Acute Risk Monitoring for Oncology Therapy Regimen (ARMOR)
15 maj 2026 uppdaterad av: University of California, San Francisco
Acute Risk Monitoring for Oncology Therapy Regimens (ARMOR): A Silent Prospective Validation of a Machine Learning Model
Patients undergoing outpatient infusion systemic therapy for cancer are at risk for potentially preventable, unplanned acute care in the form of emergency department (ED) visits and hospitalizations.
These events impact patient outcomes, treatment decisions, and healthcare costs.
To address this need, the Centers for Medicare & Medicaid Services developed the chemotherapy measure (OP-35).
Recent randomized controlled studies indicate that electronic health record (EHR)-based machine learning (ML) approaches accurately direct supportive care to reduce acute care during radiotherapy.
This study aims to develop and prospectively validate ML approaches to predict the risk of OP-35 qualifying, potentially preventable, acute care events within 30 days of infusion systemic therapy.
Studieöversikt
Status
Avslutad
Betingelser
Intervention / Behandling
Detaljerad beskrivning
OBJECTIVES:
I. Develop and retrospectively validate electronic health record-based machine learning models using routinely collected clinical data from patients receiving systemic therapy to predict risk of potentially preventable OP-35 qualifying acute care events. (Phase 1: Retrospective)
II. Prospectively validate machine learning models across distinct time periods. (Phase 2: Prospective)
III. Understand patterns of care by stratifying and analyzing model performance by treatment type, cancer diagnosis, and race/ethnicity to assess bias and disparities in outcomes.
OUTLINE:
Retrospective and prospective clinical data obtained from medical records will be used to develop and validate predictive machine learning models. Prospective data will be divided into 2 phases: Prospective validation (PV) 1 and PV 2.
Studietyp
Observationell
Inskrivning (Faktisk)
4740
Kontakter och platser
Det här avsnittet innehåller kontaktuppgifter för dem som genomför studien och information om var denna studie genomförs.
Studieorter
-
-
California
-
San Francisco, California, Förenta staterna, 94143
- University of California, San Francisco
-
-
Deltagandekriterier
Forskare letar efter personer som passar en viss beskrivning, så kallade behörighetskriterier. Några exempel på dessa kriterier är en persons allmänna hälsotillstånd eller tidigare behandlingar.
Urvalskriterier
Åldrar som är berättigade till studier
- Vuxen
- Äldre vuxen
Tar emot friska volontärer
Nej
Testmetod
Icke-sannolikhetsprov
Studera befolkning
Adult patients receiving care for cancer
Beskrivning
Inclusion Criteria:
- Patients 18 years or older diagnosed with cancer who receive care at UCSF and/or one of the UCSF affiliate locations.
Exclusion Criteria:
- Patients under the age of 18.
- Patients receiving care as part of a clinical trial.
Studieplan
Det här avsnittet ger detaljer om studieplanen, inklusive hur studien är utformad och vad studien mäter.
Hur är studien utformad?
Designdetaljer
Kohorter och interventioner
Grupp / Kohort |
Intervention / Behandling |
|---|---|
|
Patients receiving cancer therapy at University of California, San Francisco (UCSF)
All adults undergoing systemic cancer-related therapy from July 2017 to March 2024 at any UCSF outpatient, infusion center with available OP-35 data.
|
Retrospective chart reviews for data collection will be conducted.
|
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Area under the receiver operating characteristic curve (AUROC) for OP-35 prediction model.
Tidsram: Up to 6.75 years
|
UCSF patients receiving infusion systemic therapy had clinical data incorporated into machine learning (ML) models to predict risk of Centers for Medicare & Medicaid Services Chemotherapy Measure (OP-35) qualifying acute care events within 30 days of infusion.
Models included variables such as cancer diagnosis, therapeutic agents, and laboratory values.
Three ML approaches were employed to train models in predicting OP-35 events.
Models were trained and retrospectively validated on data from July 7, 2017, to February 11, 2021, and prospectively validated on 2 cohorts: April 17, 2023, to October 29, 2023 (PV1) and February 19, 2024, to March 31, 2024 (PV2) to generate a validation AUROC.
The initial prospective validation occurred over a pre-planned period with the assumption of a 2% event rate, based on the model development data, with an alpha of 0.05 and 84% power to detect an AUROC of 0.75, requiring a sample size of at least 8000 infusions.
|
Up to 6.75 years
|
Samarbetspartners och utredare
Det är här du hittar personer och organisationer som är involverade i denna studie.
Utredare
- Huvudutredare: Julian Hong, MD, MS, University of California, San Francisco
Studieavstämningsdatum
Dessa datum spårar framstegen för inlämningar av studieposter och sammanfattande resultat till ClinicalTrials.gov. Studieposter och rapporterade resultat granskas av National Library of Medicine (NLM) för att säkerställa att de uppfyller specifika kvalitetskontrollstandarder innan de publiceras på den offentliga webbplatsen.
Studera stora datum
Studiestart (Faktisk)
1 juli 2017
Primärt slutförande (Faktisk)
31 mars 2024
Avslutad studie (Faktisk)
31 mars 2024
Studieregistreringsdatum
Först inskickad
15 maj 2026
Först inskickad som uppfyllde QC-kriterierna
15 maj 2026
Första postat (Faktisk)
22 maj 2026
Uppdateringar av studier
Senaste uppdatering publicerad (Faktisk)
22 maj 2026
Senaste inskickade uppdateringen som uppfyllde QC-kriterierna
15 maj 2026
Senast verifierad
1 maj 2026
Mer information
Termer relaterade till denna studie
Nyckelord
Ytterligare relevanta MeSH-villkor
Andra studie-ID-nummer
- 20721 (Registeridentifierare: DAIDS-ES Registry Number)
- R01CA277782 (U.S.S. NIH-anslag/kontrakt)
Plan för individuella deltagardata (IPD)
Planerar du att dela individuella deltagardata (IPD)?
JA
IPD-planbeskrivning
De-identified data may be shared with study collaborators during the course of the study.
Läkemedels- och apparatinformation, studiedokument
Studerar en amerikansk FDA-reglerad läkemedelsprodukt
Nej
Studerar en amerikansk FDA-reglerad produktprodukt
Nej
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 .