설문조사를 사용하여 의학 종양학자의 예후 정확성 및 의사 결정을 통해 ML 사망 위험 예측에 대한 노출 연관성 조사
2024년 11월 20일 업데이트: Abramson Cancer Center at Penn Medicine
미국 암 환자의 거의 절반은 사망 전에 자신이 원하는 것과 일치하지 않는 치료를 받게 됩니다.
조기 고급 치료 계획(ACP) 및 완화 치료는 목표에 맞는 치료 및 증상을 개선하고 불필요한 활용을 줄입니다.
ACP와 완화의료를 늘리기 위한 유망한 전략은 이러한 서비스를 목표로 하기 위해 질병 과정 초기에 사망 위험이 있는 환자를 식별하는 것입니다.
기계 학습(ML) 알고리즘은 의학을 포함한 다양한 산업에서 부정적인 결과의 위험을 정확하게 예측하고 초기 리소스를 사용하는 데 사용되었습니다.
ML과 인간의 직관을 모두 활용하는 시스템인 "인간-기계 협업"은 다양한 상황에서 예측과 의사 결정을 향상시키는 것으로 나타났습니다. ACP 및 완화 치료.
이 연구에서 우리는 전국의 의료 종양학자 표본에게 연락하여 비네팅 기반 설문조사를 완료하도록 요청했습니다.
우리의 목표는 ML 사망 위험 예측에 대한 노출과 임상의의 예후 정확성 및 의사 결정의 연관성을 조사하는 것이었습니다.
우리는 연령, 성별, 활동 상태, 흡연 이력, 질병 범위, 증상 및 분자 상태에 따라 달라지는 진행성 비소세포폐암(aNSCLC) 환자에 대한 세 가지 임상 시나리오를 설명하는 일련의 6가지 삽화를 제시했습니다.
우리는 이러한 비네트 기반 설문조사를 사용하여 ML 사망 위험 예측에 대한 노출과 의학 종양학자의 예후 정확성 및 의사 결정의 연관성을 조사할 것입니다.
연구 개요
연구 유형
관찰
등록 (실제)
52
연락처 및 위치
이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.
연구 장소
-
-
Pennsylvania
-
Philadelphia, Pennsylvania, 미국, 19104
- Abramson Cancer Center of the University of Pennsylvania
-
-
참여기준
연구원은 적격성 기준이라는 특정 설명에 맞는 사람을 찾습니다. 이러한 기준의 몇 가지 예는 개인의 일반적인 건강 상태 또는 이전 치료입니다.
자격 기준
공부할 수 있는 나이
- 어린이
- 성인
- 고령자
건강한 자원 봉사자를 받아들입니다
아니
샘플링 방법
비확률 샘플
연구 인구
연구 집단은 미국에서 폐암을 치료한 실무 종양학자의 편의 표본으로 구성되었습니다.
우리는 수석 조사관의 개인 연락처로 직접 이메일을 보내 종양 전문의를 모집했습니다(n=29). "흉부 종양학"을 사용하는 의료 전문가(n=17)를 위한 온라인 네트워킹 서비스인 Doximity를 통한 직접 메시지 X(이전의 Twitter)를 통한 직접 메시지(n=4).
미국의 4개 지역(북동부, 남부, 중서부, 서부)에서 균등하게 표본을 추출하려는 노력이 이루어졌습니다.
설명
포함 기준:
- 폐암을 치료하는 종양내과 전문의
제외 기준:
- 폐암 환자를 보지 않는 종양내과 전문의
공부 계획
이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.
연구는 어떻게 설계됩니까?
디자인 세부사항
코호트 및 개입
그룹/코호트 |
개입 / 치료 |
|---|---|
|
1A 2B 3C
1. 중급 1.A. 참조에 따라 다름. 2. 가난하다; 2.B.
절대적인 예후; 3. 좋아요; 3.C.
둘 다
|
이 연구는 Qualtrics를 통해 호스팅된 설문조사 도구를 사용하여 세 명의 환자 비네팅을 설명하는 3×3 온라인 요인 실험으로 구성되었습니다.
세 가지 환자 비네트는 연령, 성별, 활동 상태, 흡연 이력, 질병 정도, 증상 및 분자 상태를 포함한 다양한 임상 특성에 따라 다양했습니다.
각 환자는 진행성 비소세포폐암(aNSCLC)을 앓고 있었습니다.
각 삽화는 두 부분으로 구성됩니다. 1부에서는 3명의 환자 중 1명의 사례 이력을 설명하고 그 후 예후 추정 및 의학적 의사 결정을 평가했습니다(예: 1, 2, 3).
2부에서는 가상의 ML 예측 알고리즘(예:
A, B, C).
각 설문조사의 비네팅 순서는 ML 위험 예측을 위한 제시 전략과 관련하여 무작위로 지정되어 각 참가자가 무작위로 선정되는 6가지 버전의 설문조사가 있었습니다.
|
|
1A 2C 3B
1. 중급 1.A. 참조에 따라 다름. 2. 가난하다; 2.C.
둘 다; 3. 좋아요; 3.B.
절대적인 예후
|
이 연구는 Qualtrics를 통해 호스팅된 설문조사 도구를 사용하여 세 명의 환자 비네팅을 설명하는 3×3 온라인 요인 실험으로 구성되었습니다.
세 가지 환자 비네트는 연령, 성별, 활동 상태, 흡연 이력, 질병 정도, 증상 및 분자 상태를 포함한 다양한 임상 특성에 따라 다양했습니다.
각 환자는 진행성 비소세포폐암(aNSCLC)을 앓고 있었습니다.
각 삽화는 두 부분으로 구성됩니다. 1부에서는 3명의 환자 중 1명의 사례 이력을 설명하고 그 후 예후 추정 및 의학적 의사 결정을 평가했습니다(예: 1, 2, 3).
2부에서는 가상의 ML 예측 알고리즘(예:
A, B, C).
각 설문조사의 비네팅 순서는 ML 위험 예측을 위한 제시 전략과 관련하여 무작위로 지정되어 각 참가자가 무작위로 선정되는 6가지 버전의 설문조사가 있었습니다.
|
|
1B 2A 3C
1. 중급 1.B.
순수한; 2. 가난하다; 2.A. 참조에 따라 다름. 3. 좋아요; 3.C.
둘 다
|
이 연구는 Qualtrics를 통해 호스팅된 설문조사 도구를 사용하여 세 명의 환자 비네팅을 설명하는 3×3 온라인 요인 실험으로 구성되었습니다.
세 가지 환자 비네트는 연령, 성별, 활동 상태, 흡연 이력, 질병 정도, 증상 및 분자 상태를 포함한 다양한 임상 특성에 따라 다양했습니다.
각 환자는 진행성 비소세포폐암(aNSCLC)을 앓고 있었습니다.
각 삽화는 두 부분으로 구성됩니다. 1부에서는 3명의 환자 중 1명의 사례 이력을 설명하고 그 후 예후 추정 및 의학적 의사 결정을 평가했습니다(예: 1, 2, 3).
2부에서는 가상의 ML 예측 알고리즘(예:
A, B, C).
각 설문조사의 비네팅 순서는 ML 위험 예측을 위한 제시 전략과 관련하여 무작위로 지정되어 각 참가자가 무작위로 선정되는 6가지 버전의 설문조사가 있었습니다.
|
|
1B 2C 3A
1. 중급 1.B.
순수한; 2. 가난하다; 2.C.
둘 다; 3. 좋아요; 3.A.
참조에 따라 다름
|
이 연구는 Qualtrics를 통해 호스팅된 설문조사 도구를 사용하여 세 명의 환자 비네팅을 설명하는 3×3 온라인 요인 실험으로 구성되었습니다.
세 가지 환자 비네트는 연령, 성별, 활동 상태, 흡연 이력, 질병 정도, 증상 및 분자 상태를 포함한 다양한 임상 특성에 따라 다양했습니다.
각 환자는 진행성 비소세포폐암(aNSCLC)을 앓고 있었습니다.
각 삽화는 두 부분으로 구성됩니다. 1부에서는 3명의 환자 중 1명의 사례 이력을 설명하고 그 후 예후 추정 및 의학적 의사 결정을 평가했습니다(예: 1, 2, 3).
2부에서는 가상의 ML 예측 알고리즘(예:
A, B, C).
각 설문조사의 비네팅 순서는 ML 위험 예측을 위한 제시 전략과 관련하여 무작위로 지정되어 각 참가자가 무작위로 선정되는 6가지 버전의 설문조사가 있었습니다.
|
|
1C 2A 3B
1. 중급 1.C.
둘 다; 2. 가난하다; 2.A. 참조에 따라 다름. 3. 좋아요; 3.B.
순수한
|
이 연구는 Qualtrics를 통해 호스팅된 설문조사 도구를 사용하여 세 명의 환자 비네팅을 설명하는 3×3 온라인 요인 실험으로 구성되었습니다.
세 가지 환자 비네트는 연령, 성별, 활동 상태, 흡연 이력, 질병 정도, 증상 및 분자 상태를 포함한 다양한 임상 특성에 따라 다양했습니다.
각 환자는 진행성 비소세포폐암(aNSCLC)을 앓고 있었습니다.
각 삽화는 두 부분으로 구성됩니다. 1부에서는 3명의 환자 중 1명의 사례 이력을 설명하고 그 후 예후 추정 및 의학적 의사 결정을 평가했습니다(예: 1, 2, 3).
2부에서는 가상의 ML 예측 알고리즘(예:
A, B, C).
각 설문조사의 비네팅 순서는 ML 위험 예측을 위한 제시 전략과 관련하여 무작위로 지정되어 각 참가자가 무작위로 선정되는 6가지 버전의 설문조사가 있었습니다.
|
|
1C 2B 3A
1. 중급 1.C.
둘 다; 2. 가난하다; 2.B.
순수한; 3. 좋아요; 3.A.
참조에 따라 다름
|
이 연구는 Qualtrics를 통해 호스팅된 설문조사 도구를 사용하여 세 명의 환자 비네팅을 설명하는 3×3 온라인 요인 실험으로 구성되었습니다.
세 가지 환자 비네트는 연령, 성별, 활동 상태, 흡연 이력, 질병 정도, 증상 및 분자 상태를 포함한 다양한 임상 특성에 따라 다양했습니다.
각 환자는 진행성 비소세포폐암(aNSCLC)을 앓고 있었습니다.
각 삽화는 두 부분으로 구성됩니다. 1부에서는 3명의 환자 중 1명의 사례 이력을 설명하고 그 후 예후 추정 및 의학적 의사 결정을 평가했습니다(예: 1, 2, 3).
2부에서는 가상의 ML 예측 알고리즘(예:
A, B, C).
각 설문조사의 비네팅 순서는 ML 위험 예측을 위한 제시 전략과 관련하여 무작위로 지정되어 각 참가자가 무작위로 선정되는 6가지 버전의 설문조사가 있었습니다.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
설문조사를 통해 평가된 예후 정확도
기간: 최대 3개월
|
예후 예측은 3개 삽화 각각의 1부와 2부 이후에 실시된 2개 항목을 사용하여 측정되었습니다.
정확한 예후는 보고된 기대 수명 추정치가 포커스 그룹 이후에 수정된 LCPI 추정치의 33% 이내인지 여부로 정의되었습니다. 참가자들은 몇 달 만에 첫 번째 질문에 답변했고 두 번째 질문에는 0~100% 사이의 백분율로 답변했습니다. |
최대 3개월
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
설문조사를 통해 평가된 사전 의료 계획 결정
기간: 최대 3개월
|
ACP 의사결정은 3개 삽화 각각의 1부와 2부 이후에 실시되는 다음 항목을 사용하여 평가되었습니다. 1) 그녀의 질병 과정 중 이 시점에서 사전 의료 계획에 대해 논의해 주시겠습니까? 각 질문은 예/아니요 답변으로 운영되었으며 "이 결정에 대한 이유를 공유해주세요"라고 묻는 무료 응답 상자가 이어졌습니다. |
최대 3개월
|
|
설문조사를 통해 평가된 완화의료 의뢰
기간: 최대 3개월
|
완화 치료 의뢰는 3개 삽화 각각의 1부와 2부 이후에 실시된 다음 항목을 사용하여 평가되었습니다. 1) 질병 과정의 이 시점에서 완화의료 전문가에게 환자를 소개하시겠습니까? 각 질문은 예/아니요 답변으로 운영되었으며 "이 결정에 대한 이유를 공유해주세요"라고 묻는 무료 응답 상자가 이어졌습니다. |
최대 3개월
|
공동 작업자 및 조사자
여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.
연구 기록 날짜
이 날짜는 ClinicalTrials.gov에 대한 연구 기록 및 요약 결과 제출의 진행 상황을 추적합니다. 연구 기록 및 보고된 결과는 공개 웹사이트에 게시되기 전에 특정 품질 관리 기준을 충족하는지 확인하기 위해 국립 의학 도서관(NLM)에서 검토합니다.
연구 주요 날짜
연구 시작 (실제)
2023년 3월 13일
기본 완료 (실제)
2023년 7월 31일
연구 완료 (실제)
2023년 12월 31일
연구 등록 날짜
최초 제출
2024년 4월 30일
QC 기준을 충족하는 최초 제출
2024년 6월 12일
처음 게시됨 (실제)
2024년 6월 18일
연구 기록 업데이트
마지막 업데이트 게시됨 (추정된)
2024년 11월 21일
QC 기준을 충족하는 마지막 업데이트 제출
2024년 11월 20일
마지막으로 확인됨
2024년 11월 1일
추가 정보
이 연구와 관련된 용어
추가 관련 MeSH 약관
기타 연구 ID 번호
- UPCC 10524
- 850382 (기타 식별자: Penn IRB)
개별 참가자 데이터(IPD) 계획
개별 참가자 데이터(IPD)를 공유할 계획입니까?
아니요
약물 및 장치 정보, 연구 문서
미국 FDA 규제 의약품 연구
아니
미국 FDA 규제 기기 제품 연구
아니
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. .