Laktoferyna u hospitalizowanych pacjentów z Covid-19 (LAC)

W badaniach „in vitro” wykazano, że LF jest w stanie zapobiegać przedostawaniu się SARS-CoV-2 do komórek gospodarza.

Ogólnie rzecz biorąc, dostępne dowody sugerują, że LF może być opcją terapeutyczną, którą można wykorzystać do przeciwdziałania i zmniejszania ciężkości zakażenia Covid 19. Badanie zostało zaprojektowane w celu wykazania skuteczności laktoferyny in vivo.

Pacjenci, którzy zostaną przyjęci przez Ośrodki Uczestniczące ds. Zakażeń Covid-19, zostaną poddani badaniu przesiewowemu pod kątem kwalifikacji do badania. Jeżeli zostaną uznane za kwalifikujące się, zostanie im zaproponowany udział w badaniu, zostanie im to zaproponowane, a świadoma zgoda zostanie wyjaśniona. Kwalifikujący się pacjenci zostaną zarejestrowani w scentralizowanej bazie danych w systemach informatycznych Uniwersytetu Piemontu Wschodniego (UPO)/Spółki Szpitalno-Uniwersyteckiej „Maggiore della Carità” w Novara. Pseudonimizowane dane pacjenta zostaną zapisane przez ośrodek kliniczny w formularzu raportu klinicznego „ad hoc” z dostępem przez Internet.

Po uzyskaniu świadomej zgody, pacjenci zostaną następnie losowo przydzieleni do grupy LF lub placebo, korzystając z wcześniej przygotowanych list randomizacyjnych. Randomizacja odbędzie się na zasadach konkurencyjnych i zrównoważonych dla każdego uczestnika ośrodka klinicznego. Permutowana randomizacja bloków o rozmiarze 4 zostanie wdrożona ze stosunkiem alokacji 1:1, aby zapewnić równowagę między grupami leczenia. Lista randomizacji będzie zarządzana przez moduł randomizacji REDCap.

Apteka Szpitalna Ośrodka Uczestniczącego, niezaangażowana w rekrutację pacjentów, przygotuje ponumerowaną sekwencję zapieczętowanych kopert zawierających kod przydziału oraz zachowa swoją listę, która pozostanie niedostępna dla specjalistów zaangażowanych w rekrutację. Te zapieczętowane koperty będą być otwierane sekwencyjnie w czasie randomizacji.

Utrzymanie osoby niewidomej będzie gwarantowane poprzez prowadzenie list randomizacyjnych personelu, czyli z jednej strony personelu Apteki Szpitalnej (personelu, który będzie również zarządzał i dostarczał badaczom badane produkty, które będą wyglądać tak samo) , a z drugiej losowy i eksperymentujący personel medyczny.

Lokalizacja logistyczna obu pracowników będzie również całkowicie oddzielona, ​​w sektorach Szpitala różnych i oddalonych od siebie, nie komunikujących się w żaden sposób.

Należy zaznaczyć, że pacjent zakwalifikowany przez ośrodki kliniczne na podstawie kryteriów selekcji może rozpocząć terapię standardową w każdym przypadku przed procedurą randomizacji będącą identycznym podstawowym schematem terapeutycznym w obu ramionach badania.

Do obliczenia wielkości próby wymaganej do wykazania pierwszorzędowego punktu końcowego wykorzystano model zbudowany na danych historycznych dotyczących tego samego punktu końcowego. Dane przedprocesowe z dwóch uczestniczących ośrodków szacują potrzebę przyjęcia na OIOM na 25%; potrzeba wentylacji mechanicznej w 30%; śmiertelność szpitalna w 15%; średni czas hospitalizacji w ciągu 16 dni.

Liczebność próby określono na podstawie dwustronnego testu t dla dwóch niezależnych próbek według następujących parametrów:

1. Prawidłowy poziom alfa równy 0,025 dla dwóch punktów końcowych metody Bonferroniego (suma alfa = 0,025x2 = 0,05)
2. Całkowita moc 0,8
3. Wielkość efektu Cohena h wynosząca 0,44 (odpowiada efektowi standaryzowanemu średni/mały [Cohen 1977]), tj. z 14-dniowym wskaźnikiem rezygnacji wynoszącym 60% dla kontroli i 80% dla traktatów.

W tym scenariuszu uzyskana wielkość badania obejmuje 97 pacjentów na ramię badania. Obliczenia wykonano z wykorzystaniem oprogramowania R 3.6.1 [Core Team 2015] oraz pakietu pwr [Champely 2018]. Bibliografia:

• Cohen, J. Statystyczna analiza mocy dla nauk behawioralnych (poprawiona 1977).
• Core Team R: język i środowisko obliczeń statystycznych; R Foundation for Statistical Computing: Wiedeń, Austria, 2015;
• Champely, S.; Ekstrom, C.; Dalgaard, P.; Gill, J.; Weibelzahl, S.; Anandkumar, A.; Ford, C.; Volcic, R.; De Rosario, H.; De Rosario, MH Pakiet 'pwr.' Wersja pakietu R 2018, 1-2.