- ICH GCP
- Amerikanska kliniska prövningsregistret
- Klinisk prövning NCT06161181
Förbättra terapiefterlevnaden bland metastaserande bröstcancerpatienter: studieprotokollet
Bakgrund: Nya bevis tyder på att patienter med avancerad cancer, såsom de med MBC, ofta uppvisar betydande nivåer av icke-adherens till orala anticancerbehandlingar. Utnyttjande av maskininlärningsmodellerna i klinisk praxis gör det möjligt att tillhandahålla personliga förutsägelser om läkemedelsefterlevnad för enskilda patienter, och därigenom stödja efterlevnad och underlätta riktade insatser.
Syfte: Det nuvarande protokollet syftar till att bedöma effektiviteten av DSS, en webbaserad lösning som heter TREAT (TREatment Adherence Support) och en maskininlärningswebbapplikation för att främja följsamhet till orala anticancerbehandlingar inom ett urval av MBC-patienter.
Metoder och design: Detta protokoll är en del av ett projekt med titeln "Enhancing Therapy Adherence Among Metastatic Breast Cancer Patients" (spårningsnummer 65080791). Ett urval av 100 MBC-patienter skrivs in i följd och tas in på avdelningen för medicinsk senologi vid European Institute of Oncology. 50 MBC-patienter får DSS under tre månader (experimentgrupp), medan 50 MBC-patienter som inte utsatts för interventionen får standardmedicinsk rådgivning (kontrollgrupp). Protokollet förutser tre bedömningstidpunkter: T1 (1 månad), T2 (2 månader) och T3 (3 månader). Vid varje tidpunkt fyller deltagarna i en uppsättning självrapporter som utvärderar följsamhet, kliniska, psykologiska och QoL-variabler.
Slutsatser: våra resultat kommer att informera om effektiviteten av DSS och riskprediktiva modeller för att främja följsamhet till orala anticancerbehandlingar hos MBC-patienter.
Studieöversikt
Status
Betingelser
Intervention / Behandling
Detaljerad beskrivning
Metastaserad bröstcancer (MBC) representerar ett obotligt tillstånd där farmakologiska ingrepp är inriktade på att skjuta upp sjukdomsprogression och lindra symtom, och därigenom förlänga överlevnadsgraden och bevara livskvaliteten (QoL) och psykologiskt välbefinnande. Kliniska framsteg inom anticancerbehandlingar har särskilt ökat överlevnaden bland MBC-patienter. Emellertid rapporterade samlade bevis att följsamhet till mediciner är en kritisk fråga i sjukdomsbanan för bröstcancerpatienter, särskilt i samband med orala anticancerbehandlingar (OAT). Nya bevis tyder på att patienter med avancerad cancer, såsom de med MBC, ofta uppvisar betydande nivåer av icke-adherens. MBC-patienter stöter på olika barriärer för den dagliga hanteringen av OAT, inklusive känslomässig och fysisk besvär i samband med biverkningar, dosvariationer, behandlingsavbrott och brist på sjukdomsrelaterad kunskap. Förutsägelsemodeller för följsamhet har tidigare utvecklats och testats över olika scenarier och sjukdomar. Bevis tydde på att utnyttjande av maskininlärningsmodellerna i klinisk praxis gör det möjligt att tillhandahålla personliga förutsägelser om läkemedelsefterlevnad för enskilda patienter, och därigenom stödja efterlevnad och underlätta riktade insatser. Trots detta har existerande studier ännu inte systematiskt behandlat medicinering av MBC-patienter genom att designa och implementera ett beslutsstödssystem (DSS) som integrerar riskprediktiva modeller tillsammans med utbildnings- och träningsverktyg.
Det nuvarande protokollet syftar till att bedöma effektiviteten av DSS, en webbaserad lösning som heter TREAT (TREatment Adherence Support), och en webbapplikation för maskininlärning för att främja följsamhet till orala anticancerbehandlingar inom ett urval av MBC-patienter. Detta protokoll är en del av ett projekt med titeln "Enhancing Therapy Adherence Among Metastatic Breast Cancer Patients" (spårningsnummer 65080791). Det övergripande målet med detta projekt är att utveckla en prediktiv modell för icke-adherens, en associerad DSS och riktlinjer för att förbättra patientens engagemang och terapiefterlevnaden bland MBC-patienter.
Den webbaserade DSS utvecklades under det första året av Pfizer-projektet (65080791) med ett patientcentrerat tillvägagångssätt och består av fyra sektioner: i) Metastaserande bröstcancer; ii) Följsamhet till cancerterapier; iii) främja efterlevnad; iv) Min anslutningsdagbok. Dessutom designades en webbaserad maskininlärningsapplikation för att fokusera på att förutsäga patienters riskfaktorer för att följa anticancerbehandling, särskilt med hänsyn till fysisk status, komorbida tillstånd och kort- och långtidsbiverkningar. Denna webbaserade applikation för maskininlärning har utvecklats genom en retrospektiv studie som använder fysiologiska, kliniska och livskvalitetsdata tillgängliga vid European Institute of Oncology (Milano, Italien) (R1595/21-IEO 1704). Specifikt har multimodala retrospektiva data hämtats från Patient Electronic Health Records (EHR) med hjälp av naturlig språkbehandling (NLP) i ett urval av 2 750 MBC-patienter (från 2010 till 2020).
Metoder/Design
Huvud objekt
Utvärdera effektiviteten av den webbaserade DSS-lösningen och maskininlärningswebbapplikationen (TREAT - "TREatment Adherence Support") för att främja följsamhet till orala anticancerbehandlingar inom en kohort av 100 patienter med metastaserande bröstcancer (MBC) under en tremånadersperiod. Följsamhet bedöms genom att beräkna antalet piller som tagits dividerat med den föreskrivna mängden.
Sekundära mål
Identifiera kliniska faktorer (komorbiditeter, närvaro av smärta, tumörtyp, behandlingstyp), psykologiska parametrar (personlighetsdrag, ångest, depression, själveffektivitet för att hantera cancer, känsla av koherens och riskuppfattning) och QoL-variabler som fungerar som prediktorer för patienternas efterlevnad av OAT. Dessa prediktorer används för att bedöma icke-efterlevnad av OAT bland MBC-patienter och förbättra den initiala versionen av en maskininlärningsmodell som utvecklats i den retrospektiva studien (R1595/21-IEO 1704). Data för de sekundära effektmåtten samlas in med hjälp av European Organisation for Research and Treatment of Cancer Quality of Life Questionnaire (EORTC-QLQ-C30), European Organisation for Research and Treatment of Cancer 23-post Breast Cancer-specific Questionnaire (EORTC-QLQ) -BR23), och Brief Pain Inventory (BPI). Vidare, för att utvärdera psykologiska variabler, används följande mått: State-Trait Anxiety Inventory (STAI-Y), Beck Depression Inventory-II (BDI-II), Big Five Inventory (BFI), Cancer Behavior Inventory CBI Kortform (CBI-B/I), Sense of Coherence (SOC-13) och Risk Perception (med två visuella analoga skalor).
Provlängd och studiedesign
Studien är utformad som en 3-månaders randomiserad kontrollerad studie utförd vid European Institute of Oncology (IEO). Mer specifikt skrivs ett urval av 100 patienter in i följd och tas in på avdelningen för medicinsk senologi med en MBC-diagnos. Patienter som undertecknat det informerade samtycket får en unik identifierare och tilldelas antingen kontroll- eller interventionsarmen i förhållandet 1:1. Systemet ber tidigast att bekräfta alla inkluderings- och exkluderingskriterier. Sedan genererar en oberoende forskare en slumpmässig sekvens med hjälp av det statistiska språket R (R Core Team 2020).
Experimentell grupp - BEHANDLA (TREatment Adherence Support): 50 MBC-patienter får DSS under tre månader. Patienterna instrueras att använda DSS ad libitum. Vidare informeras patienterna uttryckligen om att TREAT inte ersätter kliniska konsultationer, men det är utformat för att hjälpa till att hantera oral behandling och förbättra följsamheten genom utbildning baserad på evidensbaserad information. Kontrollgrupp: 50 MBC-patienter som inte utsatts för interventionen får medicinsk rådgivning.
Protokollet förutser tre bedömningstidpunkter: T1 (1 månad), T2 (2 månader) och T3 (3 månader). Vid baslinjen (T0) fyller alla patienter i validerade frågeformulär för att mäta följsamhet, kliniska, psykologiska och QoL-variabler. Den förväntade tiden att fylla i alla givna frågeformulär vid baslinjen är cirka 40 minuter. Dessutom måste alla patienter fylla i en veckovis följsamhetsläkemedelsdagbok under tre månader. Varje månad får alla deltagare en kort telefonintervju där de övervakas för att följa forskningsprotokollet. På T1, T2 och T3 fylls alla beteendemässiga, psykologiska och QoL-mått i, och en intervju (online eller vis-à-vis) genomförs. Variabler som inte är känsliga för förändring, såsom personlighet och ångestdrag, samlas endast in vid T0.
Studietyp
Inskrivning (Beräknad)
Fas
- Inte tillämpbar
Kontakter och platser
Studiekontakt
- Namn: Marianna Masiero, Phd
- Telefonnummer: +39 02 57489207
- E-post: marianna.masiero@ieo.it
Studieorter
-
-
MI
-
Milan, MI, Italien, 20141
- Rekrytering
- European Institute fo Oncology
-
Kontakt:
- Marianna Masiero, Phd
- Telefonnummer: +39 02 57489207
- E-post: marianna.masiero@ieo.it
-
-
Deltagandekriterier
Urvalskriterier
Åldrar som är berättigade till studier
- Vuxen
- Äldre vuxen
Tar emot friska volontärer
Beskrivning
Inklusionskriterier:
- Patienter > 18 år gamla;
- Att ha en metastaserande bröstcancerdiagnos;
- Ta oral behandlingsintervention för metastaserad bröstcancer;
- Patienter med tillgång till internet och en personlig smartphone eller surfplatta;
- Patienter som har läst och undertecknat det informerade samtycket.
Exklusions kriterier:
- Närvaro av primära psykiatriska eller neurologiska tillstånd;
- Patienter som vägrade att underteckna det informerade samtycket.
Studieplan
Hur är studien utformad?
Designdetaljer
- Primärt syfte: Övrig
- Tilldelning: Randomiserad
- Interventionsmodell: Parallellt uppdrag
- Maskning: Ingen (Open Label)
Vapen och interventioner
Deltagargrupp / Arm |
Intervention / Behandling |
---|---|
Experimentell: Experimentgrupp
50 MBC-patienter får DSS under tre månader.
Patienterna instrueras att använda DSS ad libitum.
|
TREAT (TREatment Adherence Support) är en webbaserad DSS som består av fyra sektioner: i) Metastaserad bröstcancer: innehåller information om MBC och dess fysiska och psykiska konsekvenser; ii) Anslutning till cancerterapier: innehåller information om följsamhet i cancerpopulationen; iii) Främja efterlevnad: innehåller information om resurser, barriärer och tillgängliga insatser som används för att främja efterlevnad; iv) Min anslutningsdagbok. |
Inget ingripande: Kontrollgrupp
50 MBC-patienter som inte utsatts för interventionen får standard medicinsk rådgivning.
|
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
---|---|---|
Beslutsstödssystems effektivitet
Tidsram: 3 månader
|
Utvärdera effektiviteten hos den webbaserade DSS-lösningen och webbapplikationen för maskininlärning (TREAT - "TREatment Adherence Support") för att främja följsamhet till orala anticancerbehandlingar
|
3 månader
|
Sekundära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
---|---|---|
Kliniska, psykologiska och livskvalitetsprediktorer för följsamhet
Tidsram: 3 månader
|
Identifiera kliniska faktorer (komorbiditeter, smärtnärvaro, tumörtyp, behandlingstyp), psykologiska parametrar (personlighetsdrag, ångest, depression, self-efficacy för att hantera cancer och känsla av koherens) och QoL-variabler som fungerar som prediktorer för patienternas följsamhet till OATs.
|
3 månader
|
Psykologiska prediktorer för följsamhet
Tidsram: 3 månader
|
Utvärdera riskuppfattning med hjälp av visuella analoga skalor som fungerar som prediktorer för patienternas följsamhet till OAT.
|
3 månader
|
Samarbetspartners och utredare
Sponsor
Samarbetspartners
Utredare
- Huvudutredare: Gabriella pravettoni, PhD, Istituto Europeo di Oncologia
Publikationer och användbara länkar
Allmänna publikationer
- 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
Studieavstämningsdatum
Studera stora datum
Studiestart (Faktisk)
Primärt slutförande (Beräknad)
Avslutad studie (Beräknad)
Studieregistreringsdatum
Först inskickad
Först inskickad som uppfyllde QC-kriterierna
Första postat (Faktisk)
Uppdateringar av studier
Senaste uppdatering publicerad (Faktisk)
Senaste inskickade uppdateringen som uppfyllde QC-kriterierna
Senast verifierad
Mer information
Termer relaterade till denna studie
Ytterligare relevanta MeSH-villkor
Andra studie-ID-nummer
- IEO1907
Läkemedels- och apparatinformation, studiedokument
Studerar en amerikansk FDA-reglerad läkemedelsprodukt
Studerar en amerikansk FDA-reglerad produktprodukt
Denna information hämtades direkt från webbplatsen clinicaltrials.gov utan några ändringar. Om du har några önskemål om att ändra, ta bort eller uppdatera dina studieuppgifter, vänligen kontakta register@clinicaltrials.gov. Så snart en ändring har implementerats på clinicaltrials.gov, kommer denna att uppdateras automatiskt även på vår webbplats .
Kliniska prövningar på Metastaserad bröstcancer
-
Tianjin Medical University Cancer Institute and...Guangxi Medical University; Sun Yat-sen University; Chinese PLA General Hospital och andra samarbetspartnersAvslutadDen kliniska tillämpningsguiden för Conebeam Breast CTKina
-
ETOP IBCSG Partners FoundationAvslutadBreast Cancer Invasive NosItalien
-
Spanish Breast Cancer Research GroupHoffmann-La Roche; Roche Farma, S.AAvslutadBreast Cancer Invasive NosSpanien
-
I-Mab Biopharma Co. Ltd.Inte längre tillgängligSolid Tumor Metastatic Cancer Advanced Cancer
-
Pomeranian Medical University SzczecinMaria Sklodowska-Curie National Research Institute of Oncology; Regional...OkändBRCA1-mutation | Breast Cancer Invasive NosPolen
-
University Health Network, TorontoAvslutadBreast Cancer Invasive Nos | Primär invasiv bröstcancerKanada
-
Novartis PharmaceuticalsAvslutadMetastaserad bröstcancer (MBC) | Locally Advance Breast Cancer (LABC)Storbritannien, Spanien
-
PfizerAvslutadBRAF eller NRAS Mutant Metastatic MelanomFörenta staterna, Nederländerna, Italien, Tyskland, Schweiz
-
McMaster UniversityCanadian Breast Cancer FoundationAvslutadBreast Cancer Invasive Nos | Steg 0 BröstkarcinomKanada
-
Sunnybrook Health Sciences CentrePfizerAvslutadClear Cell Metastatic Renal Cell CarcinomKanada
Kliniska prövningar på Beslutsstödssystem
-
University of California, San FranciscoAvslutadUtvärdering av ett elektroniskt CKD Clinical Decision Support System (CDSS) i klinisk vård (CDSSR18)Hypertoni | Njurinsufficiens, kroniskFörenta staterna
-
Imperial College LondonSanofi; Axtria, Inc.RekryteringHjärtinfarkt | Ischemisk stroke | Akut koronarsyndromStorbritannien
-
Aifred HealthMcGill UniversityAvslutadDepressionFörenta staterna, Kanada
-
Istituto Ortopedico GaleazziUniversity of MilanAvslutad
-
Peking University Third HospitalOkänd
-
Andrew Tomas ReisnerRekryteringSår och skadorFörenta staterna
-
Hospital Italiano de Buenos AiresDuke UniversityOkänd
-
Jafna L CoxSt. Joseph's Healthcare Hamilton; Bayer; McMaster University; Population Health...Avslutad
-
Boston Children's HospitalNational Heart, Lung, and Blood Institute (NHLBI)RekryteringMedfödd hjärtsjukdomFörenta staterna
-
University of PittsburghPatient-Centered Outcomes Research Institute; Northwell Health; University...AvslutadBarnmisshandel | Trauma | Barnmisshandel | Fysisk misshandelFörenta staterna