이 페이지는 자동 번역되었으며 번역의 정확성을 보장하지 않습니다. 참조하십시오 영문판 원본 텍스트의 경우.

Acute Risk Monitoring for Oncology Therapy Regimen (ARMOR)

2026년 5월 15일 업데이트: University of California, San Francisco

Acute Risk Monitoring for Oncology Therapy Regimens (ARMOR): A Silent Prospective Validation of a Machine Learning Model

Patients undergoing outpatient infusion systemic therapy for cancer are at risk for potentially preventable, unplanned acute care in the form of emergency department (ED) visits and hospitalizations. These events impact patient outcomes, treatment decisions, and healthcare costs. To address this need, the Centers for Medicare & Medicaid Services developed the chemotherapy measure (OP-35). Recent randomized controlled studies indicate that electronic health record (EHR)-based machine learning (ML) approaches accurately direct supportive care to reduce acute care during radiotherapy. This study aims to develop and prospectively validate ML approaches to predict the risk of OP-35 qualifying, potentially preventable, acute care events within 30 days of infusion systemic therapy.

연구 개요

상태

완전한

정황

개입 / 치료

상세 설명

OBJECTIVES:

I. Develop and retrospectively validate electronic health record-based machine learning models using routinely collected clinical data from patients receiving systemic therapy to predict risk of potentially preventable OP-35 qualifying acute care events. (Phase 1: Retrospective)

II. Prospectively validate machine learning models across distinct time periods. (Phase 2: Prospective)

III. Understand patterns of care by stratifying and analyzing model performance by treatment type, cancer diagnosis, and race/ethnicity to assess bias and disparities in outcomes.

OUTLINE:

Retrospective and prospective clinical data obtained from medical records will be used to develop and validate predictive machine learning models. Prospective data will be divided into 2 phases: Prospective validation (PV) 1 and PV 2.

연구 유형

관찰

등록 (실제)

4740

연락처 및 위치

이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.

연구 장소

  • 미국
    • California
      • San Francisco, California, 미국, 94143
        • University of California, San Francisco

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

  • 성인
  • 고령자

건강한 자원 봉사자를 받아들입니다

아니

샘플링 방법

비확률 샘플

연구 인구

Adult patients receiving care for cancer

설명

Inclusion Criteria:

  • Patients 18 years or older diagnosed with cancer who receive care at UCSF and/or one of the UCSF affiliate locations.

Exclusion Criteria:

  • Patients under the age of 18.
  • Patients receiving care as part of a clinical trial.

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
Patients receiving cancer therapy at University of California, San Francisco (UCSF)
All adults undergoing systemic cancer-related therapy from July 2017 to March 2024 at any UCSF outpatient, infusion center with available OP-35 data.
다른: Medical record review
Retrospective chart reviews for data collection will be conducted.

연구는 무엇을 측정합니까?

주요 결과 측정

결과 측정
측정값 설명
기간
Area under the receiver operating characteristic curve (AUROC) for OP-35 prediction model.
기간: Up to 6.75 years
UCSF patients receiving infusion systemic therapy had clinical data incorporated into machine learning (ML) models to predict risk of Centers for Medicare & Medicaid Services Chemotherapy Measure (OP-35) qualifying acute care events within 30 days of infusion. Models included variables such as cancer diagnosis, therapeutic agents, and laboratory values. Three ML approaches were employed to train models in predicting OP-35 events. Models were trained and retrospectively validated on data from July 7, 2017, to February 11, 2021, and prospectively validated on 2 cohorts: April 17, 2023, to October 29, 2023 (PV1) and February 19, 2024, to March 31, 2024 (PV2) to generate a validation AUROC. The initial prospective validation occurred over a pre-planned period with the assumption of a 2% event rate, based on the model development data, with an alpha of 0.05 and 84% power to detect an AUROC of 0.75, requiring a sample size of at least 8000 infusions.
Up to 6.75 years

공동 작업자 및 조사자

여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.

스폰서

University of California, San Francisco

협력자

National Cancer Institute (NCI)
Conquer Cancer Foundation

수사관

  • 수석 연구원: Julian Hong, MD, MS, University of California, San Francisco

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)

2017년 7월 1일

기본 완료 (실제)

2024년 3월 31일

연구 완료 (실제)

2024년 3월 31일

연구 등록 날짜

최초 제출

2026년 5월 15일

QC 기준을 충족하는 최초 제출

2026년 5월 15일

처음 게시됨 (실제)

2026년 5월 22일

연구 기록 업데이트

마지막 업데이트 게시됨 (실제)

2026년 5월 22일

QC 기준을 충족하는 마지막 업데이트 제출

2026년 5월 15일

마지막으로 확인됨

2026년 5월 1일

추가 정보

이 연구와 관련된 용어

키워드

추가 관련 MeSH 약관

기타 연구 ID 번호

  • 20721 (DAIDS-ES Registry Number)
  • R01CA277782 (미국 NIH 보조금/계약)

개별 참가자 데이터(IPD) 계획

개별 참가자 데이터(IPD)를 공유할 계획입니까?

예

IPD 계획 설명

De-identified data may be shared with study collaborators during the course of the study.

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. .

암에 대한 임상 시험

Medical record review에 대한 임상 시험

유사한 임상시험 검색

스폰서 및 공동 작업자

건강 상태

약물 개입

CROs by country

CROs in Tanzania

정황

희귀 질병

약물 개입

식이 보충제

스폰서 / 협력자

위치

구독하다