 전이성 질환(뼈 또는 림프절).
항응고제 요법, 항혈소판 요법의 개별 평가. 이전 골반 방사선 치료. 전립선암 수술 전. 크론병 또는 궤양성 대장염의 개인 병력.
공부 계획
연구는 어떻게 설계됩니까?
디자인 세부사항
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
PSA 최저치보다 2ng/ml 이상 증가한 생화학적 재발(BR)
기간: 5~10년
|
2ng/ml + 최저
|
5~10년
|
|
전체 생존(OS)
기간: 5~10년
|
진단부터 사망 또는 마지막 추적 관찰까지의 시간(개월)입니다.
|
5~10년
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
방광 및 직장의 2등급 독성
기간: 5~10년
|
부작용에 대한 공통 용어 기준(CTCAE 버전 4.03)에 따른 방광 및 직장의 2등급 독성.
|
5~10년
|
공동 작업자 및 조사자
연구 기록 날짜
연구 주요 날짜
연구 시작
기본 완료 (실제)
연구 완료 (실제)
연구 등록 날짜
최초 제출
QC 기준을 충족하는 최초 제출
처음 게시됨 (실제)
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
QC 기준을 충족하는 마지막 업데이트 제출
마지막으로 확인됨
추가 정보
이 연구와 관련된 용어
추가 관련 MeSH 약관
기타 연구 ID 번호
- NOMPROST-1
개별 참가자 데이터(IPD) 계획
개별 참가자 데이터(IPD)를 공유할 계획입니까?
약물 및 장치 정보, 연구 문서
미국 FDA 규제 의약품 연구
미국 FDA 규제 기기 제품 연구
이 정보는 변경 없이 clinicaltrials.gov 웹사이트에서 직접 가져온 것입니다. 귀하의 연구 세부 정보를 변경, 제거 또는 업데이트하도록 요청하는 경우 register@clinicaltrials.gov. 문의하십시오. 변경 사항이 clinicaltrials.gov에 구현되는 즉시 저희 웹사이트에도 자동으로 업데이트됩니다. .