Budowanie dowodów na skuteczną opiekę paliatywną/u schyłku życia dla nastolatków chorych na raka (FACE-TC)

Badacze proponują prospektywne, podłużne, 2-ramienne RCT w celu przetestowania skuteczności FACE-TC w odniesieniu do kluczowych mierzalnych wyników przez 18 miesięcy po interwencji. Diady składające się z nastolatków chorych na raka i ich rodzin (N=130 diad; 260 osób) zostaną włączone i losowo przydzielone do grupy interwencji FACE-TC lub grupy kontrolnej Leczenie jak zwykle (TAU) w stosunku 2:1 [N=87 Diady FACE-TC i N=43 TAU Control]. Badacze szacują 30% wyniszczenia w 18-miesięcznej ocenie po interwencji (20%-25% z powodu śmierci/komplikacji i 10% z powodu rezygnacji). Badacze szacują, że z oryginalnej próby 130 losowo dobranych diad (N=260 osób) będą mieli pełne dane podłużne po 18 miesiącach od interwencji dla 91 diad (N=182 osób). Uczestnicy będą rekrutowani ze Szpitala Dziecięcego w Akron, Dziecięcego Szpitala Badawczego St. Jude i Masońskiego Szpitala Dziecięcego Uniwersytetu Minnesoty w programach onkologii dziecięcej. Uczestnicy otrzymają pisemną świadomą zgodę/zgodę. Kwalifikujący się uczestnicy zostaną zapisani i przejdą ocenę bazową, po której nastąpi randomizacja. Randomizacja będzie na poziomie diady. Alokacja zostanie ukryta przed oceniającym RA, aby zapobiec stronniczości. Randomizacja bloków według miejsca badania będzie kontrolować różnice w miejscu. Warunki interwencji i kontroli: FACE-TC oparty na programie nauczania składa się z: Ankiety ACP Sesji 1; Sesja 2 Poszanowanie wyborów Wywiad; oraz dyrektywa z wyprzedzeniem dotycząca pięciu życzeń sesji 3. Aby zminimalizować obciążenie dla chorych nastolatków, badacze wybrali warunki porównania Leczenie jak zwykle. Ta grupa otrzyma tylko broszurę/informacje dotyczące planowania opieki z wyprzedzeniem. Oceny przeprowadza się na początku badania oraz 3, 6, 12 i 18 miesięcy po interwencji. W każdym ośrodku oceny i interwencje będą przeprowadzane przez zespół badawczy składający się z współbadacza ośrodka i dwóch asystentów badawczych (RA-Assessor & RA-Interventionist). Protokół wizyty: Wizyta przesiewowa: Asesor RA przedstawia nastolatka chorego na raka i jego rodzinę z Arkuszem informacyjnym opisującym badanie i przeprowadzić wstępną ocenę, czy kwalifikują się do rejestracji. Po uzyskaniu zgody/zgody przeprowadzana jest dalsza weryfikacja pod kątem kryteriów włączenia/wyłączenia. Wizyta wyjściowa: Podczas rejestracji i przed randomizacją zostaną uzyskane pomiary wyjściowe. Wprowadzenie danych wyjściowych przez osobę oceniającą RA spowoduje skomputeryzowaną randomizację diad pacjenta/rodziny do interwencji FACE-TC lub kontroli TAU przy użyciu losowo permutowanego projektu bloków i stosunku 2:1 według miejsca badania. Krajowy koordynator kliniczny ds. dzieci powiadomi następnie interwencjonistę RA, który zaplanuje kolejną wizytę studyjną. Nastolatek i jego rodzina poznają swoje zadanie, kiedy RA-Interventionist wezwie w celu zaplanowania sesji studyjnych. Obecność zostanie zarejestrowana w celu oceny efektów pełnego i częściowego udziału w FACE-TC. Wizyty kontrolne: Asesor RA uzyska dalsze pomiary od nastolatka i rodziny po 3, 6, 12 i 18 miesiącach od interwencji.

Site Co-Is będzie nadzorować działania na miejscu i zapewniać cotygodniowy bezpośredni nadzór RA. Są odpowiedzialni za rekrutację, utrzymanie, bezpieczeństwo, wierność protokołowi oraz nadzór i wsparcie RA. RA będą pomagać w rekrutacji, badaniach przesiewowych, rekrutacji i gromadzeniu podstawowych środków przesiewowych, a także w codziennym funkcjonowaniu. RA będą ślepe na losowe przydziały. RA-interwencjoniści zostaną przeszkoleni w zakresie wdrażania protokołu. Tylko osoba oceniająca RA będzie mogła przeprowadzać oceny porandomizacyjne. Children's National będzie pełnił funkcję centrum koordynującego dane i będzie odpowiedzialny za projektowanie i utrzymanie bazy danych oraz analizy statystyczne. Miejsca będą nadzorowane przez Komitet Monitorujący Bezpieczeństwo (SMC). Dwudniowe spotkanie badaczy odbędzie się w Waszyngtonie w Dystrykcie Kolumbii (DC) i wezmą w nim udział wszyscy współwłaściciele ośrodka, rzeczoznawcy RA i konsultanci. Protokół, jego uzasadnienie naukowe, leżące u jego podstaw kwestie etyczne, wdrożenie, w tym rekrutacja i zatrzymanie, zostaną przejrzane z całym zespołem. W 9 miesiącu roku 1 odbędzie się 3-dniowe spotkanie szkoleniowe interwencjonistów RA i asesorów RA na temat interwencji, w którym wezmą również udział współlokatorzy. Asesorzy RA wezmą udział tylko w jednym dniu tego szkolenia, aby zachować ślepotę. Inicjacja witryny. Aby rozpocząć badania przesiewowe/rejestrację (1) protokół musi zostać zatwierdzony przez Instytucjonalną Komisję Rewizyjną (IRB) każdego ośrodka, a cały personel musi posiadać certyfikat szkolenia w zakresie badań na ludziach, (2) personel jest rekrutowany i szkolony do ról RA oraz (3) każdy RA-Interventionist musi ukończyć certyfikację jako facylitator Next Steps-ACP. Dr Lyon i Koordynator ds. Badań zweryfikują, czy ośrodek posiada wszystkie komponenty logistyki badań przesiewowych, zapisów, planowania, przeprowadzania ocen, administrowania interwencjami i gromadzenia danych. Aby zapewnić stałą jakość interwencji i jej oceny, monitoring będzie prowadzony w sposób ciągły. Dr Lyon i pani Briggs przejrzą pierwszych 5 nagrań DVD/audio z sesji interwencyjnych z każdego ośrodka, aby zapewnić zgodność z protokołem. Następnie będą losowo przeglądać 1 DVD tygodniowo, zmieniając strony. Dr Lyon i pani Briggs użyją listy kontrolnej kompetencji. Dr Lyon i Koordynator ds. Badań będą monitorować bieżącą dokumentację zatwierdzenia IRB zakładu i pomagać zakładom w corocznych przeglądach ciągłych. Koordynator ds. badań będzie przechowywać kopie wszystkich formularzy regulacyjnych, w tym szablony ze stemplami zgody z każdego ośrodka oraz zaświadczenia o zatwierdzeniu szkolenia w zakresie badań nad przedmiotami ludzkimi członków personelu. Dr Lyon i Koordynator ds. Badań będą przeprowadzać dwa razy w roku wizyty monitorujące ośrodek w trakcie wdrażania interwencji, aby zapewnić standaryzację procedur i rozwiązać wszelkie zidentyfikowane problemy. Dokonają przeglądu i potwierdzą, że wszystkie zgody zostały udzielone prawidłowo w witrynach oraz że witryny przechowują wszystkie dane uczestników i dane regulacyjne. Baza danych REDCap z projektu pilotażowego FACE-TC zostanie zaktualizowana i rozszerzona na potrzeby tego badania, a systemy wprowadzania danych zostaną zmienione w celu uwzględnienia implementacji w wielu lokalizacjach. Zostanie utworzony słownik danych. Zewnętrzny Komitet Monitorujący Bezpieczeństwo (SMC) zostanie powołany przez dr Lyon, którego zadaniem będzie przegląd informacji dotyczących bezpieczeństwa, postępów badań i innych istotnych danych. SMC będzie spotykać się co najmniej raz w roku. Przed testami parametrycznymi rzetelność skali dla miar wieloelementowych (np. bólu/zmęczenia, psychologii dzieci i rodziców, duchowych/religijnych miar) zostanie oceniona przy użyciu alfa Cronbacha, a ich łączne wyniki zostaną wykorzystane do analizy danych. Plan analityczny dla CEL 1. Ocena skuteczności FACE-TC na zgodność preferencji leczenia z rodziną nastolatków. Spójność w podejmowaniu decyzji dotyczących leczenia będzie testowana na podstawie zgody (tj. zarówno pacjent, jak i jego rodzina wybierają tę samą opcję) na Deklaracji Preferencji Leczenia w czterech różnych sytuacjach związanych z chorobą nowotworową. Współczynniki Kappa zostaną zastosowane do oceny skorygowanej szansą zgodności między odpowiedziami pacjenta i rodziny. Zmiana współczynnika Kappa (poprawa kongruencji) od wartości wyjściowej do każdego punktu czasowego obserwacji podczas okresu badania zostanie przetestowana przy użyciu techniki ładowania początkowego. Utajony model wzrostu (LGM) z wynikiem kategorycznym zostanie wykorzystany do przetestowania hipotezy H1a, tj. uczestnicy FACE-TC będą mieli wyższy współczynnik kongruencji w czasie. W LGM badacze ustawią oceny czasowe, z wyjątkiem tych do celów identyfikacyjnych, jako dowolne parametry, aby umożliwić określenie kształtu trajektorii wzrostu na podstawie danych. W związku z tym trajektoria rozwoju kongruencji miałaby nieliniowy kształt oparty na empirii, zamiast zakładać liniową lub nieliniową funkcję wielomianową. Badacze zastosują model mieszaniny wzrostowej (GMM), aby przetestować heterogeniczność trajektorii rozwoju kongruencji i zidentyfikować możliwe wzorce kongruencji w trajektoriach rozwoju w pełnej próbie. Ukryta zmienna klasy oszacowana na podstawie GMM oddaje wzór trajektorii rozwoju kongruencji. Niezmienne w czasie współzmienne zostaną wykorzystane do przewidywania przynależności do ukrytych grup trajektorii; a zmienne towarzyszące zmieniające się w czasie zostaną uwzględnione w celu przewidywania poziomu kongruencji w różnych punktach czasowych. Aby przetestować hipotezę H1b, badacze dokonają regresji ukrytego współczynnika nachylenia wzrostu i ukrytej zmiennej klasy w interwencji FACE-TC, kontrolując współzmienne w GMM, aby ocenić 1) jak FACE-TC wpłynąłby na przynależność do ukrytych klas rozwoju kongruencji ; oraz 2) jak wpływ FACE-TC na zmianę kongruencji w czasie zmienia się w klasach trajektorii utajonych. Plan analityczny dla AIM 2. Ocena skuteczności FACE-TC na jakość życia i QOL rodziny wg AYA. Modele LGM i GMM zaproponowane do oceny Celu 1 można z łatwością zastosować do oceny Celu 2 i przetestowania Hipotezy H2, gdzie miary wyników są zmiennymi ciągłymi. Podczas badania wpływu FACE-TC na QOL dla AYA chorych na raka i ich rodzin, dane socjodemograficzne będą kontrolowane jako niezmienne w czasie zmienne towarzyszące, podczas gdy zmienne towarzyszące zmienne w czasie zostaną uwzględnione w modelu w celu przewidywania miar QOL w różnych punktach czasowych . Ponadto ocena/depresja opiekuna rodzinnego mierzona na koniec okresu badania zostanie uwzględniona jako wynik dystalny w modelach GMM i oceniony zostanie sposób, w jaki ten wynik dystalny jest powiązany z wzorcami trajektorii rozwojowych AYA QOL. Ponieważ ten sam model zostanie użyty do oceny wielu wyników, zastosowana zostanie poprawka Bonferroniego, aby zapewnić ścisłą kontrolę nad fałszywymi odkryciami. Ponieważ ścieranie jest nieuniknione w badaniach podłużnych, do estymacji modelu zostanie użyty solidny estymator modelu (np. MLR) wykorzystujący maksymalne prawdopodobieństwo pełnej informacji. Co ważne, w MLR można założyć, że brakuje losowo (MAR), zamiast całkowicie losowo. MAR jest prawdopodobnym założeniem, które pozwala uzależnić braki od obserwowanych miar, takich jak przydział interwencji. Plan analityczny dla AIM 3. Ocena skuteczności FACE-TC w przypadku wcześniejszej realizacji celów pACP w zakresie opieki i dyrektyw z wyprzedzeniem. Najpierw badacze użyją testu z dwóch proporcji, aby przetestować różnice w proporcjach realizacji celów pACP w zakresie opieki i dyrektyw dotyczących postępów między grupami FACE-TC i kontrolnymi. Następnie regresje logistyczne zostaną wykorzystane do przetestowania Hipotezy H3, kontrolując dane socjodemograficzne. Interakcje między interwencją a pochodzeniem etnicznym zostaną uwzględnione w modelach w celu zbadania różnic etnicznych pod kątem skuteczności interwencji. Badacze zbadają również, czy FACE-TC poprawia dopasowanie między celami opieki nad pacjentami a opieką medyczną otrzymywaną na EOL wśród nastolatków, którzy mogą umrzeć. Statystyki opisowe zostaną wykorzystane do oszacowania częstości badanych zmiennych. Statystyki chi-kwadrat z dokładnymi testami Fisher zostaną wykorzystane do oceny różnicy w dopasowaniu między FACE-TC i kontrolami; a dokładna regresja logistyczna zostanie zastosowana do zbadania wpływu FACE-TC na takie dopasowanie, kontrolując współzmienne. Dla ciągłych wyników ze skromną autokorelacją obserwacji (p=0,20) i umiarkowaną wielkością efektu (delta=0,35), szacowana wielkość próby, aby osiągnąć moc 0,80 na poziomie = 0,05 i wykryć umiarkowaną wielkość efektu (delta = 0,35) wynosi około N=76 osobników w każdym z 5 punktów czasowych obserwacji. W przypadku wyników binarnych wielkość próby N=70 może osiągnąć moc 0,80, aby wykryć umiarkowaną różnicę prawdopodobieństwa odpowiedzi d=0,17 przy p=0,20. Nasza proponowana próba N = 130 diad zapewni wystarczająco dużą moc statystyczną dla naszych proponowanych analiz podłużnych odpowiednio danych pacjentów i danych rodziców. W przypadku przekrojowego modelu regresji logistycznej zaproponowanego do oceny celu 3 wielkość próby N=100 osiągnęłaby moc 0,83 na poziomie alfa=0,05, aby wykryć iloraz szans równy 4.