- ICH GCP
- 미국 임상 시험 레지스트리
- 임상시험 NCT06161181
전이성 유방암 환자의 치료 순응도 향상: 연구 프로토콜
배경: 새로운 증거에 따르면 MBC 환자와 같은 진행성 암 환자는 종종 경구 항암 치료에 상당한 수준의 비순응성을 나타냅니다. 임상 실습에서 기계 학습 모델을 활용하면 개별 환자의 복약 준수에 대한 맞춤형 예측을 제공할 수 있으므로 복약 준수를 지원하고 표적 개입을 촉진할 수 있습니다.
목표: 현재 프로토콜은 MBC 환자 표본 내에서 경구 항암 치료 준수를 촉진하는 데 있어 DSS, TREAT(TREatment Adherence SupporT)라는 웹 기반 솔루션, 기계 학습 웹 애플리케이션의 효능을 평가하는 것을 목표로 합니다.
방법 및 설계: 이 프로토콜은 "전이성 유방암 환자의 치료 순응도 향상"(추적 번호 65080791)이라는 제목의 프로젝트의 일부입니다. 100명의 MBC 환자 샘플이 연속적으로 등록되어 유럽 종양학 연구소의 의료 세놀로지 부서에 입원합니다. 50명의 MBC 환자는 3개월 동안 DSS를 받고(실험군), 중재를 받지 않은 50명의 MBC 환자는 표준 의학적 조언을 받았습니다(대조군). 프로토콜은 T1(1개월), T2(2개월) 및 T3(3개월)의 세 가지 평가 시점을 예상합니다. 각 시점에서 참가자는 순응도, 임상적, 심리적, 삶의 질 변수를 평가하는 일련의 자체 보고서를 작성합니다.
결론: 우리의 결과는 MBC 환자의 경구 항암 치료 순응도를 높이는 데 있어 DSS 및 위험 예측 모델의 효과에 대해 알려줄 것입니다.
연구 개요
상세 설명
전이성 유방암(MBC)은 약리학적 개입이 질병 진행을 지연시키고 증상을 완화시켜 생존율을 연장하고 삶의 질(QoL)과 심리적 웰빙을 보존하는 불치병을 나타냅니다. 항암 치료의 임상적 발전으로 MBC 환자의 생존율이 눈에 띄게 증가했습니다. 그러나 특히 경구 항암 치료(OAT)의 맥락에서 약물 준수가 유방암 환자의 질병 궤적에서 중요한 문제라는 증거가 늘어나고 있습니다. 새로운 증거에 따르면 MBC 환자와 같은 진행성 암 환자는 종종 상당한 수준의 비순응을 나타냅니다. MBC 환자들은 부작용, 복용량 변화, 치료 중단, 질병 관련 지식 부족과 관련된 정서적, 육체적 고통을 포함하여 OAT의 일상적인 관리에 대한 다양한 장벽에 직면합니다. 준수에 대한 예측 모델은 이전에 다양한 시나리오와 질병에 걸쳐 개발되고 테스트되었습니다. 임상 실습에서 기계 학습 모델을 활용하면 개별 환자의 약물 복약 준수에 대한 맞춤형 예측을 제공할 수 있어 복약 준수를 지원하고 표적 개입을 촉진할 수 있다는 증거가 있습니다. 그럼에도 불구하고 기존 연구에서는 교육 및 훈련 도구와 함께 위험 예측 모델을 통합하는 의사 결정 지원 시스템(DSS)을 설계하고 구현하여 MBC 환자의 약물 준수를 체계적으로 다루지 못했습니다.
현재 프로토콜은 MBC 환자 샘플 내에서 구강 항암 치료 준수를 촉진하는 데 있어 DSS, TREAT(TREatment Adherence SupporT)라는 웹 기반 솔루션, 기계 학습 웹 애플리케이션의 효능을 평가하는 것을 목표로 합니다. 이 프로토콜은 "전이성 유방암 환자의 치료 순응도 향상"(추적 번호 65080791)이라는 프로젝트의 일부입니다. 이 프로젝트의 가장 중요한 목표는 MBC 환자의 환자 참여와 치료 순응도를 향상시키기 위한 비순응 예측 모델, 관련 DSS 및 지침을 개발하는 것입니다.
웹 기반 DSS는 환자 중심 접근 방식을 사용하여 화이자 프로젝트(65080791) 첫 해에 개발되었으며 다음 4개 섹션으로 구성됩니다. i) 전이성 유방암; ii) 암 치료법 준수; iii) 준수 촉진; iv) 나의 순응 일기. 또한 머신러닝 웹 기반 애플리케이션은 특히 신체 상태, 동반 질환, 단기 및 장기 부작용을 고려하여 환자의 항암 치료 순응에 대한 위험 요인을 예측하는 데 중점을 두도록 설계되었습니다. 이 기계 학습 웹 기반 애플리케이션은 유럽 종양학 연구소(이탈리아 밀라노)(R1595/21-IEO 1704)에서 제공되는 생리학적, 임상적, 삶의 질 데이터를 사용하는 후향적 연구를 통해 개발되었습니다. 구체적으로, 다중 모드 후향적 데이터는 2,750명의 MBC 환자 샘플(2010년부터 2020년까지)에서 자연어 처리(NLP)를 사용하여 환자 전자 건강 기록(EHR)에서 검색되었습니다.
방법/설계
주요 목적
3개월 동안 100명의 전이성 유방암(MBC) 환자 집단 내에서 경구 항암 치료에 대한 순응도를 높이는 데 있어 DSS 웹 기반 솔루션 및 기계 학습 웹 애플리케이션(TREAT - "TREatment Adherence SupporT")의 효과를 평가합니다. 순응도는 복용한 알약의 수를 처방량으로 나누어 계산하여 평가합니다.
보조 목표
임상적 요인(동반질환, 통증 유무, 종양 유형, 치료 유형), 심리적 매개변수(성격 특성, 불안, 우울증, 암 대처에 대한 자기효능감, 일관성, 위험 인식) 및 예측변수 역할을 하는 QoL 변수를 식별합니다. 환자의 OAT 준수를 위해. 이러한 예측 변수는 MBC 환자의 OAT 비순응도를 평가하고 후향적 연구(R1595/21-IEO 1704)에서 개발된 기계 학습 모델의 초기 버전을 향상시키는 데 활용됩니다. 2차 평가변수에 대한 데이터는 유럽 암 연구 및 치료 기구 삶의 질 설문지(EORTC-QLQ-C30), 유럽 암 연구 및 치료 기구 23개 항목 유방암 관련 설문지(EORTC-QLQ)를 사용하여 수집됩니다. -BR23) 및 단기 통증 목록(BPI). 또한 심리적 변수를 평가하기 위해 State-Trait Anxiety Inventory(STAI-Y), Beck Depression Inventory-II(BDI-II), Big Five Inventory(BFI), Cancer Behavior Inventory CBI 등의 척도를 사용합니다. 약식(CBI-B/I), 일관성 감각(SOC-13) 및 위험 인식(두 개의 시각적 아날로그 척도 활용).
시험 기간 및 연구 설계
이번 연구는 유럽 종양학 연구소(IEO)에서 3개월간 무작위 대조 연구로 진행됐다. 보다 구체적으로, 100명의 환자의 표본을 연속적으로 등록하고 MBC 진단으로 의과대학에 입원시킨다. 사전 동의서에 서명한 환자에게는 고유 식별자가 제공되며 1:1 비율로 대조군 또는 중재군에 할당됩니다. 가장 먼저 시스템은 모든 포함 및 제외 기준을 확인하도록 요청합니다. 그런 다음 독립적인 연구자가 통계 언어 R(R Core Team 2020)을 사용하여 무작위 시퀀스를 생성합니다.
실험군 - TREAT(TREatment Adherence SupporT): MBC 환자 50명에게 3개월간 DSS를 제공합니다. 환자에게 DSS를 자유롭게 사용하도록 지시합니다. 또한, TREAT는 임상 상담을 대체하는 것이 아니라, 근거 기반 정보에 기반한 교육을 통해 구강 치료 관리 및 순응도 향상을 돕기 위해 고안되었음을 환자에게 명시적으로 알려줍니다. 대조군: 중재를 받지 않은 50명의 MBC 환자에게 표준 의학적 조언을 제공합니다.
프로토콜은 T1(1개월), T2(2개월) 및 T3(3개월)의 세 가지 평가 시점을 예상합니다. 기준선(T0)에서 모든 환자는 순응도, 임상적, 심리적, QoL 변수를 측정하기 위해 검증된 설문지를 작성합니다. 기본적으로 주어진 모든 설문지를 완료하는 데 예상되는 시간은 약 40분입니다. 또한, 모든 환자는 3개월 동안 매주 복약 준수 일지를 작성해야 합니다. 매달 모든 참가자는 연구 프로토콜 준수 여부를 모니터링하는 간단한 전화 인터뷰를 받습니다. T1, T2, T3에서는 모든 행동, 심리적, QoL 측정이 작성되고 인터뷰(온라인 또는 대면)가 수행됩니다. 성격, 불안 특성 등 변화에 민감하지 않은 변수는 T0에서만 수집됩니다.
연구 유형
등록 (추정된)
단계
- 해당 없음
연락처 및 위치
연구 연락처
- 이름: Marianna Masiero, Phd
- 전화번호: +39 02 57489207
- 이메일: marianna.masiero@ieo.it
연구 장소
-
-
MI
-
Milan, MI, 이탈리아, 20141
- 모병
- European Institute fo Oncology
-
연락하다:
- Marianna Masiero, Phd
- 전화번호: +39 02 57489207
- 이메일: marianna.masiero@ieo.it
-
-
참여기준
자격 기준
공부할 수 있는 나이
- 성인
- 고령자
건강한 자원 봉사자를 받아들입니다
설명
포함 기준:
- 18세 이상의 환자;
- 전이성 유방암 진단을 받은 경우
- 전이성 유방암에 대한 경구 치료 중재를 받는 경우;
- 인터넷 접속이 가능하고 개인용 스마트폰이나 태블릿을 사용하는 환자
- 동의서를 읽고 서명한 환자.
제외 기준:
- 원발성 정신과적 또는 신경학적 질환의 존재;
- 사전동의서에 서명을 거부한 환자.
공부 계획
연구는 어떻게 설계됩니까?
디자인 세부사항
- 주 목적: 다른
- 할당: 무작위
- 중재 모델: 병렬 할당
- 마스킹: 없음(오픈 라벨)
무기와 개입
참가자 그룹 / 팔 |
개입 / 치료 |
---|---|
실험적: 실험그룹
MBC 환자 50명에게 3개월간 DSS를 제공합니다.
환자에게 DSS를 자유롭게 사용하도록 지시합니다.
|
TREAT(TREatment Adherence SupporT)는 다음 네 가지 섹션으로 구성된 웹 기반 DSS입니다. i) 전이성 유방암: MBC와 그에 따른 신체적, 심리적 결과에 대한 정보가 포함되어 있습니다. ii) 암 치료법 준수: 암 집단의 준수에 대한 정보를 포함합니다. iii) 준수 촉진: 준수를 촉진하는 데 사용되는 자원, 장벽 및 사용 가능한 개입에 대한 정보를 포함합니다. iv) 나의 순응 일기. |
간섭 없음: 컨트롤 그룹
개입을 받지 않은 50명의 MBC 환자는 표준 의학적 조언을 받습니다.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
---|---|---|
의사결정 지원 시스템 효율성
기간: 3 개월
|
경구 항암 치료에 대한 순응도를 높이는 데 있어 DSS 웹 기반 솔루션 및 기계 학습 웹 애플리케이션(TREAT - "TREatment Adherence SupporT")의 효과 평가
|
3 개월
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
---|---|---|
순응도의 임상적, 심리적, 삶의 질 예측변수
기간: 3 개월
|
임상적 요인(동반질환, 통증 유무, 종양 유형, 치료 유형), 심리적 매개변수(성격 특성, 불안, 우울증, 암 대처에 대한 자기 효능감 및 일관성 감각), 환자의 순응도를 예측하는 QoL 변수를 식별합니다. OAT에.
|
3 개월
|
준수의 심리적 예측인자
기간: 3 개월
|
환자의 OAT 준수 여부를 예측하는 시각적 아날로그 척도를 사용하여 위험 인식을 평가합니다.
|
3 개월
|
공동 작업자 및 조사자
협력자
수사관
- 수석 연구원: Gabriella pravettoni, PhD, Istituto Europeo di Oncologia
간행물 및 유용한 링크
일반 간행물
- Cleeland CS, Ryan KM. Pain assessment: global use of the Brief Pain Inventory. Ann Acad Med Singap. 1994 Mar;23(2):129-38.
- Aaronson NK, Ahmedzai S, Bergman B, Bullinger M, Cull A, Duez NJ, Filiberti A, Flechtner H, Fleishman SB, de Haes JC, et al. The European Organization for Research and Treatment of Cancer QLQ-C30: a quality-of-life instrument for use in international clinical trials in oncology. J Natl Cancer Inst. 1993 Mar 3;85(5):365-76. doi: 10.1093/jnci/85.5.365.
- Antonovsky A. The structure and properties of the sense of coherence scale. Soc Sci Med. 1993 Mar;36(6):725-33. doi: 10.1016/0277-9536(93)90033-z.
- Sprangers MA, Groenvold M, Arraras JI, Franklin J, te Velde A, Muller M, Franzini L, Williams A, de Haes HC, Hopwood P, Cull A, Aaronson NK. The European Organization for Research and Treatment of Cancer breast cancer-specific quality-of-life questionnaire module: first results from a three-country field study. J Clin Oncol. 1996 Oct;14(10):2756-68. doi: 10.1200/JCO.1996.14.10.2756.
- Cardoso F, Paluch-Shimon S, Senkus E, Curigliano G, Aapro MS, Andre F, Barrios CH, Bergh J, Bhattacharyya GS, Biganzoli L, Boyle F, Cardoso MJ, Carey LA, Cortes J, El Saghir NS, Elzayat M, Eniu A, Fallowfield L, Francis PA, Gelmon K, Gligorov J, Haidinger R, Harbeck N, Hu X, Kaufman B, Kaur R, Kiely BE, Kim SB, Lin NU, Mertz SA, Neciosup S, Offersen BV, Ohno S, Pagani O, Prat A, Penault-Llorca F, Rugo HS, Sledge GW, Thomssen C, Vorobiof DA, Wiseman T, Xu B, Norton L, Costa A, Winer EP. 5th ESO-ESMO international consensus guidelines for advanced breast cancer (ABC 5). Ann Oncol. 2020 Dec;31(12):1623-1649. doi: 10.1016/j.annonc.2020.09.010. Epub 2020 Sep 23. No abstract available.
- Gennari A, Andre F, Barrios CH, Cortes J, de Azambuja E, DeMichele A, Dent R, Fenlon D, Gligorov J, Hurvitz SA, Im SA, Krug D, Kunz WG, Loi S, Penault-Llorca F, Ricke J, Robson M, Rugo HS, Saura C, Schmid P, Singer CF, Spanic T, Tolaney SM, Turner NC, Curigliano G, Loibl S, Paluch-Shimon S, Harbeck N; ESMO Guidelines Committee. Electronic address: clinicalguidelines@esmo.org. ESMO Clinical Practice Guideline for the diagnosis, staging and treatment of patients with metastatic breast cancer. Ann Oncol. 2021 Dec;32(12):1475-1495. doi: 10.1016/j.annonc.2021.09.019. Epub 2021 Oct 19. No abstract available.
- Bohlmann A, Mostafa J, Kumar M. Machine Learning and Medication Adherence: Scoping Review. JMIRx Med. 2021 Nov 24;2(4):e26993. doi: 10.2196/26993.
- Jansen LA, Appelbaum PS, Klein WM, Weinstein ND, Cook W, Fogel JS, Sulmasy DP. Unrealistic optimism in early-phase oncology trials. IRB. 2011 Jan-Feb;33(1):1-8. No abstract available.
- Karanasiou GS, Tripoliti EE, Papadopoulos TG, Kalatzis FG, Goletsis Y, Naka KK, Bechlioulis A, Errachid A, Fotiadis DI. Predicting adherence of patients with HF through machine learning techniques. Healthc Technol Lett. 2016 Sep 27;3(3):165-170. doi: 10.1049/htl.2016.0041. eCollection 2016 Sep.
- Komatsu H, Yagasaki K, Yamaguchi T, Mori A, Kawano H, Minamoto N, Honma O, Tamura K. Effects of a nurse-led medication self-management programme in women with oral treatments for metastatic breast cancer: A mixed-method randomised controlled trial. Eur J Oncol Nurs. 2020 Aug;47:101780. doi: 10.1016/j.ejon.2020.101780. Epub 2020 Jun 14.
- Lin C, Clark R, Tu P, Bosworth HB, Zullig LL. Breast cancer oral anti-cancer medication adherence: a systematic review of psychosocial motivators and barriers. Breast Cancer Res Treat. 2017 Sep;165(2):247-260. doi: 10.1007/s10549-017-4317-2. Epub 2017 Jun 1.
- Marshall VK, Visovsky C, Advani P, Mussallem D, Tofthagen C. Cancer treatment-specific medication beliefs among metastatic breast cancer patients: a qualitative study. Support Care Cancer. 2022 Aug;30(8):6807-6815. doi: 10.1007/s00520-022-07101-7. Epub 2022 May 9.
- Merluzzi TV, Nairn RC, Hegde K, Martinez Sanchez MA, Dunn L. Self-efficacy for coping with cancer: revision of the Cancer Behavior Inventory (version 2.0). Psychooncology. 2001 May-Jun;10(3):206-17. doi: 10.1002/pon.511.
- Mirzadeh SI, Arefeen A, Ardo J, Fallahzadeh R, Minor B, Lee JA, Hildebrand JA, Cook D, Ghasemzadeh H, Evangelista LS. Use of machine learning to predict medication adherence in individuals at risk for atherosclerotic cardiovascular disease. Smart Health (Amst). 2022 Dec;26:100328. doi: 10.1016/j.smhl.2022.100328. Epub 2022 Oct 4.
- Montagna E, Zagami P, Masiero M, Mazzocco K, Pravettoni G, Munzone E. Assessing Predictors of Tamoxifen Nonadherence in Patients with Early Breast Cancer. Patient Prefer Adherence. 2021 Sep 15;15:2051-2061. doi: 10.2147/PPA.S285768. eCollection 2021.
- Yerrapragada G, Siadimas A, Babaeian A, Sharma V, O'Neill TJ. Machine Learning to Predict Tamoxifen Nonadherence Among US Commercially Insured Patients With Metastatic Breast Cancer. JCO Clin Cancer Inform. 2021 Aug;5:814-825. doi: 10.1200/CCI.20.00102.
- Scioscia G, Tondo P, Foschino Barbaro MP, Sabato R, Gallo C, Maci F, Lacedonia D. Machine learning-based prediction of adherence to continuous positive airway pressure (CPAP) in obstructive sleep apnea (OSA). Inform Health Soc Care. 2022 Jul 3;47(3):274-282. doi: 10.1080/17538157.2021.1990300. Epub 2021 Nov 8.
- Zhu X, Peng B, Yi Q, Liu J, Yan J. Prediction Model of Immunosuppressive Medication Non-adherence for Renal Transplant Patients Based on Machine Learning Technology. Front Med (Lausanne). 2022 Feb 18;9:796424. doi: 10.3389/fmed.2022.796424. eCollection 2022. Erratum In: Front Med (Lausanne). 2022 Aug 09;9:964157.
- Scott NW, Fayers P, Aaronson NK, et al. EORTC QLQ-C30 Reference Values Manual. (2nd ed.). EORTC Quality of Life Group., 2008
- Pedrabissi, L., & Santinello, M. (1989). Verifica della validità dello STAI forma Y di Spielberger [Verification of the validity of the STAI, Form Y, by Spielberger]. Giunti Organizzazioni Speciali, 191-192, 11-14.
- Beck AT, Steer RA, Brown G. Beck Depression Inventory-II (BDI-II). APA PsycTests. Epub ahead of print 1996
- Sica C, Ghisi M. The Italian versions of the Beck Anxiety Inventory and the Beck Depression Inventory-II: Psychometric properties and discriminant power. In: M. A. Lange. Leading-edge psychological tests and testing research. Nova Science Publishers, 2007, pp. 27-50.
- Serpentini S, Del Bianco P, Chirico A, Merluzzi TV, Martino R, Lucidi F, De Salvo GL, Trentin L, Capovilla E. Self-efficacy for coping: utility of the Cancer behavior inventory (Italian) for use in palliative care. BMC Palliat Care. 2019 Apr 5;18(1):34. doi: 10.1186/s12904-019-0420-y.
- Spielberger CD, Gonzalez-Reigosa F, Martinez-Urrutia A, et al. The State-Trait Anxiety Inventory. Rev Interam Psicol J Psychol 1971; 5: 3-4
- Ubbiali A, Chiorri C, Hampton P, Donati D. Italian Big Five Inventory. Psychometric properties of the Italian adaptation of the Big Five Inventory (BFI). Bollettino di Psicologia applicata 2013;59(266):37-48
- Weinstein, N. D. (1980). Unrealistic optimism about future life events. Journal of Personality and Social Psychology, 39(5), 806-820.
- R: A language and environment for statistical computing. R Foundation for Statistical Computing. URL: https://www. R-project.org
연구 기록 날짜
연구 주요 날짜
연구 시작 (실제)
기본 완료 (추정된)
연구 완료 (추정된)
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 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. .
전이성 유방암에 대한 임상 시험
-
Georgetown UniversityNational Cancer Institute (NCI); American Cancer Society, Inc.; Susan G. Komen Breast Cancer...완전한
-
University of UtahNational Cancer Institute (NCI)모병피로 | 좌식 생활 | 전이성 전립선암 | IV기 전립선암 AJCC(American Joint Committee on Cancer) v8 | IVA기 전립선암 AJCC(American Joint Committee on Cancer) v8 | IVB기 전립선암 AJCC(American Joint Committee on Cancer) v8미국
-
Jonsson Comprehensive Cancer Center아직 모집하지 않음전립선암 | IVB기 전립선암 American Joint Committee on Cancer(AJCC) v8미국
-
Rashmi Verma, MDNational Cancer Institute (NCI)모병거세저항성 전립선암 | 전이성 전립선 선암종 | IVB기 전립선암 American Joint Committee on Cancer(AJCC) v8미국
-
Jonsson Comprehensive Cancer Center빼는전립선 선암종 | 2기 전립선암 AJCC v8 | IIC기 전립선암 AJCC v8 | IIA기 전립선암 AJCC v8 | IIB기 전립선암 AJCC v8 | 1기 전립선암 American Joint Committee on Cancer(AJCC) v8미국
-
Jonsson Comprehensive Cancer CenterMiraDX모집하지 않고 적극적으로전립선 선암종 | 2기 전립선암 AJCC v8 | IIC기 전립선암 AJCC v8 | IIA기 전립선암 AJCC v8 | IIB기 전립선암 AJCC v8 | 1기 전립선암 American Joint Committee on Cancer(AJCC) v8미국
-
Jonsson Comprehensive Cancer Center종료됨거세저항성 전립선암 | 전이성 전립선암 | IVA기 전립선암 AJCC v8 | IVB기 전립선암 AJCC v8 | IV기 전립선암 American Joint Committee on Cancer(AJCC) v8미국
-
Jonsson Comprehensive Cancer CenterProgenics Pharmaceuticals, Inc.종료됨2기 전립선암 AJCC v8 | IIIA기 전립선암 AJCC v8 | IIIB기 전립선암 AJCC v8 | IIC기 전립선암 AJCC v8 | 3기 전립선암 AJCC v8 | IIIC기 전립선암 AJCC v8 | IIA기 전립선암 AJCC v8 | IIB기 전립선암 AJCC v8 | 1기 전립선암 American Joint Committee on Cancer(AJCC) v8미국
-
Assiut University아직 모집하지 않음South Egypt Cancer Institute(SECI)에서 소아 악성종양 환자에 대한 KDIGO 기준을 사용하여 AKI의 누적 발병률을 확인하기 위해
의사결정 지원 시스템에 대한 임상 시험
-
Medical University of South CarolinaNational Center for Advancing Translational Sciences (NCATS)완전한
-
University of CalgaryAlberta Health services; University of Alberta; Covenant Health완전한
-
Seoul National University HospitalAjou University School of Medicine; Soonchunhyang University Hospital; Saint Vincent's Hospital... 그리고 다른 협력자들완전한
-
UConn HealthUniversity of Texas at Austin; Oregon Social Learning Center초대로 등록
-
University of Alabama at BirminghamNational Cancer Institute (NCI)모병
-
University of PittsburghNational Institute on Minority Health and Health Disparities (NIMHD); University of California... 그리고 다른 협력자들완전한
-
University of Alabama at Birmingham완전한
-
Boston Scientific Corporation모집하지 않고 적극적으로
-
University of OregonSpecial X Inc.모병부모-자녀 관계 | 육아 | 아동 행동 | 발달 장애 | 개발 지연 | 발달 장애, 아동미국
-
Women's College HospitalRyerson University빼는