Effektiviteten av personlig overvåking og ettervern for brystkreft (NABOR)

1. Behandling av forsøkspersoner: personlig oppfølging Personalized Surveillance Plan (PSP): Rundt det første overvåkingsmammografien (dvs. ett år etter avsluttet behandling), genereres den personlige overvåkingsplanen (PSP) ved hjelp av PSPs beslutningshjelp, kalt ' Beslutningshjelp for brystkreftovervåking' (16). Dette hjelpemiddelet inneholder INFLUENS-verktøyet 3.0, som er en oppfølger av INFLUENS-verktøyet 2.0 (15) og vil bli utviklet i løpet av dette prosjektet. Sammenlignet med INFLUENS 2.0 vil INFLUENS 3.0 i tillegg inkludere pasienter behandlet med neoadjuvant terapi en bredere populasjon enn INFLUENS 2.0 (inkludert pasienter behandlet med neoadjuvant terapi) og vil inkludere en nyere populasjon for å gi mer moderne risikoestimat som er anvendelige i en bredere befolkning. Under et poliklinikkbesøk, rundt det første overvåkingsmammografien (dvs. omtrent ett år etter diagnosen), fullføres prediksjonsverktøyet INFLUENCE 3.0, som en del av PSP-beslutningshjelpen, av HCP (dvs. kirurgisk onkolog eller sykepleierspesialist) og pasient sammen ved å fylle ut data om pasient-, tumor- og behandlingsegenskaper. Den estimerte personlige risikoen vil bli forklart for pasienten og oppsummert på en brosjyre som også skisserer mulige alternativer for pasienten (f.eks. årlig mammografi eller sjeldnere, varighet av oppfølging, hvordan man leverer resultatet fra mammografi). Pasienten får en personlig konto som hun hjemme kan fullføre PSP-beslutningshjelpen som gir informasjon om ulike overvåkingsalternativer og en verdiavklaringsøvelse for å hjelpe pasienten til å få innsikt i sine personlige behov og preferanser. Dette hjelper pasienten til å vurdere fordeler og ulemper ved de forskjellige alternativene. Et oppsummeringsark basert på pasientenes svar, kombinert med resultatet av første overvåkingsmammografi, brukes i neste konsultasjon for å ta felles beslutninger om en personlig overvåkingsplan (PSP).

   Personlig ettervernplan (PAP): For å støtte opprettelsen av denne PAP, vil en pasientbeslutningshjelp (PtDA) bli brukt, som vurderer pasientenes behov, tilbyr informasjon og gir en oppsummering av pasientenes behov og preferanser angående ettervernbanen. Innholdet i denne PtDAen vil bli utviklet i fem samskapingssesjoner med et tverrfaglig team av forskere, pasientrepresentanter og omsorgsleverandører. Først vil det bli gjennomført behovsvurderingsstudier blant pasienter og behandlere, hvilke resultater fungerer som input for innholdet i PtDA. Dette innholdet vil bli kritisk revidert av teamet og skrevet om til B1 språknivå (Common European Framework of Reference for Languages). Brukervennlighet vil bli testet, bestående av tenkehøyt-sesjoner med pasienter og telefonintervjuer blant helsepersonell.

   Under etterbehandlingskonsultasjoner det første året etter avsluttet pasientbehandling, vil helsepersonell (dvs. sykepleier eller sykepleierspesialist) vil introdusere PtDA for pasienten. Deretter får pasienter tilgang til den elektroniske PtDA for å fullføre en behovsvurdering og motta informasjon om mulige effekter av brystkreft, tilgjengelige alternativer og valg som hun har angående etterbehandlingsbanen og tilgjengelige ressurser for hjelp og støtte. Pasienter kan veie alternativer og fylle ut preferanser og hensyn. Når pasientene har fullført PtDA, vil det automatisk bli opprettet et sammendrag som inneholder en oversikt over pasientrapporterte behov, preferanser og hensyn, som kan brukes som grunnlag for endelig beslutningstaking om PAP i en konsultasjon med deres behandler. . Disse beslutningene vil utgjøre PAP, som mest sannsynlig vil omfatte beslutninger om organisering av ettervern (f.eks. ytterligere støtte eller henvisninger, kontaktmåte, involverte omsorgsleverandører) og signaler om å søke omsorg og kontaktinformasjon. Siden pasientenes behov kan variere over tid, kan behandleren introdusere PtDA flere ganger i løpet av ettervernbanen. PAP kan også revurderes og tilpasses i løpet av ettervernbanen, avhengig av pasientenes behov og arrangerte kontaktfrekvenser.

2. Beregning av prøvestørrelse: Prøvestørrelsen ble estimert ved å bruke et brukerskrevet skript for mITS-design i programvaren Statistical Analysis System (SAS). Siden det er to primære parametere, vil en Bonferroni-korreksjon bli brukt for å korrigere for flere tester og derfor sette det statistiske signifikansnivået til alfa=0,025 (tosidig). Effektene etterforskerne ønsker å måle er en forskjell på 1,52 på Cancer Worry Scale (CWS; område 6-24) og en forskjell på 4,8 på EQ-VAS-skåren (område 0-100), som er en del av EQ- 5D. Denne beslutningen er basert på målet om å oppdage en liten til moderat forskjell på 0,4 ganger standardavviket, som ble funnet å være rundt 3,8 for CWS og 12 for EQ-VAS-poengsum i tidligere studier. Fra et klinisk synspunkt er en forskjell på 1,52 på CWS relevant for formålet å estimere effektiviteten av personlig oppfølging: selv en liten reduksjon i kreftbekymring kan føre til forbedret livskvalitet. En forskjell på 4,8 på VAS-skåren anses også å være klinisk relevant. Det forventes en korrelasjon mellom de to første målingene innenfor ett sykehus på 80 %, og denne korrelasjonen forventes å synke til 50 % når man sammenligner den første med den siste målingen. I tillegg er det antatt en intraklasse korrelasjonskoeffisient på 0,15. Tatt i betraktning 25 % tap for oppfølging, vil hvert sykehus måtte inkludere fire pasienter per periode på tre uker for å oppdage en forskjell på 1,52 på CWS og 4,8 på VAS-skåren med 84 %. Den totale inkluderingstiden per sykehus er 26 perioder (78 uker, eller ca. 18 måneder), som utgjør et antall på 104 pasienter per sykehus og en studiepopulasjon på N=1 040.

3. Statistiske analyser: En oversikt over demografiske og kliniske karakteristika vil bli gitt ved bruk av beskrivende statistikk. Kontinuerlige data vil bli uttrykt som et gjennomsnitt med standardavviket (SD), eller interkvartilområdet (IQR) der det er hensiktsmessig. Kategoriske data vil bli uttrykt som frekvenser (%). Alle spørreskjemaer vil bli analysert i samsvar med tilhørende manual. Egenkomponerte spørsmål (dvs. opplevd risiko for gjentakelse, justerte spørsmål fra CQ-Breast Index, demografi) vil bli analysert per vare.

   For å vurdere effektiviteten av personlig overvåking og ettervern, vil alle utfallsparametere sammenlignes mellom gjeldende omsorgs- og persontilpasset omsorgsgruppe. Tidsseriemønstre vil bli visualisert før og etter personalisering for å vurdere mulig endring i mønster etter implementering av personaliseringen, for hvert sykehus separat og kombinert. På denne måten kan etterforskerne identifisere eventuelle underliggende trender, sesongmønstre og uteliggere.

   For å teste endringen i nivå og helning knyttet til personaliseringen og for å kontrollere for andre (forvirrende og overordnede trend) effekter, vil segmenterte regresjonsanalyser bli brukt der stykkevise regresjonslinjer er tilpasset hvert segment av tidsserier, slik at hvert segment kan vise seg ulike trender. For å korrigere for korrelasjon mellom gjentatte målinger vil gjenværende plott mot tid bli undersøkt visuelt, som i tillegg kan testes statistisk ved hjelp av Durbin-Watson-statistikken. Autokorrelasjon vil følgelig bli justert for ved å inkludere autokorrelasjonsparameteren i den segmenterte regresjonsmodellen. Intention-to-treat-analyser gjøres for å estimere effektiviteten av personlig oppfølging av resultatene av spørreskjemaene. Bonferroni-korreksjonen vil bli brukt til å justere for flere tester.

   Pasienter inkludert i overgangsfasen vil bli analysert som mottar nåværende pleie eller personlig pleie avhengig av om PSP og PAP ble brukt. Sensitivitetsanalyser vil bli utført med og uten pasientene inkludert i overgangsperioden, siden det kan være forskjeller mellom pleie gitt under og etter overgangsfasen.

   Ved manglende data vil etterforskerne registrere prosentandelen av frafall og manglende ved hvert oppfølgingstidspunkt. Om nødvendig vil multippel imputasjon (hvis forutsetningene for denne teknikken er oppfylt) utføres for å sikre nøyaktig analyse. Deretter vil det bli utført metaanalyser for å evaluere gjennomsnittlig intervensjonseffekt per pasientgruppe på tvers av alle sykehus og samlet effekt på tvers av alle pasientgrupper og sykehus.

   En kostnadseffektivitets- og kostnadsnytteanalyse vil bli utført som sammenligner kostnader og effekter av "personlig tilpasset oppfølgingsbehandling" versus "vanlig omsorg", ved bruk av en toårig (studiebasert; basert på data fra den aktuelle studien) og levetid (modellbasert; basert på studien og ekstrapoleringer ved hjelp av data fra litteratur) tidshorisont. Det vil bli utledet informasjon om innvirkningen på personlig tilpasset oppfølgingsbehandling på kreftbekymringer, livskvalitet, helsekostnader og (forskyvning av) ressurser.

   Direkte helsekostnader basert på aktiviteter hentet fra EPJer (f.eks. antall mammografier, konsultasjoner) vil multipliseres med kostnadene beskrevet i 'Referansekostnader fra Nederland' eller fra 'Nederlandse Zorgautoriteit' (NZa). For kostnadene ved intervensjonene (beslutningsstøtteverktøy) vil det bli utført en aktivitetsbasert kostnadsmetode for utvikling, bruk og vedlikehold av beslutningsstøtteplattformene. Indirekte kostnader som vil bli tatt i betraktning er helseforbruk utenfor sykehus og helserelatert produktivitetstap. Produktivitetstap vil bli beregnet ved hjelp av friksjonskostnadsmetoden, i henhold til retningslinjer fra International Society of Pharmaco-economical Organization and Research (ISPOR).

   Kostnadseffektiviteten vil uttrykkes i inkrementelle kostnader per pasient med en klinisk relevant forbedring av CWS som primært resultat av NABOR-studien. Kostnadsnytten vil uttrykkes i inkrementelle kostnader per oppnådd kvalitetsjusterte leveår (QALYs), hentet fra EQ-5D-5L (inkludert VAS). Langsiktige konsekvenser vil være basert på både studieresultatene og litteraturen for å ekstrapolere pasientutfall for en livslang tidshorisont.

   Kostnadseffektivitetsanalysen vil bli utført i henhold til retningslinjene for økonomiske evalueringer fra Dutch Zorginstituut (ZIN).

4. Håndtering av data

Datakilder for vår studie:

• NCR (Nederland Cancer Registry): data (f.eks. pasient-, tumor- og behandlingsrelaterte egenskaper) er allerede samlet inn og en del av den generelle datainnsamlingen til NCR
• Ytterligere pasientdata fra EPJ: samlet inn under prosjektet
• PROFILER: et dataregister som samler inn svar på spørreskjemaer under prosjektet Håndtering av data: For innhenting av data fra NCR, ytterligere pasientdata fra EPJ og svar på spørreskjemaer gjennom PROFILER, vil studiedeltakerne gi informert samtykke. Registrering vil gjøres av PROFILES-registeret. For å sende spørreskjemaer til deltakerne vil deltakerne bli bedt om tillatelse til registrering av navn og e-postadresse eller postadresse i PROFILER-registeret. For å kunne kombinere svar på spørreskjemaer med data fra NCR og EPJ senere trenger PROFILER-registeret også deres pasientnummer og fødselsdato. Deltakerne vil også bli bedt om tillatelse til registrering av pasientnummer og fødselsdato i PROFILER-registeret. Etter at pasienten signerer informert samtykke, vil helsepersonell registrere pasienten i PROFILER. HCPer kan få personopplysninger og sekvensnummer i PROFILER-registeret, men har ikke tilgang til svarene på spørreskjemaer.

Tilgjengelighet av data: Alle innsamlede data er pasientdata, disse kan ikke gjøres offentlig tilgjengelig. Data fra NCR og ytterligere EPJ-data kan etterspørres, en lokal personvernkomité vurderer forespørsler. PROFILES-data (dvs. svar på spørreskjemaer) kan også bes om, og kobles til NCR-data om nødvendig.