- ICH GCP
- Реестр клинических исследований США
- Клиническое испытание NCT04726228
Оценка боли у больных раком с помощью машинного обучения (PASCALE) (PASCALE)
Домашняя телемедицина для автоматической оценки боли у онкологических больных: создание набора данных и разработка алгоритмов машинного обучения
Обзор исследования
Статус
Условия
Подробное описание
В течение всего периода исследования пациенты будут находиться под наблюдением амбулаторной группы ранней паллиативной помощи и одновременного лечения Национального института опухолей Фонда Паскаль в домашних условиях. Боль и другие симптомы будут контролироваться в соответствии с передовой клинической практикой, и пациенты получат помощь в соответствии с обычной медицинской помощью.
Будут использоваться следующие устройства:
- Программного обеспечения
- Инструментарий
- Инструменты клинической оценки: Опросник качества жизни Европейской организации по исследованию и лечению рака Core 30 (EORTC QLQ-C30), ежедневный дневник боли, числовая шкала оценки 0–10 (NRS).
Проект будет разделен на три основных рабочих пакета (РП), посвященных соответственно созданию ИТ-инфраструктуры для поддержки сбора данных (РП1), кампании по сбору данных о пациентах (РП2) и разработке алгоритмов машинного обучения для автоматического распознавания боли. (РП3). Применение устройств и проверка правильного функционирования будут выполняться на дому у пациента ИТ-персоналом, участвующим в исследовании.
WP1 - Система состоит из трех основных компонентов: сервера с подключенной базой данных, приложения для мобильных устройств, которое также отвечает за управление сбором данных с устройств сбора физиологических сигналов, и настольного приложения, используемого медицинским персоналом для мониторинга прогресса. сбора данных.
Мобильное приложение будет напрямую взаимодействовать с пациентом и получать биометрические данные с носимых устройств. В частности, будут получены следующие сигналы: частота сердечных сокращений, температура тела, неинвазивное кровяное давление и кожно-гальваническая реакция (КГР). Частота сердечных сокращений будет получена с помощью носимого устройства (Garmin Vivosmart 4), а температура тела, неинвазивное артериальное давление и КГР будут получены с помощью внешнего устройства (платформа BITalino). Для дальнейшей проверки точности алгоритм, который будет иметь дело с обнаружением боли, пациентам также будет предоставлен вопросник QoL (EORTC QLQ-C30).
Чтобы получить достоверные данные, пациента попросят предоставить обратную связь об уровне боли как в определенные промежутки времени в течение дня, так и в случае острых болевых эпизодов. Эта обратная связь может быть основана на NRS и мультимедийных стратегиях (например, видео). Пациенты заполняют ежедневный дневник боли.
WP2. Кампания будет включать предварительный этап приобретения, направленный на тестирование ИТ-инфраструктуры. Для получения адекватной межсубъектной и внутрисубъектной вариабельности необходимо будет зарегистрировать не менее 40 пациентов, собирая данные за 10-14 дней. Таким образом, кампания по сбору данных будет вестись около 6 месяцев. Каждый субъект будет использовать мобильное приложение и датчики в течение 2 недель. Данные будут собираться одновременно с помощью пакетов сбора данных (приложение, датчики и любое мобильное устройство). После регистрации и в конце будет введен EORTC QLQ-C30.
WP3 - Целью является разработка алгоритмов, способных прогнозировать уровень боли, воспринимаемой пациентом. Имея в наличии значительный объем размеченных данных, система будет учиться на примерах.
Тип исследования
Регистрация (Оцененный)
Контакты и местонахождение
Контакты исследования
- Имя: Marco Cascella, MD
- Номер телефона: +39 0815903508
- Электронная почта: m.cascella@istitutotumori.na.it
Учебное резервное копирование контактов
- Имя: Arturo Cuomo, MD
- Номер телефона: +39 0815903508
- Электронная почта: a.cuomo@istitutotumori.na.it
Места учебы
-
-
Campania
-
Naples, Campania, Италия, 80131
- Рекрутинг
- National Cancer Institute of Naples
-
Контакт:
- Marco Cascella, MD
- Номер телефона: +39 0815903508
- Электронная почта: m.cascella@istitutotumori.na.it
-
Контакт:
- Arturo Cuomo, MD
- Номер телефона: +39 0815903508
- Электронная почта: a.cuomo@istitutotumori.na.it
-
Napoli, Campania, Италия
- Еще не набирают
- A.O.U. Federico II
-
Контакт:
- Francesco Cutugno, PhD
- Номер телефона: +39 081679191
- Электронная почта: francesco.cutugno@unina.it
-
-
Критерии участия
Критерии приемлемости
Возраст, подходящий для обучения
Принимает здоровых добровольцев
Метод выборки
Исследуемая популяция
Описание
Критерии включения:
- Пациенты в возрасте > 18 лет
- Пациенты с уходом на дому, у которых диагностировано прогрессирующее онкологическое заболевание и ожидаемая продолжительность жизни ≤ 1 года
- Пациенты, получающие лечение от онкологической боли
- Пациенты, давшие согласие
Критерий исключения:
- Пациенты в возрасте < 18 лет
- Готовность подписать форму информированного согласия (не умеет читать или писать)
- Когнитивный дефицит (например, болезнь Альцгеймера или старческое слабоумие)
Учебный план
Как устроено исследование?
Детали дизайна
- Наблюдательные модели: Когорта
- Временные перспективы: Перспективный
Что измеряет исследование?
Первичные показатели результатов
Мера результата |
Мера Описание |
Временное ограничение |
|---|---|---|
|
Разработать алгоритм машинного обучения, полезный для прогнозирования уровня боли у онкологических больных. Будет получена база данных, содержащая клинические данные и характеристики боли.
Временное ограничение: До 2 недель
|
Клинические данные: частота сердечных сокращений (ударов в минуту, уд/мин)
|
До 2 недель
|
|
Разработать алгоритм машинного обучения, полезный для прогнозирования уровня боли у онкологических больных. Будет получена база данных, содержащая клинические данные и характеристики боли.
Временное ограничение: Всякий раз, когда у пациента наблюдается ухудшение боли, до 2 недель
|
Клинические данные: Температура тела (по Цельсию, °C) Пациент будет использовать предоставленное устройство (BITalino).
|
Всякий раз, когда у пациента наблюдается ухудшение боли, до 2 недель
|
|
Разработать алгоритм машинного обучения, полезный для прогнозирования уровня боли у онкологических больных. Будет получена база данных, содержащая клинические данные и характеристики боли.
Временное ограничение: Всякий раз, когда у пациента наблюдается ухудшение боли, до 2 недель
|
Клинические данные: неинвазивное артериальное давление (мм рт. ст.).
Пациент будет использовать предоставленное устройство (BITalino).
|
Всякий раз, когда у пациента наблюдается ухудшение боли, до 2 недель
|
|
Разработать алгоритм машинного обучения, полезный для прогнозирования уровня боли у онкологических больных. Будет получена база данных, содержащая клинические данные и характеристики боли.
Временное ограничение: Всякий раз, когда у пациента наблюдается ухудшение боли, до 2 недель
|
Клинические данные: Кожно-гальваническая реакция (КГР) относится к изменениям активности потовых желез, которые отражают интенсивность эмоционального состояния. Пациент будет использовать предоставленное устройство (BITalino). |
Всякий раз, когда у пациента наблюдается ухудшение боли, до 2 недель
|
|
Разработать алгоритм машинного обучения, полезный для прогнозирования уровня боли у онкологических больных. Будет получена база данных, содержащая клинические данные и характеристики боли.
Временное ограничение: Всякий раз, когда у пациента наблюдается ухудшение боли, до 2 недель
|
Особенности боли: Будет использоваться ежедневный дневник боли. Тип: как ощущается боль (например, острая, ноющая, стреляющая, покалывающая). |
Всякий раз, когда у пациента наблюдается ухудшение боли, до 2 недель
|
|
Разработать алгоритм машинного обучения, полезный для прогнозирования уровня боли у онкологических больных. Будет получена база данных, содержащая клинические данные и характеристики боли.
Временное ограничение: Всякий раз, когда у пациента наблюдается ухудшение боли, до 2 недель
|
Особенности боли: Будет использоваться ежедневный дневник боли. Степень: числовая оценочная шкала (NRS) от 0 до 10, где 0 — отсутствие боли, а 10 — сильная боль, какую только можно вообразить. |
Всякий раз, когда у пациента наблюдается ухудшение боли, до 2 недель
|
|
Разработать алгоритм машинного обучения, полезный для прогнозирования уровня боли у онкологических больных. Будет получена база данных, содержащая клинические данные и характеристики боли.
Временное ограничение: Всякий раз, когда у пациента наблюдается ухудшение боли, до 2 недель
|
Особенности боли: Будет использоваться ежедневный дневник боли. Продолжительность (минуты, часы, дни). |
Всякий раз, когда у пациента наблюдается ухудшение боли, до 2 недель
|
|
Разработать алгоритм машинного обучения, полезный для прогнозирования уровня боли у онкологических больных. Будет получена база данных, содержащая клинические данные и характеристики боли.
Временное ограничение: Всякий раз, когда у пациента наблюдается ухудшение боли, до 2 недель
|
Особенности боли: Будет использоваться ежедневный дневник боли. Провоцирующие факторы. |
Всякий раз, когда у пациента наблюдается ухудшение боли, до 2 недель
|
|
Разработать алгоритм машинного обучения, полезный для прогнозирования уровня боли у онкологических больных. Будет получена база данных, содержащая клинические данные и характеристики боли.
Временное ограничение: Всякий раз, когда у пациента наблюдается ухудшение боли, до 2 недель
|
Особенности боли: Будет использоваться ежедневный дневник боли. Название и количество использованного наркотика и время его приема. |
Всякий раз, когда у пациента наблюдается ухудшение боли, до 2 недель
|
Вторичные показатели результатов
Мера результата |
Мера Описание |
Временное ограничение |
|---|---|---|
|
Качество жизни пациентов оценивали по опроснику EORTC QLQ-C30.
Временное ограничение: В начале и в конце наблюдения до 2 нед.
|
Качество жизни (КЖ) пациентов по опроснику QLQ-C30 Европейской организации по исследованию и лечению рака (EORTC).
Он оценивается по шкале от 0 до 100.
Более высокие баллы означают лучший результат.
|
В начале и в конце наблюдения до 2 нед.
|
Соавторы и исследователи
Соавторы
Следователи
- Главный следователь: Marco Cascella, MD, Anesthesia and Pain Medicine. Istituto Nazionale Tumori - IRCCS Fondazione Pascale - Napoli, Italy
- Главный следователь: Arturo Cuomo, MD, Anesthesia and Pain Medicine. Istituto Nazionale Tumori - IRCCS Fondazione Pascale - Napoli, Italy
Публикации и полезные ссылки
Общие публикации
- 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.
Даты записи исследования
Изучение основных дат
Начало исследования (Действительный)
Первичное завершение (Действительный)
Завершение исследования (Оцененный)
Даты регистрации исследования
Первый отправленный
Впервые представлено, что соответствует критериям контроля качества
Первый опубликованный (Действительный)
Обновления учебных записей
Последнее опубликованное обновление (Действительный)
Последнее отправленное обновление, отвечающее критериям контроля качества
Последняя проверка
Дополнительная информация
Термины, связанные с этим исследованием
Ключевые слова
Дополнительные соответствующие термины MeSH
Другие идентификационные номера исследования
- 41/20 oss
Планирование данных отдельных участников (IPD)
Планируете делиться данными об отдельных участниках (IPD)?
Описание плана IPD
Информация о лекарствах и устройствах, исследовательские документы
Изучает лекарственный продукт, регулируемый FDA США.
Изучает продукт устройства, регулируемый Управлением по санитарному надзору за качеством пищевых продуктов и медикаментов США.
продукт, произведенный в США и экспортированный из США.
Эта информация была получена непосредственно с веб-сайта clinicaltrials.gov без каких-либо изменений. Если у вас есть запросы на изменение, удаление или обновление сведений об исследовании, обращайтесь по адресу register@clinicaltrials.gov. Как только изменение будет реализовано на clinicaltrials.gov, оно будет автоматически обновлено и на нашем веб-сайте. .