Monitorowanie stanów przewlekłych w raku piersi (REBECCA-1)

Szczegółowy opis:

1. Tło:

   Badania kliniczne przechodzą rewolucyjne zmiany dzięki wykorzystaniu elektronicznej dokumentacji pacjenta (EHR), rejestrów cyfrowych i smartfonów. Powszechne stosowanie urządzeń przenośnych umożliwiło gromadzenie „danych rzeczywistych” (RWD), co zapewnia ogromne możliwości rozwoju badań klinicznych.

   Zmęczenie lub wyczerpanie jest jednym z najczęstszych i najbardziej irytujących późnych skutków ubocznych po leczeniu raka piersi. Zmęczenie związane z chorobą nowotworową (CRF) może być podwyższone nawet przed rozpoczęciem leczenia i generalnie nasila się w trakcie leczenia. Może również utrzymywać się przez lata po zakończeniu leczenia u zdrowych osób, które przeżyły raka, a badania sugerują, że nawet jedna trzecia doświadcza trwałego zmęczenia przez okres do 10 lat po zdiagnozowaniu raka. CRF jest wielowymiarowa i może mieć objawy fizyczne, psychiczne i emocjonalne, w tym ogólne osłabienie, zmniejszoną koncentrację lub uwagę, zmniejszoną motywację lub zainteresowanie uczestnictwem w regularnych zajęciach, a także chwiejność emocjonalną. Wykazano również, że zmęczenie ma negatywny wpływ na pracę, relacje społeczne, nastrój i codzienne czynności oraz powoduje znaczne obniżenie ogólnej jakości życia pacjentów dotkniętych chorobą w trakcie i po leczeniu. Zatem badanie RWD w CRF będzie odpowiednią metodą i projektem. O ile wiadomo, nie zrobiono tego wcześniej.

   Mechanizmy biologiczne związane z rozwojem CRF mogą obejmować procesy zapalne przyczyniające się do zmęczenia w trakcie, a zwłaszcza po leczeniu raka. Różne cytokiny mogą być wytwarzane podczas leczenia raka w odpowiedzi na uszkodzenie tkanki przez promieniowanie lub chemioterapię. Biomarkery kandydujące na stan zapalny obejmują interleukinę (IL) 1b, IL6, IL10, IL-17, IL1βRa i IL1-RII 32, 33. Białko szoku cieplnego (HSP) 90 jest kolejnym aktualnym kandydatem na biomarker, ponieważ wykazano, że odzwierciedla nasilenie zmęczenia u pacjentów z chorobą Leśniowskiego-Crohna.

2. Uzasadnienie projektu REBECCA

   Wykorzystując wieloźródłowe RWD w badaniach klinicznych, możliwe będzie monitorowanie jakości życia pacjentów oraz niepowtarzalna możliwość mapowania wyzwań, jakie pacjenci napotykają w swoim codziennym życiu w zakresie uczestnictwa w życiu zawodowym, aktywności fizycznej, aktywności społecznej / relacje i ich problemy. Jednocześnie badacze zbadają, czy różne kandydujące biomarkery immunologiczne mogą dostarczyć informacji prognostycznych związanych z rozwojem zmęczenia w tej grupie pacjentów.

3. Cele

   REBECCA-1 to badanie obserwacyjne, w którym smartwatch REBECCA będzie używany do monitorowania jakości życia i zmęczenia pacjentek z rakiem piersi

4. Cele szczegółowe obejmują:

   • Ocena, czy wykorzystanie informacji o pacjentach zebranych przez REBECCA (tj. zbieranie ciągłych RWD i PROM) zapewni lepszy wgląd w zmęczenie u osób, które przeżyły raka piersi.
   • Ocena biomarkerów immunologicznych, takich jak HSP90, IL1b, IL6, IL10, IL-17, IL1βRa, IL1-RII, HPX, CFB, APOA4 i Serpin-F1 oraz wzorców metylacji DNA.

5. Projekt badania

   Badanie podrzędne REBECCA-1: Scharakteryzuj jakość życia i późne skutki u pacjentów z rakiem piersi.

   W badaniu REBECCA-1 uczestnicy zostaną podzieleni na 3 grupy po n = 49. Dwie z tych grup obejmują pacjentki z rakiem piersi. Po leczeniu pacjent zostanie przydzielony do jednej z dwóch grup badania, jak opisano poniżej. Trzecie ramię to grupa kontrolna składająca się ze zdrowych kobiet w wieku od 19 do 70 lat.

   Po przejściu leczenia (operacja, chemioterapia neoadiuwantowa lub adiuwantowa i radioterapia) pacjentki z rakiem piersi ponownie wypełnią dane PROM i przedłożą materiał biologiczny i zostaną przypisane odpowiednio do „ramienia CRF” i „ramienia łagodnej CRF”.

   „Ramię zmęczenia związanego z rakiem (CRF)” n = 49: Uczestnicy, u których po ocenie formularza VAS-zmęczenie mają zmianę f-VAS > 25 mm od momentu włączenia do oceny po zakończeniu leczenia i/lub wyniku fVAS> = 50 mm są podzielone na grupy „ramię CRF”.

   „Ramię łagodnego zmęczenia związanego z rakiem (łagodna CRF)” n = 49: Pacjenci z końcowym wynikiem fVAS <50 mm są losowo przydzielani do grupy „Ramię łagodnej CRF”.

   Wszyscy uczestnicy będą mogli wypożyczyć smartwatch na okres obserwacji, który muszą nosić przez 12 miesięcy (tj. od 6 do 18 miesiąca). Ponadto uczestnicy muszą zainstalować aplikację pacjenta REBECCA na swoim telefonie komórkowym i wtyczkę na swoim komputerze, aby uzyskać obiektywne RWD związane z jakością życia i stylem życia uczestników w ciągu najbliższych 12 miesięcy. Dane zbierane za pomocą tych urządzeń zostały opisane na rysunku, który pokazuje, jakie dane są zbierane za pomocą smartwatcha i telefonu komórkowego

   We wszystkich punktach czasowych, tj. w momencie diagnozy, 6, 12 i 18 miesięcy po włączeniu, pomiary wyników zgłaszane przez pacjentów (PROM), lista leków, próbki biologiczne i RWD z systemu inteligentnego zegarka na platformie REBECCA od wszystkich uczestników we wszystkich trzech podgrupy.

6. ZBIERANIE DANYCH Z RZECZYWISTEGO ŚWIATA

   Smartwatch:

   Przyspieszenie, puls, Sesje aktywności (rodzaj ćwiczeń (bieganie, chodzenie, chodzenie, jazda na rowerze) Długość aktywności (minuty, dystans treningowy (km) i metry wysokości) Poziom intensywności (liczba kalorii, intensywność B. Smartfon i aplikacje mobilne

   • Pozycje GPS (schemat ruchu)
   • Odpowiedzi na kwestionariusze
   • Zdjęcie zainicjowane w aplikacji Rebecca (związane z posiłkami/nawykami żywieniowymi i środowiskiem)
   • Publikacja dostępnych danych z usług map lokalizacyjnych i środowiskowych. C. REBEKA. Podłącz komputer do Internetu z *Media społecznościowe, takie jak Facebook, You Tube itp., aplikacja towarzysząca D. REBECCA (opcjonalnie) *Odpowiedz na pytania dotyczące jakości życia pacjenta, objawów i środowiska

7. Miary wyników zgłaszane przez pacjentów (PROM)

   Dane zgłaszane przez pacjentów (PROM) dotyczące stylu życia, jakości życia, warunków pracy, snu i stosowania leków będą również gromadzone w REBECCA. W tym celu badacze wykorzystają zarówno standardowe formularze PROM (ΕORTC-QLQ-BR2340, SF-3641, ΕORTC-QLQ-C3042, HAD43, FSS44, FQ45 i VAS-fatigue34, 46, 47), jak i formularz samoopisowy.

8. Pobieranie i analiza próbek krwi, moczu i kału

   Wszyscy pacjenci włączeni do badania REBECCA-1 zostaną poproszeni o oddanie próbek krwi, moczu i kału i.) w momencie postawienia diagnozy ii.) po zakończeniu leczenia (6. miesiąc) oraz iii.) w wieku 12 i 18 lat miesięczna obserwacja. Próbka tkanki zostanie również pobrana w momencie diagnozy. Próbki krwi zostaną wykorzystane do zbadania, czy biomarkery immunologiczne, takie jak HSP90, IL1b, IL6, IL10, IL-17, IL1βRa, IL1-RII, HPX, CFB, APOA4 i Serpin-F1, mogą dostarczyć informacji prognostycznych związanych z rozwojem zmęczenie u pacjentek z rakiem piersi.

   Metylacja DNA zostanie zbadana za pomocą testów metylacji pełnego genomu przy użyciu platformy Human Methylation 850K firmy Illumina, a 8 miejsc CpG od naszego partnera Mylin Torres zostanie dodatkowo zweryfikowanych.

9. Przepływ danych

   System REBECCA będzie działał jako system zbierania danych i będzie systemem „samodzielnym”, który nie będzie miał komunikacji z innymi systemami w szpitalu.

   i.) Smartwatch: Smartwatch, który będzie używany w kolekcji REBECCA for RWD, będzie komercyjnym smartwatchem typu Garmin.

   ii.) Aplikacja pacjenta REBECCA (pApp): dane GPS, dane z aplikacji zdrowotnych innych firm, obrazy i dane z czujników zostaną najpierw przesłane do pApp firmy REBECCA. Dane będą przechowywane w aplikacji w oddzielnej lokalizacji pamięci telefonu, która jest odizolowana i dlatego niedostępna dla innych aplikacji telefonu. .

   iii.) Wtyczka PC firmy REBECCA: pacjenci instalują ją na swoich komputerach. Otrzymają opis, jak to zrobić. Połączenie między identyfikatorem pacjenta a wtyczką REBECCA do przeglądarki będzie odbywać się również tutaj za pomocą unikalnego kodu generowanego w pApp na telefonie komórkowym, który pacjent wprowadza do przeglądarki. Identyfikator użytkownika jest przechowywany, aby pacjent nie musiał się logować za każdym razem, gdy ponownie otworzy przeglądarkę. Wtyczka PC REBECCA wykorzystuje lokalną pamięć przeglądarki do przechowywania informacji, które są krytyczne dla jej funkcjonalności, podczas gdy dane dotyczące aktywności online pacjenta są bezpośrednio przesyłane i przechowywane na serwerze REBECCA w celu dalszego przetwarzania.

   iv.) Aplikacja towarzysząca REBECCA (cApp): Członkowie rodziny lub bliscy przyjaciele, którzy przekażą informacje REBECCA, zgłoszą te dane w aplikacji towarzyszącej REBECCA, którą zainstalują na swoim telefonie komórkowym. .

   v.) Serwer RedCap w HelseVest IKT: Zanonimizowane dane kliniczne i dane PROM będą przechowywane na serwerze RedCap w HelseVest IKT, zanim zostaną przesłane pod pseudonimem i zaszyfrowane na zdalnie zarządzany serwer REBECCA.

10. Przechowywanie danych, prywatność i bezpieczeństwo danych

    Bezpieczeństwo danych i prywatność mają wysoki priorytet w REBECCA i oczywiście będą zgodne zarówno z prawem norweskim, jak i europejskim. Kancelaria prawnicza TimeLex z siedzibą w Belgii jest odpowiedzialna za stworzenie bezpieczeństwa danych operacyjnych i ram etycznych, zgodnie z którymi przeprowadzone zostanie badanie. Oznacza to, że w REBECCA zostaną podjęte wszelkie środki ostrożności w celu poszanowania prywatności uczestników badania zgodnie z Rozporządzeniem Parlamentu Europejskiego i Rady (UE) 2016/679 z dnia 27 kwietnia 2016 r. w sprawie ochrony osób fizycznych w związku z przetwarzaniem danych osobowych i swobodnego przepływu takich danych oraz uchylenia dyrektywy 95/46/WE (ogólne rozporządzenie o ochronie danych (RODO))50. TimeLex zidentyfikuje i opisze wytyczne etyczne, które mają zastosowanie do różnych krajów uczestniczących w REBECCA, a lista niezbędnych środków będzie miała zastosowanie do całego etycznego działania projektu REBECCA.

11. Oczekiwany wpływ projektu REBECCA

REBECCA ma na celu wykorzystanie „rzeczywistych danych” w połączeniu z zaawansowaną platformą zarządzania danymi i innowacyjnymi metodami modelowania danych przyczynowych, aby wypełnić lukę między badaniami klinicznymi a praktyką kliniczną w leczeniu pacjentów z rakiem. Projekt REBECCA początkowo skupi się na raku piersi, ale zademonstruje również przenoszenie systemu REBECCA na inne nowotwory, takie jak rak prostaty. Postęp technologiczny i metodologiczny REBECCA będzie miał również znaczenie dla innych dziedzin badań klinicznych, które chcą zbadać związek przyczynowy między kilkoma czynnikami klinicznymi (styl życia i czynniki środowiskowe oraz choroby współistniejące), poprzez analizę danych z rejestru i biobanków oraz danych obserwacyjnych z prawdziwego życia pacjentów / życie codzienne.

12 Wśród kamieni milowych REBECCA są:

A. Opracowanie nowych podejść do pomiaru i lepsze zrozumienie wskaźników związanych ze stanem zdrowia i jakością życia pacjenta.

B. Rozwój metod statystycznej i przyczynowej analizy "rzeczywistych danych".

C. Badania kliniczne nad zmęczeniem/zmęczeniem związanym z rakiem, neuropatią obwodową wywołaną rakiem i osteoporozą związaną z rakiem.

D. Badanie monitoringu pacjentów w badaniach klinicznych jako narzędzia poprawy jakości życia chorych na nowotwory.

E. Generowanie i ponowne wykorzystywanie zbiorów danych, które umożliwią badanie nowych problemów medycznych, a także zaprojektowanie, wdrożenie i dostarczenie wspomaganego przez sztuczną inteligencję systemu gromadzenia danych i zarządzania nimi w celu kompleksowego monitorowania stanu zdrowia i jakości życia osób, które przeżyły raka piersi .

F. Zaoferowanie klinicystom nowych narzędzi i danych, które umożliwią lepszą obserwację pacjentów z rakiem.

G. Lepsze wrażenia i jakość życia pacjenta dzięki szczegółowemu monitorowaniu i bardziej osobistej obserwacji.

Cyfrowe zdrowie (e-zdrowie) zyskało na znaczeniu podczas pandemii COVID-19. System REBECCA będzie mógł przyczynić się do rozwoju, szerszego wykorzystania i zwiększenia kompetencji w dziedzinie eZdrowia w Szpitalu Uniwersyteckim w Stavanger, oferując cyfrowe gromadzenie danych, cyfrowe rozwiązania do monitorowania pacjentów, cyfrowe rozwiązania do wczesnego wykrywania chorób współistniejących, wykorzystanie modeli sztucznej inteligencji jako narzędzi analitycznych , lepsze wykorzystanie danych zdrowotnych z rejestrów zdrowia i biobanków badawczych, a także oferowanie opieki zdrowotnej w nowy sposób itp.