Effektiviteten av personlig övervakning och eftervård för bröstcancer (NABOR)

1. Behandling av försökspersoner: personlig uppföljning Personalized Surveillance Plan (PSP): Runt det första övervakningsmammografin (dvs. ett år efter avslutad behandling) skapas den personliga övervakningsplanen (PSP) med hjälp av PSP:s beslutshjälp, som kallas " Beslutsstöd för övervakning av bröstcancer” (16). Detta stöd innehåller INFLUENCE-verktyget 3.0, som är en uppföljare till INFLUENCE-verktyget 2.0 (15) och kommer att utvecklas under detta projekt. Jämfört med INFLUENCE 2.0 kommer INFLUENCE 3.0 dessutom att inkludera patienter som behandlas med neoadjuvant terapi en bredare population än INFLUENCE 2.0 (inklusive patienter som behandlas med neoadjuvant terapi) och kommer att inkludera en nyare population för att ge mer samtida riskuppskattningar som är tillämpliga i en bredare befolkning. Under ett besök på polikliniken, runt det första övervakningsmammografin (dvs. ungefär ett år efter diagnosen, färdigställs prediktionsverktyget INFLUENCE 3.0, som en del av PSP:s beslutsstöd, av HCP (dvs. kirurgisk onkolog eller sjuksköterska specialist) och patient tillsammans genom att fylla i data om patient, tumör och behandlingsegenskaper. Den uppskattade personliga risken kommer att förklaras för patienten och sammanfattas i en broschyr som också beskriver de alternativ som är möjliga för patienten (t.ex. årlig mammografi eller mindre frekvent, uppföljningstiden, hur man levererar resultatet från mammografin). Patienten får ett personligt konto med vilket hon hemma kan komplettera PSP:s beslutshjälp som ger information om olika övervakningsalternativ och en värdeförklaringsövning för att hjälpa patienten att få insikt i sina personliga behov och preferenser. Detta hjälper patienten att överväga för- och nackdelar med de olika alternativen. Ett sammanfattningsblad baserat på patienternas svar, kombinerat med resultatet av det första övervakningsmammografin, används vid nästa konsultation för att fatta gemensamma beslut om en personlig övervakningsplan (PSP).

   Personlig eftervårdsplan (PAP): För att stödja skapandet av denna PAP kommer ett patientbeslutsstöd (PtDA) att användas, som bedömer patienternas behov, ger information och ger en sammanfattning av patienternas behov och preferenser angående eftervårdsbanan. Innehållet i denna PtDA kommer att utvecklas i fem samskapande sessioner med ett multidisciplinärt team av forskare, patientrepresentanter och vårdgivare. Först kommer behovsanalyser att genomföras bland patienter och vårdgivare, vilka resultat tjänar som input för innehållet i PtDA. Detta innehåll kommer att kritiskt revideras av teamet och skrivas om till B1-språknivå (Common European Framework of Reference for Languages). Användbarheten kommer att testas, bestående av tänk-högt sessioner med patienter och intervjuer per telefon bland vårdpersonal.

   Under eftervårdskonsultation(er) under det första året efter avslutad patientbehandling kommer HCP (dvs. sjuksköterska eller sjuksköterska specialist) kommer att introducera PtDA för patienten. Därefter får patienter tillgång till PtDA online för att göra en behovsbedömning och få information om möjliga effekter av bröstcancer, tillgängliga alternativ och val som hon har angående sin eftervårdsbana och tillgängliga resurser för hjälp och stöd. Patienter kan väga alternativ och fylla i preferenser och överväganden. När patienterna har slutfört PtDA skapas automatiskt ett sammanfattningsblad som innehåller en översikt över patientrapporterade behov, preferenser och överväganden, som kan användas som bas för slutgiltigt beslutsfattande om PAP i samråd med sin vårdgivare . Dessa beslut kommer att utgöra PAP, som med största sannolikhet kommer att omfatta beslut om organisation av eftervård (t.ex. ytterligare stöd eller remisser, kontaktsätt, involverade vårdgivare) och signaler om att söka vård och kontaktuppgifter. Eftersom patienternas behov kan variera över tiden kan vårdgivaren införa PtDA flera gånger under eftervårdsbanan. Även PAP kan omvärderas och anpassas under eftervårdsbanan, beroende på patienternas behov och arrangerade kontaktfrekvenser.

2. Beräkning av provstorlek: Urvalsstorleken uppskattades med ett användarskrivet skript för mITS-designer i programvaran Statistical Analysis System (SAS). Eftersom det finns två primära parametrar kommer en Bonferroni-korrigering att användas för att korrigera för flera tester och därför ställa in den statistiska signifikansnivån på alfa=0,025 (tvåsidig). Effekterna som utredarna vill mäta är en skillnad på 1,52 på Cancer Worry Scale (CWS; intervall 6-24) och en skillnad på 4,8 på EQ-VAS-poängen (intervall 0-100), som är en del av EQ- 5D. Detta beslut är baserat på målet att upptäcka en liten till måttlig skillnad på 0,4 gånger standardavvikelsen, som visade sig vara cirka 3,8 för CWS och 12 för EQ-VAS-poängen i tidigare studier. Ur klinisk synvinkel är en skillnad på 1,52 på CWS relevant för syftet att uppskatta effektiviteten av personlig uppföljning: även en liten minskning av canceroro kan leda till förbättrad livskvalitet. En skillnad på 4,8 på VAS-poängen anses också vara kliniskt relevant. En korrelation förväntas mellan de två första mätningarna inom ett sjukhus på 80 %, och denna korrelation förväntas sjunka till 50 % när man jämför den första med den senaste mätningen. Dessutom antas en intraklasskorrelationskoefficient på 0,15. Med hänsyn till 25 % förlust för uppföljning måste varje sjukhus inkludera fyra patienter per period på tre veckor för att upptäcka en skillnad på 1,52 på CWS och 4,8 på VAS-poängen med 84 %. Den totala inklusionstiden per sjukhus är 26 perioder (78 veckor, eller cirka 18 månader), vilket uppgår till ett antal av 104 patienter per sjukhus och en studiepopulation på N=1 040.

3. Statistiska analyser: En översikt över de demografiska och kliniska egenskaperna kommer att tillhandahållas med hjälp av beskrivande statistik. Kontinuerliga data kommer att uttryckas som ett medelvärde med standardavvikelsen (SD) eller interkvartilområdet (IQR) där så är lämpligt. Kategoriska data kommer att uttryckas som frekvenser (%). Alla frågeformulär kommer att analyseras i enlighet med deras motsvarande manual. Egenkomponerade frågor (dvs. upplevd risk för återfall, justerade frågor från CQ-Breast Index, demografi) kommer att analyseras per post.

   För att bedöma effektiviteten av individanpassad övervakning och eftervård kommer alla utfallsparametrar att jämföras mellan nuvarande vård och individanpassad vård. Tidsseriemönster kommer att visualiseras före och efter personalisering för att bedöma möjlig förändring i mönstret efter implementering av personaliseringen, för varje sjukhus separat och kombinerat. På så sätt kan utredarna identifiera eventuella underliggande trender, säsongsmönster och extremvärden.

   För att testa förändringen i nivå och lutning associerad med personaliseringen och för att kontrollera andra (förvirrande och övergripande trend) effekter, kommer segmenterade regressionsanalyser att användas där bitvisa regressionslinjer anpassas till varje segment av tidsserier, vilket gör att varje segment kan uppvisa olika trender. För att korrigera för korrelation mellan upprepade mätningar kommer restplot mot tid att undersökas visuellt, vilket dessutom kan testas statistiskt med Durbin-Watson-statistiken. Autokorrelation kommer följaktligen att justeras för genom att inkludera autokorrelationsparametern i den segmenterade regressionsmodellen. Intention-to-treat-analyser görs för att uppskatta effektiviteten av personlig uppföljning av resultaten av frågeformulären. Bonferroni-korrigeringen kommer att användas för att justera för flera tester.

   Patienter som ingår under övergångsfasen kommer att analyseras som att de får aktuell vård eller personlig vård beroende på om PSP och PAP användes. Känslighetsanalyser kommer att göras med och utan de patienter som ingår under övergångsperioden, eftersom det kan finnas skillnader mellan vården som ges under och efter övergångsfasen.

   Om data saknas kommer utredarna att registrera procentandelen avhopp och saknade vid varje uppföljningstidpunkt. Vid behov kommer multipel imputering (om antagandena för denna teknik är uppfyllda) att utföras för att säkerställa korrekt analys. Därefter kommer metaanalyser att utföras för att utvärdera den genomsnittliga interventionseffekten per patientgrupp på alla sjukhus och den totala effekten över alla patientgrupper och sjukhus.

   En kostnadseffektivitets- och kostnadsnyttoanalys kommer att utföras för att jämföra kostnader och effekter av "personlig uppföljningsvård" kontra "vanlig vård", med en tvåårig (studiebaserad; baserad på data från den aktuella studien) och livslängd (modellbaserat; baserat på studien och extrapolationer med hjälp av data från litteratur) tidshorisont. Information kommer att erhållas om påverkan på personlig uppföljningsvård på cancerbekymmer, livskvalitet, sjukvårdskostnader och (förskjutning av) resurser.

   Direkta vårdkostnader baserade på aktiviteter som utvinns från EHR (t.ex. antal mammografi, konsultationer) kommer att multipliceras med kostnaderna som beskrivs i "Referenskostnader från Nederländerna" eller från "Nederlandse Zorgautoriteit" (NZa). För kostnaderna för insatserna (beslutsstödsverktyg) kommer en aktivitetsbaserad kalkylmetod att utföras för utveckling, användning och underhåll av beslutsstödsplattformarna. Indirekta kostnader som kommer att beaktas är vårdkonsumtion utanför sjukhus och hälsorelaterade produktivitetsförluster. Produktivitetsförluster kommer att beräknas med hjälp av friktionskostnadsmetoden, enligt International Society of Pharmaco-economical Organization and Research (ISPOR) riktlinjer.

   Kostnadseffektiviteten kommer att uttryckas i inkrementella kostnader per patient med en kliniskt relevant förbättring av CWS som primärt resultat av NABOR-studien. Kostnadsnyttan kommer att uttryckas i inkrementella kostnader per erhållna kvalitetsjusterade levnadsår (QALYs), erhållna från EQ-5D-5L (inklusive VAS). Långsiktiga konsekvenser kommer att baseras på både studieresultaten och litteraturen för att extrapolera patientresultaten för en livslång tidshorisont.

   Kostnadseffektivitetsanalysen kommer att utföras enligt riktlinjerna för ekonomiska utvärderingar från Dutch Zorginstituut (ZIN).

4. Hantering av data

Datakällor för vår studie:

• NCR (Netherlands Cancer Registry): data (t.ex. patient-, tumör- och behandlingsrelaterade egenskaper) är redan samlade och en del av den allmänna datainsamlingen av NCR
• Ytterligare patientdata från EHR: samlad in under projektet
• PROFILER: ett dataregister som samlar in svar på frågeformulär under projektet Hantering av data: För att få data från NCR, ytterligare patientdata från EPJ och svar på frågeformulär genom PROFILER, kommer studiedeltagarna att ge Informed Consent. Registrering kommer att göras av PROFILES-registret. För att skicka frågeformulär till deltagarna kommer deltagarna att ombeds tillåta registrering av deras namn och e-postadress eller postadress i PROFILES-registret. För att senare kunna kombinera svar på enkäter med data från NCR och EHR behöver PROFILER-registret även deras patientnummer och födelsedatum. Deltagarna kommer också att ombeds tillstånd för registrering av sitt patientnummer och födelsedatum i PROFILES-registret. Efter att patienten undertecknat informerat samtycke kommer HCP att registrera patienten i PROFILER. HCP:er kan få personuppgifter och sekvensnummer i PROFILES-registret, men har ingen tillgång till svaren på frågeformulär.

Tillgänglighet till data: All insamlad data är patientdata, denna kan inte göras allmänt tillgänglig. Data från NCR och ytterligare EHR-data kan begäras, en lokal sekretesskommitté utvärderar förfrågningar. PROFILES data (dvs. svar på frågeformulär) kan också begäras och kopplas till NCR-data vid behov.