- ICH GCP
- Register voor klinische proeven in de VS.
- Klinische proef NCT05738031
Onderzoek naar incidentele longknobbeltjes in achtergestelde gemeenschappen
Studie Overzicht
Toestand
Conditie
Gedetailleerde beschrijving
In 2021 zullen naar schatting 235.760 mensen opnieuw de diagnose longkanker krijgen en als gevolg daarvan meer dan 130.000 mensen overlijden. Computertomografie (CT)-screening heeft een verminderde sterfte aan longkanker aangetoond en wordt nu aanbevolen voor volwassenen van 50 tot 80 jaar met een rookgeschiedenis van 20 jaar die roken of binnen 15 jaar zijn gestopt. Naast de vroege identificatie van risicovolle longknobbeltjes, hebben screeningsprogramma's ook de mogelijkheid om patiënten te leiden naar trajecten voor geprotocolleerde follow-up. Ondanks gedefinieerde vereisten om in aanmerking te komen, wordt longkankerscreening (LCS) onderbenut, met minder dan 10% van de in aanmerking komende patiënten die een screening ondergaan. Screening is met name een uitdaging bij minderheden en sociaaleconomisch achtergestelde bevolkingsgroepen, die een verhoogd risico lopen om te overlijden als gevolg van longkanker. Van de meer dan 50.000 patiënten die deelnamen aan de National Lung Screening Trial, bijvoorbeeld, identificeerde slechts 4,5% van de deelnemers zich als zwart en 1,7% als Spaans.
Buiten screeningprogramma's worden longknobbeltjes vaak incidenteel gedetecteerd bij beeldvorming om andere redenen. Elk jaar wordt bij meer dan 1,5 miljoen patiënten een incidentele longknobbel vastgesteld. Hiervan wordt geschat dat 5-9% kanker vertegenwoordigt, hoger dan het maligniteitspercentage dat wordt opgemerkt in screeningprogramma's voor longkanker. Er bestaan richtlijnen voor de opvolging van IPN's, maar de naleving is vaak slecht. IPN's kunnen over het hoofd worden gezien in de context van de andere ziekten waarvoor beeldvorming wordt verkregen. Testen kunnen ook worden aangevraagd door zorgverleners zonder continuïteit van zorg, zoals op de spoedeisende hulp (SEH). Patiënten zijn daardoor mogelijk niet op de hoogte van nevenbevindingen of krijgen onvoldoende aansturing voor de follow-up als er geen duidelijke keten van verantwoordelijkheid is. Raciaal ongelijksoortige bevolkingsgroepen lopen een specifiek risico en hebben vaak te maken met belemmeringen bij de toegang tot eerstelijnszorgverleners (PCP's), wat leidt tot een toenemend gebruik van de SEH. In één onderzoek had een groter deel van de zwarte en Latijns-Amerikaanse patiënten (respectievelijk 38,3% en 28,1%) een initiële beeldvorming ter identificatie van een IPN uitgevoerd op de SEH in vergelijking met blanke patiënten (10,7%), die meer kans hadden op poliklinische scans.
Eerdere studies geven aan dat slechts 38% van de patiënten zorg krijgt die overeenstemt met de richtlijnen zodra de diagnose IPN is gesteld. Longkanker werd gediagnosticeerd bij 8% van deze patiënten die dergelijke zorg ondergingen, vergeleken met slechts 1% van degenen die minder intensief werden onderzocht. Evenzo was de mediane tijd tot de diagnose van longkanker 1,3 maanden in de groep met concordante zorg versus 12 maanden bij de minder intensieve evaluatiepatiënten, wat opnieuw het belang van geschikte follow-upmechanismen onderstreept. De gevolgen van een gemiste knobbel zijn duidelijk.
Gegevens suggereren dat er raciale en etnische verschillen bestaan in de follow-up van IPN's. In een onderzoek onder 1.562 patiënten met een IPN die follow-up in een tertiair zorgcentrum nodig hadden, werd slechts 49,1% van de Latijns-Amerikaanse patiënten en 55,1% van de zwarte patiënten op de hoogte gebracht van IPN's, vergeleken met 79,5% van de blanke patiënten. Evenzo hadden niet-blanke patiënten significant lagere percentages van bestelling en therapietrouw bij follow-up beeldvorming en hadden ze een grotere kans om follow-up uit te stellen. Hoewel deze discrepantie in de zorg is vastgesteld, bestaan er weinig oplossingen om de kloof te overbruggen en blijven ondervertegenwoordigde patiënten een hoger risico lopen op een uitgestelde diagnose tot vergevorderde stadia van de ziekte.
Wat de moeilijkheid bij het behandelen van achtergestelde patiënten met IPN's verder verergert, is het gebrek aan programma's voor geformaliseerde follow-up, met name in stedelijke gebieden. Tijdens een vergadering van de adviesraad van grote medische centra in New York City werd slechts één formeel nodule-evaluatieprogramma geïdentificeerd dat verband hield met de ED van een centrum. New York Presbyterian Hospital Weill Cornell identificeerde 539 patiënten met IPN's gedurende een periode van twee jaar. Na radiologisch onderzoek verwezen de thoraxradiologen 289 patiënten door voor verder overleg en van deze 142 (26,3% van de oorspronkelijke populatie) werden ze doorverwezen voor evaluatie door een longarts of oncoloog. Terwijl de resultaten van dit onderzoek en het aantal kankerdiagnoses momenteel worden getabelleerd, is het grote aantal patiënten dat wordt doorverwezen met betrekking tot bevindingen vrij opmerkelijk.
Binnen New York City is het Montefiore Health System uniek gepositioneerd om klinisch onderzoek uit te voeren en ongelijkheden in de gezondheidszorg te overbruggen door achtergestelde en ondervertegenwoordigde gemeenschappen te betrekken. Het gezondheidssysteem bestaat uit 11 ziekenhuizen in de Bronx, Westchester en de Hudson Valley in New York. De belangrijkste campussen omvatten twee hoogvolume ED's, waaronder een van de vijf drukste in het land, en bedienen een diverse bevolking van bijna 1,5 miljoen inwoners in de Bronx. Eerdere gegevens van Montefiore hebben aangetoond dat van de 855 primaire longkankers die tussen 2013 en 2016 werden gediagnosticeerd, er slechts 417 (55%) werden gevonden bij patiënten met een in-netwerk PCP, wat de behoefte illustreert aan een beter ondersteuningssysteem en aan een systematische aanpak om te identificeren en begeleiden van deze patiënten. Bovendien hadden van de 175 van deze patiënten die in aanmerking kwamen voor LCS slechts 33 de screening voltooid. Van de gescreende patiënten werd bij 64% de diagnose stadium I/II niet-kleincellige longkanker gesteld, vergeleken met slechts 29% van de longkankers die buiten de screening werden gevonden. In deze laatste groep werd bij 46% de diagnose gemetastaseerde ziekte gesteld. Dit toont niet alleen de waarde aan van screening in deze risicopopulatie, maar benadrukt ook de noodzaak van snelle opvolging van incidenteel geconstateerde longafwijkingen. Een groot deel van deze populatie bij wie longkanker werd vastgesteld buiten de screening om, bestond uit zwarte (46%) en Latijns-Amerikaanse (34%) patiënten met een gemiddeld inkomen per hoofd van de bevolking van slechts ongeveer $20.000.12. De evaluatie en implementatie van een programma voor het opsporen van knobbeltjes kan dus de zorg uitbreiden en het overlevingspotentieel verbeteren bij patiënten met beperkte toegang tot gezondheidszorg, waar de SEH kan functioneren als het eerstelijnszorgcentrum.
Studietype
Contacten en locaties
Studie Locaties
-
-
New York
-
Bronx, New York, Verenigde Staten, 10461
- Montefiore Medical Center-Albert Einstein College of Medicine
-
-
Deelname Criteria
Geschiktheidscriteria
Leeftijden die in aanmerking komen voor studie
Accepteert gezonde vrijwilligers
Bemonsteringsmethode
Studie Bevolking
Beschrijving
Inclusiecriteria:
Deel A van de studie probeert IPN's vast te leggen en het mechanisme voor management te standaardiseren, waarbij de volgende opnamecriteria worden gehanteerd:
- Boven de 18 jaar
- Onderging een beeldvormingsonderzoek voor een ander doel dan longkankerscreening in een Montefiore Medical Center-faciliteit die een longknobbel identificeert
- Beeldvormingsresultaten vastgelegd in het elektronische medische dossier van Epic
- Verwezen naar de longknobbelkliniek
- Onderging tijdens de onderzoeksperiode een persoonlijke of telefonische/telehealth-ontmoeting in een Montefiore Medical Center-faciliteit
- Longkankers gediagnosticeerd in een Montefiore Medical Center-faciliteit tussen 1 april 2021 en 31 maart 2022 zullen ook worden opgenomen voor retrospectieve beoordeling en vergelijking met het cohort van longkankers gediagnosticeerd na de instillatie van het hierin beschreven IPN-programma
In deel B van het onderzoek wordt getracht een algoritme te ontwikkelen voor risicostratificatie van incidentele longknobbels met behulp van gegevens uit het elektronische medische dossier. Inclusiecriteria zijn:
- Boven de 18 jaar
- Onderging een beeldvormingsonderzoek voor een ander doel dan longkankerscreening in een Montefiore Medical Center-faciliteit die een longknobbel identificeert
- Beeldvormingsresultaten vastgelegd in het elektronische medische dossier van Epic
- Verwezen naar de longknobbelkliniek
- Onderging tijdens de onderzoeksperiode een persoonlijke of telefonische/telehealth-ontmoeting in een Montefiore Medical Center-faciliteit
Het derde deel (Deel C) van de studie is een substudie die plasma-gebaseerde expressie onderzoekt van markers geassocieerd met longkanker bij patiënten met longknobbeltjes, en zal de volgende patiënten omvatten:
- Boven de 18 jaar
- Onderging een beeldvormingsonderzoek, inclusief beeldvorming uitgevoerd voor screening op longkanker, in een Montefiore Medical Center-faciliteit die een longknobbel identificeert
- Beeldvormingsresultaten vastgelegd in het elektronische medische dossier van Epic
- Verwezen naar de longknobbelkliniek
- Onderging tijdens de onderzoeksperiode een persoonlijke of telefonische/telehealth-ontmoeting in een Montefiore Medical Center-faciliteit
- Aanbevolen follow-up door middel van voortdurende beeldvormingsbewaking van de knobbel of procedure voor diagnose, inclusief percutane transthoracale naaldbiopsie, endobronchiale transbronchiale naaldaspiratie, chirurgische biopsie of resectie van longknobbel
Uitsluitingscriteria:
- <18 jaar
- Geen bewijs van een longknobbel door beeldvorming
Studie plan
Hoe is de studie opgezet?
Ontwerpdetails
Cohorten en interventies
Groep / Cohort |
|---|
|
Groep A
Doel 1 (Deel A). Om natuurlijke taalverwerking (NLP) te gebruiken om alle ED-patiënten te identificeren met incidenteel gedetecteerde longknobbeltjes gevonden op thoraxfoto's of thorax- of abdominale CT-scans, en om een gestandaardiseerd verwijzings- en meldingsproces te ontwikkelen Doel 1.1) Gebruik van NLP om radiologische rapporten te screenen en knobbeltjes te identificeren die voldoen aan de criteria voor follow-up volgens de richtlijnen van de Fleischner Society Doel 1.2) Creatie van een op elektronische medische dossiers gebaseerd notificatiesysteem om patiënten en zorgverleners te waarschuwen voor de identificatie van een IPN die follow-up vereist, bijgehouden door een speciale patiëntennavigator Doel 1.3) Oprichting van een multidisciplinair managementteam voor longknobbels, hierna de longknobbelkliniek genoemd, om te zorgen voor richtlijngericht beheer van knobbeltjes met de nadruk op knobbeltjes met een hoog risico, zoals geïdentificeerd in volgende doelstellingen |
|
Groep B
Doel 2 (deel B). Patiënten met IPN's klinisch risicostratificeren met behulp van kunstmatige intelligentie (AI) -verwerking van bekende klinische risicofactoren voor pulmonale maligniteit, zoals leeftijd, rookgeschiedenis en geschiedenis van maligniteit, samen met radiografische risicoclassificaties, waaronder locatie, grootte en beeldvormingskenmerken van knobbeltjes. Doel 2.1) Ontwikkeling van een geïntegreerde classificator op basis van geautomatiseerd scannen en ophalen van gegevens uit het elektronisch medisch dossier (EMR) om patiënten met IPN's te stratificeren als laag, gemiddeld of hoog risico op maligniteit, met factoranalyse om de bijdragen van individuele factoren aan het model te beoordelen Doel 2.2) Prospectieve evaluatie van de geïntegreerde classificator en vergelijking van de geautomatiseerde geïntegreerde classificator met gevestigde handmatige risicocalculators |
|
Groep C
Doel 3 (Deel C). Om biologische risicoclassificaties te onderzoeken die kunnen helpen bij de risicostratificatie van longknobbeltjes Doel 3.1) Evaluatie van een op bloed gebaseerde genexpressietest voor risicostratificatie van longknobbeltjes met behulp van biobankspecimens Doel 3.2) Prospectieve verzameling van plasma van patiënten die zijn ingeschreven in een longknobbelkliniek en evaluatie van genexpressie om het maligniteitsrisico te beoordelen |
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Vastleggen van incidenteel geïdentificeerde longknobbels met behulp van het elektronische medische dossier
Tijdsspanne: Door het voltooien van de beoordeling van de kaart, tot 1 jaar
|
Om alle incidenteel geïdentificeerde longknobbels vast te leggen en een multidisciplinair team te creëren voor het beheer van longknobbels.
Radiologie- en longartsen zullen IPN's >=6 mm die worden aangeduid als positief beeldvormingsresultaat in Montefiore identificeren en rapporteren.
NLP zal worden gebruikt om IPN's te identificeren met behulp van de Lung Orchestrator en IPN's zullen worden vastgelegd door geautomatiseerde beoordeling van radiologie.
Cardiothoracale beeldvorming zal helpen bij de identificatie van knobbeltjes met behulp van NLP.
Na bevestiging van een knobbel die moet worden opgevolgd, plaatst de Lung Orchestrator de patiënt in een werkwachtrij.
Patiënten bij wie in het jaar voorafgaand aan het programma de diagnose longkanker is gesteld, zullen retrospectief met NLP worden beoordeeld om vast te stellen of de aanpak de naleving van de IPN-follow-uprichtlijnen vergroot.
|
Door het voltooien van de beoordeling van de kaart, tot 1 jaar
|
|
Prestatievergelijking van op EMR gebaseerd algoritme om risico's vast te stellen
Tijdsspanne: Door ontwikkeling van algoritme, maximaal 1 jaar
|
Patiënten zullen worden gevolgd om een uit meerdere componenten bestaande geïntegreerde risicoclassificatie te ontwikkelen voor stratificatie in laag of middelmatig maligniteitsrisico.
Risicocalculators (Brock University; Mayo Clinic) zullen worden gebruikt voor beoordelingen en evaluaties die zijn ontworpen om automatisch in het EMR te worden ingevuld.
Stratificatie zal gebaseerd zijn op demografische factoren, zoals leeftijd, geslacht, ras, roken en kankergeschiedenis.
Beeldvormingskenmerken zoals emfyseem, locatie van de knobbel, grootte en betreffende kenmerken zullen worden gebruikt.
Het doel is om een geautomatiseerd algoritme voor risicoberekening te ontwikkelen op basis van AI-gemedieerde verwerking van klinische gegevens en radiomics.
Deze beoordelingen zullen real-time risico-identificatie mogelijk maken en het onderzoek van een nieuw model zal gegevens van een meer diverse populatie bevatten.
|
Door ontwikkeling van algoritme, maximaal 1 jaar
|
|
Evaluatie van LiquidLung plasma-gebaseerde genexpressietest voor biomarker-subsetselectie met behulp van biobank-specimens
Tijdsspanne: Door evaluatie van assay, tot 1,5 jaar
|
Deze test is van toepassing op alle betreffende longknobbeltjes, vertegenwoordigd door de patiënten die zijn doorverwezen naar de longknobbelkliniek.
De longknobbelkliniek behandelt zowel incidentele als door het scherm gedetecteerde laesies.
Montefiore Health System heeft een gevestigd screeningsprogramma voor longkanker met meer dan 1.000 screenings afgerond in het afgelopen jaar.
Patiënten met verdachte knobbeltjes worden aanbevolen voor follow-up en kunnen ook baat hebben bij testen via niet-invasieve middelen.
|
Door evaluatie van assay, tot 1,5 jaar
|
Andere uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Prestaties van LiquidLung plasma-gebaseerde genexpressietest bij patiënten met incidentele of door screening gedetecteerde longknobbeltjes
Tijdsspanne: Door evaluatie van de testprestaties, tot 1,5 jaar
|
Als verkennend doel zal de prestatie (nut/haalbaarheid) van de LiquidLung-test worden beoordeeld bij patiënten die zijn ingeschreven in de longknobbelkliniek van Montefiore op het vermogen van de test om incidentele of door screening gedetecteerde longknobbeltjes te classificeren als goedaardig of kwaadaardig.
|
Door evaluatie van de testprestaties, tot 1,5 jaar
|
Medewerkers en onderzoekers
Sponsor
Onderzoekers
- Hoofdonderzoeker: Neel Chudgar, MD, Montefiore Medical Center
Publicaties en nuttige links
Algemene publicaties
- Siegel RL, Miller KD, Fuchs HE, Jemal A. Cancer Statistics, 2021. CA Cancer J Clin. 2021 Jan;71(1):7-33. doi: 10.3322/caac.21654. Epub 2021 Jan 12. Erratum In: CA Cancer J Clin. 2021 Jul;71(4):359.
- Jemal A, Fedewa SA. Lung Cancer Screening With Low-Dose Computed Tomography in the United States-2010 to 2015. JAMA Oncol. 2017 Sep 1;3(9):1278-1281. doi: 10.1001/jamaoncol.2016.6416.
- MacMahon H, Naidich DP, Goo JM, Lee KS, Leung ANC, Mayo JR, Mehta AC, Ohno Y, Powell CA, Prokop M, Rubin GD, Schaefer-Prokop CM, Travis WD, Van Schil PE, Bankier AA. Guidelines for Management of Incidental Pulmonary Nodules Detected on CT Images: From the Fleischner Society 2017. Radiology. 2017 Jul;284(1):228-243. doi: 10.1148/radiol.2017161659. Epub 2017 Feb 23.
- National Lung Screening Trial Research Team; Aberle DR, Adams AM, Berg CD, Black WC, Clapp JD, Fagerstrom RM, Gareen IF, Gatsonis C, Marcus PM, Sicks JD. Reduced lung-cancer mortality with low-dose computed tomographic screening. N Engl J Med. 2011 Aug 4;365(5):395-409. doi: 10.1056/NEJMoa1102873. Epub 2011 Jun 29.
- US Preventive Services Task Force; Krist AH, Davidson KW, Mangione CM, Barry MJ, Cabana M, Caughey AB, Davis EM, Donahue KE, Doubeni CA, Kubik M, Landefeld CS, Li L, Ogedegbe G, Owens DK, Pbert L, Silverstein M, Stevermer J, Tseng CW, Wong JB. Screening for Lung Cancer: US Preventive Services Task Force Recommendation Statement. JAMA. 2021 Mar 9;325(10):962-970. doi: 10.1001/jama.2021.1117.
- Lake M, Shusted CS, Juon HS, McIntire RK, Zeigler-Johnson C, Evans NR, Kane GC, Barta JA. Black patients referred to a lung cancer screening program experience lower rates of screening and longer time to follow-up. BMC Cancer. 2020 Jun 16;20(1):561. doi: 10.1186/s12885-020-06923-0.
- Wiener RS, Gould MK, Slatore CG, Fincke BG, Schwartz LM, Woloshin S. Resource use and guideline concordance in evaluation of pulmonary nodules for cancer: too much and too little care. JAMA Intern Med. 2014 Jun;174(6):871-80. doi: 10.1001/jamainternmed.2014.561.
- Hanchate AD, Dyer KS, Paasche-Orlow MK, Banerjee S, Baker WE, Lin M, Xue WD, Feldman J. Disparities in Emergency Department Visits Among Collocated Racial/Ethnic Medicare Enrollees. Ann Emerg Med. 2019 Mar;73(3):225-235. doi: 10.1016/j.annemergmed.2018.09.007. Epub 2018 Oct 26.
- Schut RA, Mortani Barbosa EJ Jr. Racial/Ethnic Disparities in Follow-Up Adherence for Incidental Pulmonary Nodules: An Application of a Cascade-of-Care Framework. J Am Coll Radiol. 2020 Nov;17(11):1410-1419. doi: 10.1016/j.jacr.2020.07.018. Epub 2020 Aug 7.
- Su CT, Bhargava A, Shah CD, Halmos B, Gucalp RA, Packer SH, Ohri N, Haramati LB, Perez-Soler R, Cheng H. Screening Patterns and Mortality Differences in Patients With Lung Cancer at an Urban Underserved Community. Clin Lung Cancer. 2018 Sep;19(5):e767-e773. doi: 10.1016/j.cllc.2018.05.019. Epub 2018 Jun 5.
- Dziadzko MA, Novotny PJ, Sloan J, Gajic O, Herasevich V, Mirhaji P, Wu Y, Gong MN. Multicenter derivation and validation of an early warning score for acute respiratory failure or death in the hospital. Crit Care. 2018 Oct 30;22(1):286. doi: 10.1186/s13054-018-2194-7.
- Kammer MN, Massion PP. Noninvasive biomarkers for lung cancer diagnosis, where do we stand? J Thorac Dis. 2020 Jun;12(6):3317-3330. doi: 10.21037/jtd-2019-ndt-10.
- Gould MK, Tang T, Liu IL, Lee J, Zheng C, Danforth KN, Kosco AE, Di Fiore JL, Suh DE. Recent Trends in the Identification of Incidental Pulmonary Nodules. Am J Respir Crit Care Med. 2015 Nov 15;192(10):1208-14. doi: 10.1164/rccm.201505-0990OC.
- Kang SK, Garry K, Chung R, Moore WH, Iturrate E, Swartz JL, Kim DC, Horwitz LI, Blecker S. Natural Language Processing for Identification of Incidental Pulmonary Nodules in Radiology Reports. J Am Coll Radiol. 2019 Nov;16(11):1587-1594. doi: 10.1016/j.jacr.2019.04.026. Epub 2019 May 24.
- Mobiny A, Yuan P, Cicalese PA, Moulik SK, Garg N, Wu CC, Wong K, Wong ST, He TC, Nguyen HV. Memory-Augmented Capsule Network for Adaptable Lung Nodule Classification. IEEE Trans Med Imaging. 2021 Oct;40(10):2869-2879. doi: 10.1109/TMI.2021.3051089. Epub 2021 Sep 30.
- Silvestri GA, Tanner NT, Kearney P, Vachani A, Massion PP, Porter A, Springmeyer SC, Fang KC, Midthun D, Mazzone PJ; PANOPTIC Trial Team. Assessment of Plasma Proteomics Biomarker's Ability to Distinguish Benign From Malignant Lung Nodules: Results of the PANOPTIC (Pulmonary Nodule Plasma Proteomic Classifier) Trial. Chest. 2018 Sep;154(3):491-500. doi: 10.1016/j.chest.2018.02.012. Epub 2018 Mar 1.
Studie record data
Bestudeer belangrijke data
Studie start (Geschat)
Primaire voltooiing (Geschat)
Studie voltooiing (Geschat)
Studieregistratiedata
Eerst ingediend
Eerst ingediend dat voldeed aan de QC-criteria
Eerst geplaatst (Werkelijk)
Updates van studierecords
Laatste update geplaatst (Geschat)
Laatste update ingediend die voldeed aan QC-criteria
Laatst geverifieerd
Meer informatie
Termen gerelateerd aan deze studie
Aanvullende relevante MeSH-voorwaarden
Andere studie-ID-nummers
- 2021-13475
Plan Individuele Deelnemersgegevens (IPD)
Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?
Beschrijving IPD-plan
Informatie over medicijnen en apparaten, studiedocumenten
Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel
Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct
Deze informatie is zonder wijzigingen rechtstreeks van de website clinicaltrials.gov gehaald. Als u verzoeken heeft om uw onderzoeksgegevens te wijzigen, te verwijderen of bij te werken, neem dan contact op met register@clinicaltrials.gov. Zodra er een wijziging wordt doorgevoerd op clinicaltrials.gov, wordt deze ook automatisch bijgewerkt op onze website .