- ICH GCP
- Реестр клинических исследований США
- Клиническое испытание NCT06161181
Повышение приверженности терапии среди пациентов с метастатическим раком молочной железы: протокол исследования
Введение: новые данные указывают на то, что пациенты с распространенным раком, например, с MBC, часто демонстрируют значительный уровень несоблюдения режима перорального противоракового лечения. Использование моделей машинного обучения в клинической практике позволяет предоставлять персонализированные прогнозы по приверженности лечению для отдельных пациентов, тем самым поддерживая приверженность и облегчая целевые вмешательства.
Цель: текущий протокол направлен на оценку эффективности DSS, веб-решения под названием TREAT (TREatment Adherence SupporT) и веб-приложения машинного обучения в обеспечении приверженности к пероральному противораковому лечению среди выборки пациентов с MBC.
Методы и дизайн: Этот протокол является частью проекта под названием «Повышение приверженности терапии среди пациентов с метастатическим раком молочной железы» (номер отслеживания 65080791). Выборка из 100 пациентов с MBC последовательно регистрируется и поступает в отделение медицинской сенологии Европейского института онкологии. 50 пациентов с MBC получают DSS в течение трех месяцев (экспериментальная группа), а 50 пациентов с MBC, не подвергавшихся вмешательству, получают стандартную медицинскую консультацию (контрольная группа). Протокол предусматривает три временные точки оценки: T1 (1 месяц), T2 (2 месяца) и T3 (3 месяца). В каждый момент времени участники заполняют набор самоотчетов, оценивающих приверженность, клинические, психологические показатели и переменные качества жизни.
Выводы: наши результаты будут информировать об эффективности DSS и моделей прогнозирования риска в повышении приверженности пероральному противораковому лечению у пациентов с MBC.
Обзор исследования
Статус
Вмешательство/лечение
Подробное описание
Метастатический рак молочной железы (МРМЖ) представляет собой неизлечимое состояние, при котором фармакологические вмешательства направлены на замедление прогрессирования заболевания и облегчение симптомов, тем самым увеличивая выживаемость и сохраняя качество жизни (КЖ) и психологическое благополучие. Клинические достижения в области противоракового лечения заметно увеличили выживаемость среди пациентов с MBC. Однако накапливающиеся данные свидетельствуют о том, что соблюдение режима приема лекарств является критическим вопросом в развитии заболевания у больных раком молочной железы, особенно в контексте перорального противоракового лечения (ОАТ). Новые данные указывают на то, что пациенты с распространенным раком, например, с MBC, часто демонстрируют значительный уровень несоблюдения режима лечения. Пациенты с MBC сталкиваются с различными препятствиями на пути ежедневного применения ОАТ, включая эмоциональные и физические страдания, связанные с побочными эффектами, вариациями дозировки, перерывами в лечении и отсутствием знаний о заболевании. Модели прогнозирования приверженности были ранее разработаны и протестированы для различных сценариев и заболеваний. Имеющиеся данные свидетельствуют о том, что использование моделей машинного обучения в клинической практике позволяет предоставлять персонализированные прогнозы относительно приверженности лечению для отдельных пациентов, тем самым поддерживая приверженность и облегчая целевые вмешательства. Несмотря на это, в существующих исследованиях еще предстоит систематически рассматривать приверженность лечению пациентов с MBC путем разработки и внедрения системы поддержки принятия решений (DSS), которая объединяет модели прогнозирования риска с образовательными и обучающими инструментами.
Текущий протокол направлен на оценку эффективности DSS, веб-решения под названием TREAT (TREatment Adherence SupporT) и веб-приложения машинного обучения в обеспечении приверженности к пероральному противораковому лечению среди выборки пациентов с MBC. Этот протокол является частью проекта под названием «Повышение приверженности терапии среди пациентов с метастатическим раком молочной железы» (номер отслеживания 65080791). Основная цель этого проекта — разработать прогностическую модель несоблюдения режима лечения, связанную с ним DSS и рекомендации по повышению вовлеченности пациентов и приверженности терапии среди пациентов с MBC.
Интернет-версия DSS была разработана в первый год реализации проекта Pfizer (65080791) с использованием ориентированного на пациента подхода и состоит из четырех разделов: i) Метастатический рак молочной железы; ii) приверженность лечению рака; iii) Содействие приверженности; iv) Мой дневник приверженности. Кроме того, было разработано веб-приложение с машинным обучением, предназначенное для прогнозирования факторов риска пациентов при соблюдении противоракового лечения, в частности с учетом физического состояния, сопутствующих заболеваний, а также краткосрочных и долгосрочных побочных эффектов. Это веб-приложение машинного обучения было разработано в результате ретроспективного исследования с использованием физиологических, клинических данных и данных о качестве жизни, доступных в Европейском институте онкологии (Милан, Италия) (R1595/21-IEO 1704). В частности, мультимодальные ретроспективные данные были получены из электронных медицинских карт пациентов (EHR) с использованием обработки естественного языка (NLP) на выборке из 2750 пациентов с MBC (с 2010 по 2020 год).
Методы/Дизайн
Основные цели
Оценка эффективности веб-решения DSS и веб-приложения машинного обучения (TREAT - «TREatment Adherence SupporT») в повышении приверженности к пероральному противораковому лечению в группе из 100 пациентов с метастатическим раком молочной железы (MBC) в течение трехмесячного периода. Приверженность оценивается путем подсчета количества принятых таблеток, разделенного на назначенное количество.
Вторичные цели
Определить клинические факторы (сопутствующие заболевания, наличие боли, тип опухоли, тип лечения), психологические параметры (личностные качества, тревога, депрессия, способность справляться с раком, чувство согласованности и восприятие риска) и переменные качества жизни, которые служат предикторами. за приверженность пациентов к ОАТ. Эти предикторы используются для оценки несоблюдения режима ОАТ среди пациентов с МВР и улучшения первоначальной версии модели машинного обучения, разработанной в ретроспективном исследовании (R1595/21-IEO 1704). Данные по вторичным конечным точкам собираются с использованием опросника качества жизни Европейской организации по исследованию и лечению рака (EORTC-QLQ-C30), опросника Европейской организации по исследованию и лечению рака, специфичного для рака молочной железы, из 23 пунктов (EORTC-QLQ). -BR23) и Краткий перечень боли (BPI). Кроме того, для оценки психологических переменных используются следующие меры: опросник тревожности состояний (STAI-Y), опросник депрессии Бека-II (BDI-II), опросник большой пятерки (BFI), опросник поведения при раке CBI. Краткая форма (CBI-B/I), «Чувство последовательности» (SOC-13) и «Восприятие риска» (с использованием двух визуально-аналоговых шкал).
Продолжительность исследования и дизайн исследования
Исследование представляет собой трехмесячное рандомизированное контролируемое исследование, проводимое в Европейском институте онкологии (IEO). Точнее, выборку из 100 пациентов последовательно набирают и госпитализируют в отделение медицинской сенологии с диагнозом MBC. Пациентам, подписавшим информированное согласие, присваивается уникальный идентификатор и распределяется либо в контрольную, либо в группу вмешательства в соотношении 1:1. Вначале система запрашивает подтверждение всех критериев включения и исключения. Затем независимый исследователь генерирует случайную последовательность, используя статистический язык R (R Core Team 2020).
Экспериментальная группа - TREAT (Поддержка соблюдения режима лечения): 50 пациентов с MBC получают DSS в течение трех месяцев. Пациентам рекомендуется использовать DSS ad libitum. Кроме того, Пациенты четко информируются о том, что TREAT не заменяет клинические консультации, но предназначен для оказания помощи в организации перорального лечения и повышения приверженности лечению посредством обучения на основе доказательной информации. Контрольная группа: 50 пациентов с МРМЖ, не подвергавшихся вмешательству, получают стандартную медицинскую консультацию.
Протокол предусматривает три временные точки оценки: T1 (1 месяц), T2 (2 месяца) и T3 (3 месяца). На исходном уровне (T0) все пациенты заполняют утвержденные анкеты для измерения показателей приверженности, клинических, психологических показателей и показателей качества жизни. Ожидаемое время для заполнения всех анкет на исходном уровне составляет примерно 40 минут. Кроме того, все пациенты должны еженедельно заполнять дневник соблюдения режима приема лекарств в течение трех месяцев. Ежемесячно все участники проходят краткое телефонное интервью, в ходе которого их контролируют на предмет соблюдения протокола исследования. На Т1, Т2 и Т3 заполняются все поведенческие, психологические показатели и показатели качества жизни, а также проводится собеседование (онлайн или личное). Переменные, которые не чувствительны к изменениям, такие как личность и тревожность, собираются только на этапе T0.
Тип исследования
Регистрация (Оцененный)
Фаза
- Непригодный
Контакты и местонахождение
Контакты исследования
- Имя: Marianna Masiero, Phd
- Номер телефона: +39 02 57489207
- Электронная почта: marianna.masiero@ieo.it
Места учебы
-
-
MI
-
Milan, MI, Италия, 20141
- Рекрутинг
- European Institute fo Oncology
-
Контакт:
- Marianna Masiero, Phd
- Номер телефона: +39 02 57489207
- Электронная почта: marianna.masiero@ieo.it
-
-
Критерии участия
Критерии приемлемости
Возраст, подходящий для обучения
- Взрослый
- Пожилой взрослый
Принимает здоровых добровольцев
Описание
Критерии включения:
- Пациенты > 18 лет;
- Наличие метастатического диагноза рака молочной железы;
- Прием перорального лечения метастатического рака молочной железы;
- Пациенты с доступом в Интернет и личным смартфоном или планшетом;
- Пациенты, которые прочитали и подписали информированное согласие.
Критерий исключения:
- Наличие первичных психиатрических или неврологических заболеваний;
- Пациенты, отказавшиеся подписать информированное согласие.
Учебный план
Как устроено исследование?
Детали дизайна
- Основная цель: Другой
- Распределение: Рандомизированный
- Интервенционная модель: Параллельное назначение
- Маскировка: Нет (открытая этикетка)
Оружие и интервенции
Группа участников / Армия |
Вмешательство/лечение |
---|---|
Экспериментальный: Экспериментальная группа
50 пациентов с MBC получают DSS в течение трех месяцев.
Пациентам рекомендуется использовать DSS ad libitum.
|
TREAT (TREatment Adherence SupporT) — это веб-СППР, состоящая из четырех разделов: i) Метастатический рак молочной железы: содержит информацию о MBC и его физических и психологических последствиях; ii) Приверженность лечению рака: содержит информацию о приверженности онкологической популяции; iii) Содействие соблюдению режима лечения: содержит информацию о ресурсах, препятствиях и доступных вмешательствах, используемых для повышения соблюдения режима лечения; iv) Мой дневник приверженности. |
Без вмешательства: Контрольная группа
50 пациентов с МРМЖ, не подвергшихся вмешательству, получают стандартную медицинскую консультацию.
|
Что измеряет исследование?
Первичные показатели результатов
Мера результата |
Мера Описание |
Временное ограничение |
---|---|---|
Эффективность системы поддержки принятия решений
Временное ограничение: 3 месяца
|
Оценка эффективности веб-решения DSS и веб-приложения машинного обучения (TREAT — «TREatment Adherence SupporT») в повышении приверженности пероральному противораковому лечению.
|
3 месяца
|
Вторичные показатели результатов
Мера результата |
Мера Описание |
Временное ограничение |
---|---|---|
Клинические, психологические и качественные показатели качества жизни, предсказывающие приверженность лечению
Временное ограничение: 3 месяца
|
Определить клинические факторы (сопутствующие заболевания, наличие боли, тип опухоли, тип лечения), психологические параметры (личностные качества, тревога, депрессия, способность справляться с раком и чувство последовательности) и переменные качества жизни, которые служат предикторами приверженности пациентов к лечению. к ОАТам.
|
3 месяца
|
Психологические предикторы приверженности
Временное ограничение: 3 месяца
|
Оцените восприятие риска с помощью визуальной аналоговой шкалы, которая служит предиктором приверженности пациентов к ОАТ.
|
3 месяца
|
Соавторы и исследователи
Спонсор
Соавторы
Следователи
- Главный следователь: Gabriella pravettoni, PhD, Istituto Europeo di Oncologia
Публикации и полезные ссылки
Общие публикации
- Cleeland CS, Ryan KM. Pain assessment: global use of the Brief Pain Inventory. Ann Acad Med Singap. 1994 Mar;23(2):129-38.
- Aaronson NK, Ahmedzai S, Bergman B, Bullinger M, Cull A, Duez NJ, Filiberti A, Flechtner H, Fleishman SB, de Haes JC, et al. The European Organization for Research and Treatment of Cancer QLQ-C30: a quality-of-life instrument for use in international clinical trials in oncology. J Natl Cancer Inst. 1993 Mar 3;85(5):365-76. doi: 10.1093/jnci/85.5.365.
- Antonovsky A. The structure and properties of the sense of coherence scale. Soc Sci Med. 1993 Mar;36(6):725-33. doi: 10.1016/0277-9536(93)90033-z.
- Sprangers MA, Groenvold M, Arraras JI, Franklin J, te Velde A, Muller M, Franzini L, Williams A, de Haes HC, Hopwood P, Cull A, Aaronson NK. The European Organization for Research and Treatment of Cancer breast cancer-specific quality-of-life questionnaire module: first results from a three-country field study. J Clin Oncol. 1996 Oct;14(10):2756-68. doi: 10.1200/JCO.1996.14.10.2756.
- Cardoso F, Paluch-Shimon S, Senkus E, Curigliano G, Aapro MS, Andre F, Barrios CH, Bergh J, Bhattacharyya GS, Biganzoli L, Boyle F, Cardoso MJ, Carey LA, Cortes J, El Saghir NS, Elzayat M, Eniu A, Fallowfield L, Francis PA, Gelmon K, Gligorov J, Haidinger R, Harbeck N, Hu X, Kaufman B, Kaur R, Kiely BE, Kim SB, Lin NU, Mertz SA, Neciosup S, Offersen BV, Ohno S, Pagani O, Prat A, Penault-Llorca F, Rugo HS, Sledge GW, Thomssen C, Vorobiof DA, Wiseman T, Xu B, Norton L, Costa A, Winer EP. 5th ESO-ESMO international consensus guidelines for advanced breast cancer (ABC 5). Ann Oncol. 2020 Dec;31(12):1623-1649. doi: 10.1016/j.annonc.2020.09.010. Epub 2020 Sep 23. No abstract available.
- Gennari A, Andre F, Barrios CH, Cortes J, de Azambuja E, DeMichele A, Dent R, Fenlon D, Gligorov J, Hurvitz SA, Im SA, Krug D, Kunz WG, Loi S, Penault-Llorca F, Ricke J, Robson M, Rugo HS, Saura C, Schmid P, Singer CF, Spanic T, Tolaney SM, Turner NC, Curigliano G, Loibl S, Paluch-Shimon S, Harbeck N; ESMO Guidelines Committee. Electronic address: clinicalguidelines@esmo.org. ESMO Clinical Practice Guideline for the diagnosis, staging and treatment of patients with metastatic breast cancer. Ann Oncol. 2021 Dec;32(12):1475-1495. doi: 10.1016/j.annonc.2021.09.019. Epub 2021 Oct 19. No abstract available.
- Bohlmann A, Mostafa J, Kumar M. Machine Learning and Medication Adherence: Scoping Review. JMIRx Med. 2021 Nov 24;2(4):e26993. doi: 10.2196/26993.
- Jansen LA, Appelbaum PS, Klein WM, Weinstein ND, Cook W, Fogel JS, Sulmasy DP. Unrealistic optimism in early-phase oncology trials. IRB. 2011 Jan-Feb;33(1):1-8. No abstract available.
- Karanasiou GS, Tripoliti EE, Papadopoulos TG, Kalatzis FG, Goletsis Y, Naka KK, Bechlioulis A, Errachid A, Fotiadis DI. Predicting adherence of patients with HF through machine learning techniques. Healthc Technol Lett. 2016 Sep 27;3(3):165-170. doi: 10.1049/htl.2016.0041. eCollection 2016 Sep.
- Komatsu H, Yagasaki K, Yamaguchi T, Mori A, Kawano H, Minamoto N, Honma O, Tamura K. Effects of a nurse-led medication self-management programme in women with oral treatments for metastatic breast cancer: A mixed-method randomised controlled trial. Eur J Oncol Nurs. 2020 Aug;47:101780. doi: 10.1016/j.ejon.2020.101780. Epub 2020 Jun 14.
- Lin C, Clark R, Tu P, Bosworth HB, Zullig LL. Breast cancer oral anti-cancer medication adherence: a systematic review of psychosocial motivators and barriers. Breast Cancer Res Treat. 2017 Sep;165(2):247-260. doi: 10.1007/s10549-017-4317-2. Epub 2017 Jun 1.
- Marshall VK, Visovsky C, Advani P, Mussallem D, Tofthagen C. Cancer treatment-specific medication beliefs among metastatic breast cancer patients: a qualitative study. Support Care Cancer. 2022 Aug;30(8):6807-6815. doi: 10.1007/s00520-022-07101-7. Epub 2022 May 9.
- Merluzzi TV, Nairn RC, Hegde K, Martinez Sanchez MA, Dunn L. Self-efficacy for coping with cancer: revision of the Cancer Behavior Inventory (version 2.0). Psychooncology. 2001 May-Jun;10(3):206-17. doi: 10.1002/pon.511.
- Mirzadeh SI, Arefeen A, Ardo J, Fallahzadeh R, Minor B, Lee JA, Hildebrand JA, Cook D, Ghasemzadeh H, Evangelista LS. Use of machine learning to predict medication adherence in individuals at risk for atherosclerotic cardiovascular disease. Smart Health (Amst). 2022 Dec;26:100328. doi: 10.1016/j.smhl.2022.100328. Epub 2022 Oct 4.
- Montagna E, Zagami P, Masiero M, Mazzocco K, Pravettoni G, Munzone E. Assessing Predictors of Tamoxifen Nonadherence in Patients with Early Breast Cancer. Patient Prefer Adherence. 2021 Sep 15;15:2051-2061. doi: 10.2147/PPA.S285768. eCollection 2021.
- Yerrapragada G, Siadimas A, Babaeian A, Sharma V, O'Neill TJ. Machine Learning to Predict Tamoxifen Nonadherence Among US Commercially Insured Patients With Metastatic Breast Cancer. JCO Clin Cancer Inform. 2021 Aug;5:814-825. doi: 10.1200/CCI.20.00102.
- Scioscia G, Tondo P, Foschino Barbaro MP, Sabato R, Gallo C, Maci F, Lacedonia D. Machine learning-based prediction of adherence to continuous positive airway pressure (CPAP) in obstructive sleep apnea (OSA). Inform Health Soc Care. 2022 Jul 3;47(3):274-282. doi: 10.1080/17538157.2021.1990300. Epub 2021 Nov 8.
- Zhu X, Peng B, Yi Q, Liu J, Yan J. Prediction Model of Immunosuppressive Medication Non-adherence for Renal Transplant Patients Based on Machine Learning Technology. Front Med (Lausanne). 2022 Feb 18;9:796424. doi: 10.3389/fmed.2022.796424. eCollection 2022. Erratum In: Front Med (Lausanne). 2022 Aug 09;9:964157.
- Scott NW, Fayers P, Aaronson NK, et al. EORTC QLQ-C30 Reference Values Manual. (2nd ed.). EORTC Quality of Life Group., 2008
- Pedrabissi, L., & Santinello, M. (1989). Verifica della validità dello STAI forma Y di Spielberger [Verification of the validity of the STAI, Form Y, by Spielberger]. Giunti Organizzazioni Speciali, 191-192, 11-14.
- Beck AT, Steer RA, Brown G. Beck Depression Inventory-II (BDI-II). APA PsycTests. Epub ahead of print 1996
- Sica C, Ghisi M. The Italian versions of the Beck Anxiety Inventory and the Beck Depression Inventory-II: Psychometric properties and discriminant power. In: M. A. Lange. Leading-edge psychological tests and testing research. Nova Science Publishers, 2007, pp. 27-50.
- Serpentini S, Del Bianco P, Chirico A, Merluzzi TV, Martino R, Lucidi F, De Salvo GL, Trentin L, Capovilla E. Self-efficacy for coping: utility of the Cancer behavior inventory (Italian) for use in palliative care. BMC Palliat Care. 2019 Apr 5;18(1):34. doi: 10.1186/s12904-019-0420-y.
- Spielberger CD, Gonzalez-Reigosa F, Martinez-Urrutia A, et al. The State-Trait Anxiety Inventory. Rev Interam Psicol J Psychol 1971; 5: 3-4
- Ubbiali A, Chiorri C, Hampton P, Donati D. Italian Big Five Inventory. Psychometric properties of the Italian adaptation of the Big Five Inventory (BFI). Bollettino di Psicologia applicata 2013;59(266):37-48
- Weinstein, N. D. (1980). Unrealistic optimism about future life events. Journal of Personality and Social Psychology, 39(5), 806-820.
- R: A language and environment for statistical computing. R Foundation for Statistical Computing. URL: https://www. R-project.org
Даты записи исследования
Изучение основных дат
Начало исследования (Действительный)
Первичное завершение (Оцененный)
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
- IEO1907
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.
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. .
Клинические исследования Система поддержки принятия решений
-
Karolinska InstitutetЗавершенный
-
Wuerzburg University HospitalCharite University, Berlin, Germany; Goethe University; RWTH Aachen University; Technical... и другие соавторыРекрутингОперация | Пациенты класса ASA III/IV | Системы поддержки принятия клинических решенийГермания
-
University of California, San FranciscoЗавершенныйГипертония | Почечная недостаточность, хроническаяСоединенные Штаты
-
University of MinnesotaMayo Clinic; Minneapolis Veterans Affairs Medical Center; United States Department...РекрутингБремя воспитателя | Стрессовый синдром опекуна | Выгорание опекунаСоединенные Штаты
-
University of Alabama at BirminghamNational Cancer Institute (NCI)РекрутингРак | Члены семьиСоединенные Штаты
-
University of Alabama at BirminghamЗавершенныйРак | Семейный уходСоединенные Штаты
-
Unity Health TorontoАктивный, не рекрутирующий
-
Butler HospitalNational Institute of Mental Health (NIMH)ЗавершенныйПсихотическое расстройствоСоединенные Штаты
-
Invictus Medical, Inc.Отозван
-
SpineSave AGЕще не набираютСпондилоартрит | Нестабильность поясничного отдела позвоночника | Дегенеративный спондилолистез | Дегенеративный стеноз поясничного отдела позвоночника | Дископатия | Артроз фасеточных суставов