Påvisning av tykktarmskreft hos pasienter med positiv fekal immunokjemisk test ved bruk av en elektronisk neseenhet (AeoNoseTM)

Studiebegrunnelse:

Koloskopi spiller en nøkkelrolle i alle screeningmodaliteter for kolorektal kreft (CRC). En viktig begrensning ved koloskopi er fortsatt at den diagnostiske nøyaktigheten og den terapeutiske sikkerheten til koloskopi både avhenger av flere lege- og pasientrelaterte faktorer. Betydelige mengder polypper savnes under koloskopi og alvorlige uønskede effekter forekommer fortsatt i 0,1–0,3 % av alle koloskopiprosedyrer, selv blant sakkyndige undersøkere. Dessuten påvirker prosedyrens tyngende karakter og nødvendigheten av fullstendig tarmforberedelse negativt deltakelsesraten, og bruken av koloskopi som en CRC-screeningtest er begrenset av helsekostnader og ekspertisen som trengs for å utføre screeningen. Disse ulempene ved koloskopi garanterer utviklingen av en ny, ikke-invasiv, nøyaktig CRC-screeningtest.

Et elektronisk neseapparat er et kunstig luktesystem som analyserer flyktige organiske forbindelser (VOC) i utånding. Bruken av elektroniske neser er allerede vurdert som en potensiell ikke-invasiv diagnostisk biomarkørtest for lungekreft, brystkreft og ondartede melanomer. Denne studien tar sikte på å undersøke den diagnostiske nøyaktigheten av utåndingsanalyse med AeonoseTM (The eNose Company, Zutphen, Nederland) for å skille pusten til pasienter mistenkt for CRC (basert på en positiv fekal immunokjemisk test (FIT)), som er virkelig diagnostisert med CRC, fra pasienter mistenkt for CRC hvor denne diagnosen blir avvist etter koloskopi.

Mål:

• For å undersøke den diagnostiske nøyaktigheten av utåndingsanalyse med AeonoseTM for å skille pusten til pasienter som mistenkes for CRC basert på en positiv FIT-test, som virkelig er diagnostisert med CRC, fra pasienter mistenkt for CRC der denne diagnosen blir avvist etter koloskopi.
• For å undersøke den diagnostiske nøyaktigheten av utåndingsanalyse med AeonoseTM for andre (pre-)maligne tykktarmslesjoner (f.eks. avanserte adenomer, ikke-avanserte adenomer og fastsittende taggete lesjoner).
• For å vurdere akseptgraden ved bruk av AeonoseTM-enheten.

Studiedesign: Den nåværende multisenterstudien vil inkludere 1950 FIT-positive pasienter. Studien skal gjennomføres ved syv sykehus i Nederland. Først vil en database med pusteutskrifter bli utviklet for å oppdage CRC. I denne studiefasen vil AeonoseTM trenes, og databasen med pusteutskrifter vil bli verifisert ved å bruke kryssvalidering "la 10 % ute". Etter kalibreringsfasen vil den diagnostiske nøyaktigheten til AeonoseTM bli vurdert i nye studiepasienter (ekstern validering).

Studiepopulasjon: Pasienter mellom 55 og 75 år med positiv FIT-test henvist til koloskopi.

Hovedstudieparametere/endepunkter:

• Evnen til AeonoseTM til å skille mellom pasienter med og uten CRC i en FIT-positiv populasjon når det gjelder sensitivitet og spesifisitet.
• Den diagnostiske nøyaktigheten til AeonoseTM for andre (pre-)maligne tykktarmslesjoner.
• Akseptrate for AeonoseTM

Statistisk analyse:

Data om demografiske og grunnlinjekarakteristikker vil bli oppsummert for kontinuerlige variabler, ved normalfordeling etter gjennomsnitt og standardavvik, og ved ikke-normalfordeling etter median og interkvartilt område. For diskrete variabler (f.eks. rase og kjønn) vil data oppsummeres etter proporsjoner (prosentandeler). Forskjeller i grunnlinjekarakteristikker vil bli bestemt ved å bruke uavhengig sample t-test, Fishers eksakte test eller Chi-square test, når det er aktuelt. En 2-sidig p-verdi <0,05 vil anses som statistisk signifikant.

Dataene vil bli analysert av et kunstig nevralt nettverk (ANN) for å identifisere dataklassifiserere for å trekke ut forskjeller mellom mønstrene hos pasienter ved tilstedeværelse eller fravær av CRC i biopsier. Ved å analysere en gruppe pusteutskrifter fra pasienter med og uten CRC, kan individuelle forskjeller i kosthold, medisiner, komorbiditeter og andre faktorer filtreres ut for å identifisere egenskaper som skiller forbindelsene til pasienter med CRC. Denne prosessen fortsetter til et valgt nivå av diskriminering er oppfylt. Datakomprimering og ANN er integrert i en proprietær programvarepakke (Aethena) fra eNose Company (Zutphen, Nederland).

De binære resultatene vil bli presentert i et spredningsplott og en mottakerdriftskarakteristikkkurve (ROC-kurve). Matthews korrelasjonskoeffisienter vil bli beregnet for å måle kvaliteten på binære klassifiseringer. Kryssvalidering av dataene vil bli utført med en leave-10%-out metode. En del av dataene utelates for å forutsi den mest optimale modellen.