仙女座研究。综合标准对定制乳腺癌筛查的预测价值。
组合标准对定制乳腺癌筛查的预测价值和循环标志物的新机会。仙女座研究。
研究概览
地位
条件
详细说明
乳腺癌 (BC) 是全世界女性中最常见的肿瘤。 根据 2006 年至 2009 年意大利癌症登记处的报告,在意大利,大约三分之一的女性恶性癌症 (29%) 是 BC(不包括皮肤肿瘤)。 Nelson 等人在美国预防工作组的更新审查和荟萃分析中总结了随机试验的结果,结果表明,参加乳房 X 线照相筛查计划可将 BC 死亡率降低 14-32%,具体取决于年龄范围。 在意大利,用于早期诊断的乳房 X 线照相筛查已在多个意大利地区以区域为基础实施。 根据国家和国际准则,大多数计划每两年邀请 50 至 69 岁的女性接受一次乳房 X 光检查。
尽管乳房 X 光检查已成为 BC 筛查的标准护理,但其局限性已得到充分认可(过度诊断、电离辐射的使用、乳腺组织致密女性的准确性差、假阳性率相对较高以及个人不适)。 此外,目前的筛查方案仅基于女性的年龄,忽略了其他风险因素,并在预先指定的年龄范围内定义了单一的筛查周期。
当前 BC 管理的挑战包括寻找与早期肿瘤变化相关的敏感和特异性微创生物标志物。 许多循环肿瘤标志物(如癌胚抗原、CEA 或碳水化合物抗原 15-3、CA 15-3)广泛用于 BC 处理,但它们的敏感性非常低。 微小 RNA (miRNA) 是小的非编码 RNA(长约 18-25 个核苷酸),通过降解 mRNA 或抑制蛋白质合成来调节细胞内的基因表达。 由于它们可能有数百个目标,因此它们能够控制细胞内的多个生物过程。 越来越多的证据表明 miRNA 也可能被释放到细胞外,并且已经在癌症患者的血清/血浆中检测到肿瘤及其微环境释放的 miRNA 水平增加以及生理循环 miRNA 水平的降低。 此类分子在乳腺癌诊断/预后方面的潜在用途已得到广泛评估,它们在体液中的稳定性为预测 BC 诊断开辟了新的机会,特别是对高风险女性进行微创干预。
假设:根据不同的 BC 风险标准(即 乳房密度、基于模型的绝对风险估计、生活方式)可能会最大限度地发挥筛查对具有不同风险特征的女性群体的影响。 在基于人群的筛查计划中收集用于风险分层的数据需要大量资源。 识别相同女性处于较高风险的非独立标准是多余的,应被视为相互排斥的。 经验证的与 BC 风险相关的高度准确的血液分子生物标志物可能是初级筛查环境中乳房 X 光检查的补充工具。
该研究的第一个目标是在一大群女性中评估和比较可用标准对定义 BC 风险的预测价值,以便为个性化筛查确定适当的基于风险的分层。 考虑的标准是:
我。通过标准化风险问卷收集的一般风险因素(例如 生殖因素、一级家族史、活检史、体力活动、BMI 和饮酒)。 对于此类别,将使用 Petracci 等人的风险预测模型评估绝对风险。它是为意大利人口开发的,并在一个独立的意大利女性队列中得到验证。
二.乳房密度; iii. 女性的生活方式(通过一份关于饮食习惯和身体活动的详细调查问卷)。
该研究旨在实现与第一个目标相关的以下次要目标:
衡量特定年龄和风险的筛查绩效指标(即 检出率、召回率和良性/恶性手术活检比)。
通过了解目标人群中的风险因素分布,量化定制筛查的潜在干预措施对健康结果和成本的影响;评估潜在定制干预的经济和组织可行性,并为未来试点筛查计划的实施设计分层乳腺癌筛查策略;将随访时间延长到项目的三年期限之后,将使我们能够确定对上述预测值的更一致的估计,并在多变量分析中评估本研究中考虑的标准/风险因素。
第二个主要目标是研究与匹配的健康对照相比,先前发现与 BC 风险相关的选定循环 miRNA 在癌症患者血浆中是否发生显着改变,以及它们是否满足被认为最低限度可接受的预先指定的真阳性和假阳性率在筛选设置中。
相关子目标:
- 评估无癌人群中年龄、乳房密度、生殖因素和家族史以及生活方式和 miRNA 水平等因素之间的关联。 如果这些因素影响生物标志物,则可能需要为筛选亚群单独定义筛选阳性阈值,以将每个亚群的假阳性率保持在较低水平。 - 评估与癌症病例中 miRNA 水平相关的因素 - 特别是疾病特征,如分期、等级和可用的预后因素。 了解用生物标志物检测到的癌症的性质是一个关键问题。 与仅检测晚期癌症的生物标志物相比,在早期阶段检测癌症的生物标志物对于预防目的更有价值。
- 评估通过全基因组关联研究 (GWAS) 获得的 18 个目前确定的乳腺癌风险 SNP 的存在,这些 SNP 已在多个基因位点识别出与乳腺癌风险相关的常见低外显率等位基因,并测试它们与循环 miRNA、乳腺密度和筛查的关联结果。
第 1 阶段 - 招募 大约 36,600 名女性(年龄范围:46-67 岁)参与选定地区的 BC 筛查计划,将被邀请参加 Andromeda 研究,其中 22,000 名女性预计会提供知情同意。 在登记时,将收集有关 BC 风险因素和生活方式的信息,以及乳房密度和用于血清、血浆和血沉棕黄层储存的血液样本。
同意参加 Andromeda 的女性将被要求填写问卷以设计她们的 BC 标准风险和关于她们生活方式的详细问卷。 他们还将被要求提供血样。
此外,乳房检查时会计算乳房密度。 检查将由两名放射科专家阅读,乳房密度将通过乳房成像报告和数据系统 (BI-RADS) 进行分类。
接受血液采样的女性将接受特定的预约,训练有素的人员除了采血外,还将收集人体测量数据,并在需要时支持她们完成研究问卷。
鉴于致密乳腺的阳性、Gail 评分、生活方式相关风险和 miRNA 是在同一受试者身上确定的,因此给出了两个不同因素的相对(阳性与阴性)阳性预测值 (PPV) 比率之间比率的最有效估计值通过 a x b/c x d,其中 a = 癌症阳性因子 1 但不是因子 2; b = 乳房 X 光检查异常但未患癌症的女性,因子 2 阳性但因子 1 不阳性; c=癌症因子 2 至因子 1 阳性但因子 1 不阳性; d = 乳房 X 光检查异常但未患癌症的女性,因素 1 阳性但因素 2 不阳性。假设 21000 名登记的女性中有 40% 有致密乳房,20% 有特定的 Gail 评分,50% 有生活方式风险,20% 有特定的风险miRNA,11% 的研究女性携带乳腺癌,乳房 X 线照相术的总体 PPV 为 20%,大约 100-120 名不一致的癌症和 640-740 名不一致的女性乳房 X 线照相术异常但没有癌症,这些因素是考虑的因素。 在这些假设下,如果其真实值至少为 1.8-2.0,该研究有 80% 的能力拒绝 (alpha = 0.05) 原假设,即相对 PPV 比率 = 1, 取决于考虑的几个因素。
第 2 阶段 - 生物标志物分析 Andromeda 研究包括评估 SNP 和循环 miRNA 的分子分析,一旦达到最低 BC 病例数,这些分析将对从登记的女性队列中提取的适当病例对照样本进行盲法分析. 设盲可以避免对受试者结果状态的了解影响分析结果的解释或样本处理的谨慎程度。 使用高纯 PCR 模板制备试剂盒从血沉棕黄层中提取基因组 DNA。 将通过 PCR 扩增 18 个 SNP,并在具有特定测定的 qPCR 设备上进行评估。 The 18 breast cancer risk related SNPs are: rs11249433, rs1045485, rs13387042, rs4973768, rs10941679, rs889312, rs2046210, rs13281615, rs1011970, rs2981582, rs2380205, rs10995190, rs704010, rs3817198, rs614367, rs999737, rs3803662 and rs6504950.
根据 Exiqon 协议,将使用 miRNeasy minikit 从血浆样品中提取循环总 RNA,这意味着使用 RNA 载体(batteriofage MS2 RNA,Roche Diagnostics)来促进 RNA 沉淀及其在膜上的纯化。 Cel-miR-139 将与 hasmiR-1228 一起用作掺入对照,以检查提取产量和标准化数据。 RNA 样品将用不含核酸酶的水洗脱并储存在 -80°C。将应用一种检查溶血的新方法。
计算生物标志物关键评估所需的样本量(以连续尺度表示)、感兴趣的典型性能指标的最低可接受和理想水平,例如真阳性率 (TPR) 和假阳性率 ( FPR) 已被定义。 对于一般人群筛查,假阳性率必须非常低,以避免大量人群接受不必要的昂贵医疗程序。 因此,我们假设最大可接受的假阳性率 (FPR0) 为 4%(因此最低可接受的特异性为 96%)和最低可接受的灵敏度为 80% (TPR0)。 要拒绝的零假设如下: H0:TPR0≤0.80 或 FPR0≥0.04。
样本量需要 80% 的功效 (alpha=5%) 并假设理想的真阳性率和假阳性率 TPR1=0.90 和 FPR1=0.05, 分别是 179 例和 537 例对照。 样本量计算在理论上基于 ROC 曲线。 假设第一年的年度 BC 检出率 (DR) 为 0.006,第二年为 0.005(因此两年一次的 DR 为 0.011),预计在研究的前两年共有 233 名病例患者被观察到,因此超过了所需的 179 个。 这些估计是基于前几年在本研究中考虑的相同中心观察到的 DR。 因此,将对 233 个病例和 699 个匹配的对照进行分子分析。 对于每个病例,将根据以下标准从女性队列中选出三名对照受试者:无癌症病史、入组时年龄相似(5 岁以内)、种族相似、血液样本的可用性、死亡日期相似抽血。
研究类型
注册 (实际的)
联系人和位置
学习地点
-
-
-
Biella、意大利、13876
- ASL Biella
-
Vercelli、意大利、13100
- ASL Vercelli
-
-
Piedmont
-
Torino、Piedmont、意大利、10123
- S.C.D.O. Epidemiologia dei Tumori - Azienda Ospedaliera S. Giovanni Battista di Torino
-
-
Piedmont Region
-
Torino、Piedmont Region、意大利、10126
- Senologia Di Screening - Sscvd
-
-
参与标准
资格标准
适合学习的年龄
接受健康志愿者
取样方法
研究人群
描述
纳入标准:
- 所有在参与中心接受乳房 X 光检查的女性。
排除标准:
- 妇女无法给予知情同意
学习计划
研究是如何设计的?
设计细节
- 观测模型:其他
- 时间观点:横截面
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 |
|---|---|---|
|
BC 风险因素的 PPV(阳性预测值)
大体时间:2年
|
主要结果测量是在参加 BC 筛查的大量女性中估计不同 BC 风险因素(单独或组合)的预测阳性值,以便为个性化筛查确定适当的基于风险的分层。
|
2年
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
循环生物标志物与乳腺癌的关联
大体时间:2年
|
研究与匹配的健康对照相比,先前发现与 BC 风险相关的选定循环 miRNA 在癌症患者血浆中是否发生显着改变,以及它们是否满足预先指定的真阳性和假阳性率,这些 miRNA 在筛查环境中被认为是最低限度可接受的。
|
2年
|
合作者和调查者
合作者
调查人员
- 首席研究员:Nereo Segnan, MD MSc Epi、Structure director
出版物和有用的链接
一般刊物
- Giorgi D, Giordano L, Ventura L, Frigerio A, Paci E, Zappa M. [Mammography breast cancer screening in Italy: 2010 survey]. Epidemiol Prev. 2012 Nov-Dec;36(6 Suppl 1):8-27. Italian.
- Schousboe JT, Kerlikowske K, Loh A, Cummings SR. Personalizing mammography by breast density and other risk factors for breast cancer: analysis of health benefits and cost-effectiveness. Ann Intern Med. 2011 Jul 5;155(1):10-20. doi: 10.7326/0003-4819-155-1-201107050-00003.
- Vilaprinyo E, Forne C, Carles M, Sala M, Pla R, Castells X, Domingo L, Rue M; Interval Cancer (INCA) Study Group. Cost-effectiveness and harm-benefit analyses of risk-based screening strategies for breast cancer. PLoS One. 2014 Feb 3;9(2):e86858. doi: 10.1371/journal.pone.0086858. eCollection 2014.
- Ng EK, Li R, Shin VY, Jin HC, Leung CP, Ma ES, Pang R, Chua D, Chu KM, Law WL, Law SY, Poon RT, Kwong A. Circulating microRNAs as specific biomarkers for breast cancer detection. PLoS One. 2013;8(1):e53141. doi: 10.1371/journal.pone.0053141. Epub 2013 Jan 3.
- Godfrey AC, Xu Z, Weinberg CR, Getts RC, Wade PA, DeRoo LA, Sandler DP, Taylor JA. Serum microRNA expression as an early marker for breast cancer risk in prospectively collected samples from the Sister Study cohort. Breast Cancer Res. 2013 May 24;15(3):R42. doi: 10.1186/bcr3428.
- Wu Q, Wang C, Lu Z, Guo L, Ge Q. Analysis of serum genome-wide microRNAs for breast cancer detection. Clin Chim Acta. 2012 Jul 11;413(13-14):1058-65. doi: 10.1016/j.cca.2012.02.016. Epub 2012 Feb 23.
- Petracci E, Decarli A, Schairer C, Pfeiffer RM, Pee D, Masala G, Palli D, Gail MH. Risk factor modification and projections of absolute breast cancer risk. J Natl Cancer Inst. 2011 Jul 6;103(13):1037-48. doi: 10.1093/jnci/djr172. Epub 2011 Jun 24.
- Pepe MS, Feng Z, Janes H, Bossuyt PM, Potter JD. Pivotal evaluation of the accuracy of a biomarker used for classification or prediction: standards for study design. J Natl Cancer Inst. 2008 Oct 15;100(20):1432-8. doi: 10.1093/jnci/djn326. Epub 2008 Oct 7.
- Sozzi G, Boeri M, Rossi M, Verri C, Suatoni P, Bravi F, Roz L, Conte D, Grassi M, Sverzellati N, Marchiano A, Negri E, La Vecchia C, Pastorino U. Clinical utility of a plasma-based miRNA signature classifier within computed tomography lung cancer screening: a correlative MILD trial study. J Clin Oncol. 2014 Mar 10;32(8):768-73. doi: 10.1200/JCO.2013.50.4357. Epub 2014 Jan 13. Erratum In: J Clin Oncol. 2014 May 10;32(14):1520.
- Giordano L, Gallo F, Petracci E, Chiorino G, Segnan N; Andromeda working group. The ANDROMEDA prospective cohort study: predictive value of combined criteria to tailor breast cancer screening and new opportunities from circulating markers: study protocol. BMC Cancer. 2017 Nov 22;17(1):785. doi: 10.1186/s12885-017-3784-5.
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 (实际的)
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.