- ICH GCP
- US Clinical Trials Registry
- Klinisk utprøving NCT04726228
Smertevurdering hos kreftpasienter ved maskinlæring (PASCALE) (PASCALE)
Hjemmebasert telemedisin for automatisk smertevurdering hos kreftpasienter: Datasettoppretting og utvikling av maskinlæringsalgoritmer
Studieoversikt
Status
Forhold
Detaljert beskrivelse
I hele studiens varighet vil pasientene forbli under omsorgen for tidlig lindrende behandling og poliklinisk team for samtidig behandling av Istituto Nazionale Tumori, Fondazione Pascale, hjemme. Smerter og andre symptomer vil bli håndtert i henhold til god klinisk praksis og pasienter vil få bistand etter avtale om rutinemessig medisinsk behandling.
Følgende enheter vil bli brukt:
- Programvare
- Instrumentering
- Kliniske vurderingsverktøy: European Organization for Research and Treatment of Cancer Questionnaire Core 30 (EORTC QLQ-C30), Daily Pain Diary, 0-10 numerisk vurderingsskala (NRS).
Prosjektet vil bli delt inn i tre hovedarbeidspakker (WPs), dedikert henholdsvis til opprettelsen av IT-infrastrukturen for å støtte anskaffelser (WP1), pasientdatainnsamlingskampanjen (WP2), og utviklingen av maskinlæringsalgoritmer for automatisk smertegjenkjenning (WP3). Påføringen av enhetene og verifisering av riktig funksjon vil bli utført hjemme hos pasienten av IT-personalet som er involvert i studien.
WP1 - Systemet består av tre hovedkomponenter: serveren, med den vedlagte databasen, applikasjonen for mobile enheter, også ansvarlig for å administrere datainnsamling fra fysiologiske signalinnsamlingsenheter, og skrivebordsapplikasjonen, som brukes av det kliniske personalet for å overvåke fremdriften av datainnsamling.
Mobilapplikasjonen vil ha rollen som grensesnitt direkte med pasienten og innhente biometriske data fra bærbare enheter. Spesifikt vil følgende signaler innhentes: hjertefrekvens, kroppstemperatur, ikke-invasivt blodtrykk og galvanisk hudrespons (GSR). Hjertefrekvensen vil bli oppnådd gjennom en bærbar enhet (Garmin Vivosmart 4), mens kroppstemperaturen, det ikke-invasive blodtrykket og GSR vil bli registrert av en ekstern enhet (en BITalino-plattform). For ytterligere å validere nøyaktigheten til algoritme som skal omhandle smertedeteksjon, vil pasientene også få utdelt et QoL spørreskjema (EORTC QLQ-C30).
For å tilegne seg grunnsannheten til dataene, vil pasienten bli bedt om å gi tilbakemelding på smertenivået, både med bestemte tidsintervaller i løpet av dagen, og ved akutte smerteepisoder. Denne tilbakemeldingen kan være basert på NRS og multimediestrategier (f.eks. videoer). Pasienter vil fylle ut en daglig smertedagbok.
WP2 - Kampanjen vil inkludere en foreløpig anskaffelsesfase rettet mot å teste IT-infrastrukturen. For å oppnå en adekvat inter-subjekt og intra-subjekt variabilitet, vil det være nødvendig å registrere minst 40 pasienter, og innhente data i 10-14 dager. Dermed vil datainnsamlingskampanjen pågå i ca 6 måneder. Hvert emne vil bruke mobilapplikasjonen og sensorene i 2 uker. Data vil bli innhentet ved å bruke samtidig datainnsamlingsbunter (applikasjon, sensorer og hvilken som helst mobilenhet). Ved påmelding og på slutten vil EORTC QLQ-C30 bli administrert.
WP3 - Målet er utviklingen av algoritmer som er i stand til å forutsi nivået av smerte oppfattet av pasienten. Ved å ha en betydelig mengde merkede data tilgjengelig, vil systemet lære av eksemplene.
Studietype
Registrering (Antatt)
Kontakter og plasseringer
Studiekontakt
- Navn: Marco Cascella, MD
- Telefonnummer: +39 0815903508
- E-post: m.cascella@istitutotumori.na.it
Studer Kontakt Backup
- Navn: Arturo Cuomo, MD
- Telefonnummer: +39 0815903508
- E-post: a.cuomo@istitutotumori.na.it
Studiesteder
-
-
Campania
-
Naples, Campania, Italia, 80131
- Rekruttering
- National Cancer Institute of Naples
-
Ta kontakt med:
- Marco Cascella, MD
- Telefonnummer: +39 0815903508
- E-post: m.cascella@istitutotumori.na.it
-
Ta kontakt med:
- Arturo Cuomo, MD
- Telefonnummer: +39 0815903508
- E-post: a.cuomo@istitutotumori.na.it
-
Napoli, Campania, Italia
- Har ikke rekruttert ennå
- A.O.U. Federico II
-
Ta kontakt med:
- Francesco Cutugno, PhD
- Telefonnummer: +39 081679191
- E-post: francesco.cutugno@unina.it
-
-
Deltakelseskriterier
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
Tar imot friske frivillige
Prøvetakingsmetode
Studiepopulasjon
Beskrivelse
Inklusjonskriterier:
- Pasienter > 18 år
- Hjemmesykepasienter diagnostisert med avansert kreftsykdom og forventet levealder ≤ 1 år
- Pasienter som får behandling for kreftsmerter
- Pasienter som har gitt sitt samtykke
Ekskluderingskriterier:
- Pasienter < 18 år
- Vilje til å signere skjemaet for informert samtykke (kan ikke lese eller skrive)
- Kognitivt underskudd (f.eks. Alzheimers sykdom eller senil demens)
Studieplan
Hvordan er studiet utformet?
Designdetaljer
- Observasjonsmodeller: Kohort
- Tidsperspektiver: Potensielle
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
---|---|---|
Å utvikle en maskinlæringsalgoritme som er nyttig for å forutsi smertenivået hos kreftpasienter. En database som inneholder kliniske data og smerteegenskaper vil bli innhentet.
Tidsramme: Inntil 2 uker
|
Kliniske data: Hjertefrekvens (slag per minutt, slag per minutt)
|
Inntil 2 uker
|
Å utvikle en maskinlæringsalgoritme som er nyttig for å forutsi smertenivået hos kreftpasienter. En database som inneholder kliniske data og smerteegenskaper vil bli innhentet.
Tidsramme: Når pasienten har en forverring av smerten, opptil 2 uker
|
Kliniske data: Kroppstemperatur (Celsius, °C) Pasienten vil bruke den medfølgende enheten (BITalino).
|
Når pasienten har en forverring av smerten, opptil 2 uker
|
Å utvikle en maskinlæringsalgoritme som er nyttig for å forutsi smertenivået hos kreftpasienter. En database som inneholder kliniske data og smerteegenskaper vil bli innhentet.
Tidsramme: Når pasienten har en forverring av smerten, opptil 2 uker
|
Kliniske data: Ikke-invasivt blodtrykk (mmHg).
Pasienten vil bruke den medfølgende enheten (BITalino).
|
Når pasienten har en forverring av smerten, opptil 2 uker
|
Å utvikle en maskinlæringsalgoritme som er nyttig for å forutsi smertenivået hos kreftpasienter. En database som inneholder kliniske data og smerteegenskaper vil bli innhentet.
Tidsramme: Når pasienten har en forverring av smerten, opptil 2 uker
|
Kliniske data: Galvanisk hudrespons (GSR) refererer til endringer i svettekjertelaktivitet som reflekterer intensiteten til den emosjonelle tilstanden. Pasienten vil bruke den medfølgende enheten (BITalino). |
Når pasienten har en forverring av smerten, opptil 2 uker
|
Å utvikle en maskinlæringsalgoritme som er nyttig for å forutsi smertenivået hos kreftpasienter. En database som inneholder kliniske data og smerteegenskaper vil bli innhentet.
Tidsramme: Når pasienten har en forverring av smerten, opptil 2 uker
|
Smertefunksjoner: En daglig smertedagbok vil bli brukt. Type: hvordan smerte føles (f.eks. skarp, verk, skyting, prikking). |
Når pasienten har en forverring av smerten, opptil 2 uker
|
Å utvikle en maskinlæringsalgoritme som er nyttig for å forutsi smertenivået hos kreftpasienter. En database som inneholder kliniske data og smerteegenskaper vil bli innhentet.
Tidsramme: Når pasienten har en forverring av smerten, opptil 2 uker
|
Smertefunksjoner: En daglig smertedagbok vil bli brukt. Grad: 0-10 numerisk vurderingsskala (NRS) der 0 er ingen smerte og 10 er den verste smerten man kan tenke seg. |
Når pasienten har en forverring av smerten, opptil 2 uker
|
Å utvikle en maskinlæringsalgoritme som er nyttig for å forutsi smertenivået hos kreftpasienter. En database som inneholder kliniske data og smerteegenskaper vil bli innhentet.
Tidsramme: Når pasienten har en forverring av smerten, opptil 2 uker
|
Smertefunksjoner: En daglig smertedagbok vil bli brukt. Varighet (minutter, timer, dager). |
Når pasienten har en forverring av smerten, opptil 2 uker
|
Å utvikle en maskinlæringsalgoritme som er nyttig for å forutsi smertenivået hos kreftpasienter. En database som inneholder kliniske data og smerteegenskaper vil bli innhentet.
Tidsramme: Når pasienten har en forverring av smerten, opptil 2 uker
|
Smertefunksjoner: En daglig smertedagbok vil bli brukt. Utløsende faktorer. |
Når pasienten har en forverring av smerten, opptil 2 uker
|
Å utvikle en maskinlæringsalgoritme som er nyttig for å forutsi smertenivået hos kreftpasienter. En database som inneholder kliniske data og smerteegenskaper vil bli innhentet.
Tidsramme: Når pasienten har en forverring av smerten, opptil 2 uker
|
Smertefunksjoner: En daglig smertedagbok vil bli brukt. Navn og mengde stoff som ble brukt og tidspunktet det ble tatt. |
Når pasienten har en forverring av smerten, opptil 2 uker
|
Sekundære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
---|---|---|
Pasienters livskvalitet vurdert ved EORTC QLQ-C30 spørreskjema.
Tidsramme: Ved begynnelsen og slutten av observasjonen, opptil 2 uker
|
Livskvalitet (QoL) for pasienter i henhold til European Organization for Research and Treatment of Cancer (EORTC) QLQ-C30 spørreskjema.
Det scores på en beregning fra 0 til 100.
Høyere score betyr bedre resultat.
|
Ved begynnelsen og slutten av observasjonen, opptil 2 uker
|
Samarbeidspartnere og etterforskere
Samarbeidspartnere
Etterforskere
- Hovedetterforsker: Marco Cascella, MD, Anesthesia and Pain Medicine. Istituto Nazionale Tumori - IRCCS Fondazione Pascale - Napoli, Italy
- Hovedetterforsker: Arturo Cuomo, MD, Anesthesia and Pain Medicine. Istituto Nazionale Tumori - IRCCS Fondazione Pascale - Napoli, Italy
Publikasjoner og nyttige lenker
Generelle publikasjoner
- Reis-Pina P, Lawlor PG, Barbosa A. Adequacy of cancer-related pain management and predictors of undertreatment at referral to a pain clinic. J Pain Res. 2017 Aug 31;10:2097-2107. doi: 10.2147/JPR.S139715. eCollection 2017.
- Adamse C, Dekker-Van Weering MG, van Etten-Jamaludin FS, Stuiver MM. The effectiveness of exercise-based telemedicine on pain, physical activity and quality of life in the treatment of chronic pain: A systematic review. J Telemed Telecare. 2018 Sep;24(8):511-526. doi: 10.1177/1357633X17716576. Epub 2017 Jul 11.
- Sirintrapun SJ, Lopez AM. Telemedicine in Cancer Care. Am Soc Clin Oncol Educ Book. 2018 May 23;38:540-545. doi: 10.1200/EDBK_200141.
- Aung MSH, Kaltwang S, Romera-Paredes B, Martinez B, Singh A, Cella M, Valstar M, Meng H, Kemp A, Shafizadeh M, Elkins AC, Kanakam N, de Rothschild A, Tyler N, Watson PJ, de C Williams AC, Pantic M, Bianchi-Berthouze N. The Automatic Detection of Chronic Pain-Related Expression: Requirements, Challenges and the Multimodal EmoPain Dataset. IEEE Trans Affect Comput. 2016 Oct-Dec;7(4):435-451. doi: 10.1109/TAFFC.2015.2462830. Epub 2015 Jul 30.
- Gruss S, Geiger M, Werner P, Wilhelm O, Traue HC, Al-Hamadi A, Walter S. Multi-Modal Signals for Analyzing Pain Responses to Thermal and Electrical Stimuli. J Vis Exp. 2019 Apr 5;(146). doi: 10.3791/59057.
- Pfeifer AC, Uddin R, Schroder-Pfeifer P, Holl F, Swoboda W, Schiltenwolf M. Mobile Application-Based Interventions for Chronic Pain Patients: A Systematic Review and Meta-Analysis of Effectiveness. J Clin Med. 2020 Nov 5;9(11):3557. doi: 10.3390/jcm9113557.
- Cuomo A, Bimonte S, Forte CA, Botti G, Cascella M. Multimodal approaches and tailored therapies for pain management: the trolley analgesic model. J Pain Res. 2019 Feb 19;12:711-714. doi: 10.2147/JPR.S178910. eCollection 2019.
- Rashidi P, Edwards DA, Tighe PJ. Primer on machine learning: utilization of large data set analyses to individualize pain management. Curr Opin Anaesthesiol. 2019 Oct;32(5):653-660. doi: 10.1097/ACO.0000000000000779.
- Dawes TR, Eden-Green B, Rosten C, Giles J, Governo R, Marcelline F, Nduka C. Objectively measuring pain using facial expression: is the technology finally ready? Pain Manag. 2018 Mar;8(2):105-113. doi: 10.2217/pmt-2017-0049. Epub 2018 Feb 22.
Studierekorddatoer
Studer hoveddatoer
Studiestart (Faktiske)
Primær fullføring (Faktiske)
Studiet fullført (Antatt)
Datoer for studieregistrering
Først innsendt
Først innsendt som oppfylte QC-kriteriene
Først lagt ut (Faktiske)
Oppdateringer av studieposter
Sist oppdatering lagt ut (Faktiske)
Siste oppdatering sendt inn som oppfylte QC-kriteriene
Sist bekreftet
Mer informasjon
Begreper knyttet til denne studien
Nøkkelord
Ytterligere relevante MeSH-vilkår
Andre studie-ID-numre
- 41/20 oss
Plan for individuelle deltakerdata (IPD)
Planlegger du å dele individuelle deltakerdata (IPD)?
IPD-planbeskrivelse
Legemiddel- og utstyrsinformasjon, studiedokumenter
Studerer et amerikansk FDA-regulert medikamentprodukt
Studerer et amerikansk FDA-regulert enhetsprodukt
Denne informasjonen ble hentet direkte fra nettstedet clinicaltrials.gov uten noen endringer. Hvis du har noen forespørsler om å endre, fjerne eller oppdatere studiedetaljene dine, vennligst kontakt register@clinicaltrials.gov. Så snart en endring er implementert på clinicaltrials.gov, vil denne også bli oppdatert automatisk på nettstedet vårt. .
Kliniske studier på Livskvalitet
-
Marlene FischerFullførtPostoperativ Quality of Recovery i Postanesthesia Care UnitTyskland
-
Anqing Municipal HospitalFullførtDexmedetomidin | Lidokain | Quality of Recovery (QoR-40), Preoperativ og PostoperativKina
-
University Hospital, GrenobleUkjentHealth Care Quality Management (ingen betingelse).Frankrike
-
Prisma Health-UpstateNational Institute on Drug Abuse (NIDA); Clemson UniversityRekrutteringVelferdstandard | Standard of Care + CBT4CBT | Standard of Care + CBT4CBT + RCForente stater
-
Sorbonne UniversityAalborg UniversityRekrutteringPoint of Care UltralydFrankrike
-
Imperial College LondonFullført
-
Asociacion Española Primera en SaludIntensive Care Unit Pasteur HospitalFullførtPoint of Care UltralydUruguay
-
Aga Khan UniversityThe Hospital for Sick Children; Grand Challenges CanadaUkjentPoint of Care UltralydPakistan
-
Research Unit Of General Practice, CopenhagenUniversity of Copenhagen; Region Capital Denmark; The Copenhagen General... og andre samarbeidspartnereFullført
-
Nimble Science Ltd.University of Calgary; Lallemand Health SolutionsFullført