- ICH GCP
- Amerikanska kliniska prövningsregistret
- Klinisk prövning NCT06893874
En pragmatisk prövning av maskinrecept för migrän (MigPred)
En pragmatisk observationsstudie för att undersöka maskinrecept jämfört med behandling-som vanligt hos vuxna i åldern 18 år eller äldre med migrän
Studieöversikt
Status
Betingelser
Intervention / Behandling
Detaljerad beskrivning
Malfysiologi för migrän är komplex är komplexa, behandlingssvar från olika migränförebyggande är mycket heterogena. Därför testar migränpatienter ofta mer än en förebyggande tills en effektiv behandling identifieras. Om man kan förutsäga individualiserade behandlingseffekter av dessa förebyggande kan tid till effektiv behandling minskas. Vi föreslår att ML kan användas för att förutsäga individualiserade behandlingseffekter för migränförebyggande (maskinrecept).
Vi utvecklar för närvarande flera ML -modeller för detta ändamål. Den första utvecklades 2022 och använder kliniska egenskaper för att uppskatta individualiserade behandlingseffekter. Den andra är under utveckling och använder en kombination av genetiska och kliniska data, medan den tredje kommer att använda sociodemografiska data. Båda de två senare är utbildade för att förutsäga effekten av vanligt använda profylaktik i Norge. Resultatet är tre olika ML -modeller som använder olika uppsättningar av funktioner för att förutsäga behandlingseffekter. För att jämföra prestationerna för dessa modeller kommer vi att genomföra en pragmatisk observationsstudie för att testa och jämföra modellerna i ett oberoende datasätt. Sådan testning utanför provet är avgörande för att fastställa den kliniska tillämpningen av maskinreceptmodellerna.
Mål, slutpunkter och uppskattningar Det primära målet är att utvärdera om maskinrecept kan förutsäga behandlingseffekten av vanligt använda migränförebyggande på individnivå. Slutpunkten för detta mål kommer att vara den bästa maskinens receptmodellens förmåga att förutsäga behandlingssvar (definierad som 50% minskning av huvudvärkdagar) mätt med ROC-AUC. Sekundära mål inkluderar att undersöka om tid-till-behandling-svar kan minskas med hjälp av maskinrecept, och om maskinrecept mer exakt väljer den bästa första linjeterapin för migrän på individnivå. Dessutom kommer vi att utforska utvecklingsmodeller som kombinerar de förutbildade modellerna, samt att skapa nya maskinreceptmodeller baserade på insamlade data.
Övergripande design
Detta är en prospektiv observationsförsök. Det kommer inte att finnas någon kontrollmetod eller förblindande. Studiepopulationen består av deltagare med episodisk och kronisk migrän. Intervention kommer att vara vanliga migränförebyggande som föreskrivs av läkaren i vård utan någon inblandning av forskarna. Varje deltagare kommer att observeras i minst 12 veckor efter att ha startat ett förebyggande. Sammanfattningsvis kan deltagande presenteras i enlighet därmed:
Screening/inkludering inklusive telefonkonsultation och funktionsmedelsfrågan (vecka 0) Baslinje (vecka -4 till 0) Behandlingsperiod (vecka 1 till 12) Uppföljning av telefonsamtal för utfallsbedömning (vecka 12) Valfri extra behandlingsperiod (vecka 13 till 24) Valfritt ytterligare uppföljning av telefonsamtal för resultatbedömning (vecka 24)
Kort sammanfattning Syftet med denna studie är att uppskatta förmågan hos ML -modeller att förutsäga effekten av migränförebyggande. Detta kommer att uppnås genom att först identifiera sociodemografiska, huvudvärk och komorbiditetsfunktioner hos migränpatienter. Huvudvärkdagar kommer sedan att mätas i fyra veckor innan en migränförebyggande startar, och detta kommer att jämföras med antalet huvudvärkdagar under de första 12 veckorna (uppdelade i 28-dagarsperioder) efter att ha påbörjat behandlingen. Förebyggande betraktas som effektiv om det finns 50% eller större minskning av månatliga huvudvärkdagar. Efter observation av behandlingsperioden kommer ML -modellerna att använda sociodemografiska, huvudvärk och komorbiditetsfunktioner, fångades innan behandlingen inleddes, för att förutsäga behandlingseffekt för alla förebyggande hos varje deltagare. Dessa förutsagda behandlingseffekter kommer att jämföras med de faktiska behandlingseffekterna som observerades.
Studiedetaljer inkluderar:
Studiets varaktighet per deltagare kommer att vara upp till 28 veckor. Behandlingstiden kommer att avgöras av läkaren i vård, men behandlingsperioden där vi kommer att övervaka huvudvärkdagar kommer att vara 12 veckor för varje behandling, med upp till två behandlingsperioder för varje deltagare.
Deltagarna kommer att ha en telefonkonsult på inkludering och kommer att ha ett uppföljningssamtal i slutet av - eller eventuellt båda - behandlingsperioden på 12 veckor.
Antal deltagare högst 200 deltagare kommer att registreras. Obs: Inskrivna betyder deltagarnas 'eller deras juridiskt acceptabla representanter', avtal om att delta i en klinisk studie efter avslutad medgivande samtyckesprocess [och screening]. Potentiella deltagare som screenas i syfte att fastställa behörighet för studien, men inte deltar i studien, anses inte vara inskrivna, såvida inget annat anges av protokollet. En deltagare kommer att betraktas som registrerad om det informerade samtycket inte dras tillbaka innan den deltar i någon studiaktivitet efter screening.
Studiearmar och varaktighet Det finns en studiearm. Studiets varaktighet beskrivs under "Kort sammanfattning".
Dataövervakning Det kommer inte att finnas någon dataövervakningskommitté eftersom den inte är tillämplig för denna studie.
Studietyp
Inskrivning (Beräknad)
Kontakter och platser
Studiekontakt
- Namn: Anker Stubberud, PhD
- Telefonnummer: +4745229174
- E-post: anker.stubberud@ntnu.no
Studieorter
-
-
-
Trondheim, Norge, 7030
- Rekrytering
- NTNU Norwegian University of Science and Technology
-
Kontakt:
- Håkon K Abildsnes, MD
- Telefonnummer: +4748173877
- E-post: hakon.k.abildsnes@ntnu.no
-
-
Deltagandekriterier
Urvalskriterier
Åldrar som är berättigade till studier
- Vuxen
- Äldre vuxen
Tar emot friska volontärer
Testmetod
Studera befolkning
Beskrivning
Inkluderingskriterier:
18 år eller äldre vid rättegången. Episodisk eller kronisk migrän med eller utan aura enligt ICHD-3-kriterier. Början av migrän före 50 års ålder. Historik med minst fyra dagars migrän under 4-veckors baslinjeperioden baserad på retrospektiv eller blivande utvärdering av huvudvärk dagbok eller återkallelse.
Efter att ha nyligen (inom de senaste fyra veckorna) började eller planerat att starta en migränförebyggande.
Undertecknat och daterat informerat samtycke.
Uteslutningskriterier:
Ämne samtidigt använder ett migränförebyggande som inte är läkemedlet som undersöks.
Ämnen som tidigare har misslyckats med alla sex profylaktiska behandlingar vi forskar.
Ämnen som diagnostiserats med trigeminal autonoma cefalalgier eller ansiktsneuralgier. Ämnen med sekundära huvudvärkförhållanden (med undantag för överanvändning av överanvändning av mediciner enligt ICHD-3).
Ämnen som tar opioider (> 3 dagar per månad) eller barbiturater vid screening.
Överanvändning av alkohol eller olaglig droganvändning. Ämnen som deltar i en annan klinisk undersökning.
Studieplan
Hur är studien utformad?
Designdetaljer
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Förutsägelse av behandlingseffekt
Tidsram: 12 veckor
|
Den primära slutpunkten är att undersöka maskinens receptbelagda modeller förmåga att förutsäga behandlingseffekt av migränförebyggande.
För att bedöma detta kommer det att finnas en binär etikett med effekt kontra ingen effekt för varje förebyggande (om en deltagare inte har provat ett förebyggande kommer instansen att kategoriseras som saknad).
De tre modellerna kommer sedan att tillämpas på analysuppsättningarna, och deras etikettprognoser kommer att jämföras med de verkliga etiketterna, på ett sätt med hjälp av hela analysuppsättningarna som traditionella maskininlärningstestuppsättningar.
Den bäst presterande modellen enligt ROC-AUC kommer att rapporteras.
|
12 veckor
|
Sekundära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Tid till behandlingssvar
Tidsram: 12 veckor
|
Den första sekundära slutpunkten är tid-till-behandling-respons förutsatt att sekventiella 12-veckors försök med förebyggande med hjälp av maskinrecept jämfört med behandling-som-vanligt.
Den förutsagda effekten av varje förebyggande för varje deltagare kommer att användas för att generera individualiserade rangordningar av förebyggande effekt.
Förutsatt att förebyggande ges i följd enligt varje deltagares egen förebyggande ranking, är det möjligt att uppskatta hur många förebyggande som förväntas prövas innan de når förebyggande framgång.
Denna uppskattning kommer att jämföras med behandling-som vanligt, som i studien definieras som de förebyggande deltagarna får från sin läkare i vård.
|
12 veckor
|
|
Frekvensen av framgångsrik första terapi
Tidsram: 12 veckor
|
Förhållandet mellan framgångsrik första terapi med hjälp av maskinrecept jämfört med behandling-som vanligt.
Varje maskinreceptmodell kommer att förutsäga ett förebyggande med den högsta sannolikheten för effekt för varje deltagare.
För deltagarna som fick det förutsagda första valet förebyggande kommer andelen deltagare med effekt (mer än 50% minskning av huvudvärkdagarna) att uppskattas.
För jämförelse med behandling-som vanligt kommer andelen deltagare som hade effekt av det första förebyggande som ges under studien att uppskattas.
Andelen framgångsrika behandlingar kommer att jämföras med lämpliga statistiska tester.
|
12 veckor
|
|
Extern giltighet
Tidsram: 12 veckor
|
Jämförelse av extern giltighet och prestanda, mätt med AUC, av de olika maskinreceptmodellerna.
AUC kommer att beräknas och presenteras som en ROC-kurva för varje modell.
|
12 veckor
|
Andra resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Jämförelse av modeller
Tidsram: 12 veckor
|
Vi kommer att jämföra de olika maskinreceptmodellernas AUC -poäng med samma strategi som i den primära slutpunkten.
|
12 veckor
|
|
Ensemblemodeller
Tidsram: 12 veckor
|
Flera ensemblemodeller kommer att göras genom att kombinera de förutbildade modellerna.
Tekniker som påsning, ökning, stapling, blandning och röstning kommer att utforskas för att se vilka som ger bästa resultat.
Ensemble -modellerna kommer att tränas, valideras och testas på en analysuppsättning som innehåller alla ingångsfunktioner i de tre ursprungliga modellerna.
Datasättet kommer att delas upp i ett tåg, validering och testuppsättning i ett förhållande av 0,7: 0,1: 0,2.
Prestanda kommer att mätas av AUC, och resultaten från den bäst presterande ensemblemodellen ska rapporteras.
|
12 veckor
|
|
Nya modeller
Tidsram: 12 veckor
|
Skapa och utvärdera nya maskinreceptmodeller på insamlade data enligt de primära och sekundära slutpunkterna.
Samma uppdelning av datasättet som i utvecklingen av ensemblemodeller kommer att göras för träning, validering och testning av de nya modellerna.
Modellernas prestanda kommer att utvärderas med AUC och andra relevanta mätvärden.
|
12 veckor
|
Samarbetspartners och utredare
Utredare
- Huvudutredare: Anker Stubberud, Norwegian University of Science and Technology
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
- 2726471
Plan för individuella deltagardata (IPD)
Planerar du att dela individuella deltagardata (IPD)?
IPD-planbeskrivning
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 .