PiA:每天用于可手术乳腺癌患者的预后 - 侵袭因素 uPA/PAI-1 与其他预后因素的比较 (PiA)
PiA 试验:一项横断面、多中心、连续队列评估 uPA/PAI-1 与 St. Gallen 算法在 >1000 名前瞻性纳入患者中的分布
研究概览
地位
条件
详细说明
预后因素 uPA/PAI-1(进一步:“生物学”)的确定由最近的指南建立和推荐。 然而,迄今为止的数据只能显示其独立且强大的预后影响。 从改进的风险评估中获益的患者的绝对比例仅根据对不同患者群体的旧试验进行估算。
根据评估,传统风险评估的低风险患者比例为 20-40%,生物学评估为所有淋巴结阴性患者的 35-55%。 由于诊断程序(筛查、良好的公众宣传)导致肿瘤较小,因此来自历史人群调查的数据现在不可重复。
风险评估的有效性和临床相关性已经在一些回顾性和前瞻性试验以及荟萃分析中针对淋巴结阴性乳腺癌的生物学预后因素 uPA/PAI-1 得到证实。 这些生物因素(或其他!)在德国尚未纳入全国临床常规。 这是由于这种方法用于主要治疗的支出较高(uPA/PAI-1 在休克冷冻组织中确定),另一方面是由于没有报销。 因此,目前在许多中心,风险评估和相关治疗决策都是通过传统评估来完成的。
为了证明 uPA/PAI-1 测定的较高支出和额外成本的合理性,不仅需要明确证明个体患者的优势,还需要估计所有适用患者的这种优势程度.
该项目的第一个目标是比较在定义的连续患者队列中通过生物学和传统预后因素分配为高风险或低风险的患者的各自比例。 uPA/PAI-1 的测定应在未来建立为标准程序。
到目前为止,上述问题主要针对淋巴结阴性乳腺癌患者。 在这一组中,可以预料到节省化疗的最大效果。 由于之前的结果,我们假设在淋巴结阳性患者中辅助化疗也可能因为复发风险非常小而被保存在亚组中。 因此,该组患者的 uPA/PAI-1 测定也将在本研究结束时进行。
该项目的第二个目标是收集淋巴结阳性患者的风险评估数据,以便在未来提供帮助,或许可以更好地估计个体复发风险。
从五家参与医院连续手术的所有患者身上采集几乎新鲜的冷冻组织,进行冷冻和储存。 uPA/PAI-1 的测定将在哈勒 (Saale) 大学医院妇科的研究实验室进行。
第三个目标是通过及时向参与的节点阴性患者提供 uPA/PAI-1 测试结果来提供生物风险评估。 这些信息对于他们决定支持或反对化疗至关重要。
2012 年 6 月 12 日第 2 次修订(指导委员会 E Kantelhardt、M Vetter、Ch Thomssen)
A) 已确定的预后因素(RNA 水平)将在 uPA/PAI-1 和冷冻和 FFPE 组织样本的免疫组织化学标记物的背景下进行评估。 基因列表提交给伦理委员会。
B) 将对这些与治疗反应有关的因素进行探索性分析。
C) 对所有患者(2013 年 10 月)至少观察 2.5 年后,将收集随访信息。
研究类型
注册 (预期的)
参与标准
资格标准
适合学习的年龄
接受健康志愿者
有资格学习的性别
取样方法
研究人群
描述
纳入标准:
- 新诊断的乳腺癌
- 未检测到转移
- 乳腺癌手术
- 女病人
- 单侧乳腺癌
- 给予知情同意
- 最低年龄18 岁。
排除标准:
- 乳腺癌转移
- 双侧乳腺癌
- 过去 5 年内的其他癌症
学习计划
研究是如何设计的?
设计细节
研究衡量的是什么?
主要结果指标
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
无事件生存
大体时间:2.5年最短观察时间
|
所有患者将在至少 2.5 年的观察时间后接受随访。
|
2.5年最短观察时间
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
总生存期
大体时间:2.5年
|
所有患者将在至少 2.5 年的观察时间后接受随访
|
2.5年
|
合作者和调查者
调查人员
- 首席研究员:Eva J Kantelhardt, MD、Gynecology Martin Luther Univ Halle/Germany
出版物和有用的链接
一般刊物
- Breunig C, Erdem N, Bott A, Greiwe JF, Reinz E, Bernhardt S, Giacomelli C, Wachter A, Kanthelhardt EJ, Beissbarth T, Vetter M, Wiemann S. TGFbeta1 regulates HGF-induced cell migration and hepatocyte growth factor receptor MET expression via C-ets-1 and miR-128-3p in basal-like breast cancer. Mol Oncol. 2018 Sep;12(9):1447-1463. doi: 10.1002/1878-0261.12355. Epub 2018 Jul 30.
- Bernhardt S, Bayerlova M, Vetter M, Wachter A, Mitra D, Hanf V, Lantzsch T, Uleer C, Peschel S, John J, Buchmann J, Weigert E, Burrig KF, Thomssen C, Korf U, Beissbarth T, Wiemann S, Kantelhardt EJ. Proteomic profiling of breast cancer metabolism identifies SHMT2 and ASCT2 as prognostic factors. Breast Cancer Res. 2017 Oct 11;19(1):112. doi: 10.1186/s13058-017-0905-7.
研究记录日期
研究主要日期
学习开始
初级完成 (实际的)
研究完成 (预期的)
研究注册日期
首次提交
首先提交符合 QC 标准的
首次发布 (估计)
研究记录更新
最后更新发布 (实际的)
上次提交的符合 QC 标准的更新
最后验证
更多信息
此信息直接从 clinicaltrials.gov 网站检索,没有任何更改。如果您有任何更改、删除或更新研究详细信息的请求,请联系 register@clinicaltrials.gov. clinicaltrials.gov 上实施更改,我们的网站上也会自动更新.