前瞻性乳腺癌生物样本库 (PBCB)

A. 乳腺癌全身复发的早期检测。

WP 1. 原发肿瘤分析。

原发肿瘤和转移的分析（病理组）。 在这个工作包中，来自 125 名高危 (Luminal-B) 患者原发性肿瘤的 DNA 和 RNA 将通过下一代测序 (NGS) 进行分析。 此外，研究人员还将分析已经出现和将在研究期间出现的可用转移性病灶（目前可用材料占 3/8）的 DNA 和 RNA。

MiRNA 和 mRNA 将在我们的 Ion Proton NGS 仪器上使用 PureLink™ miRNA Isolation Kit (Invitrogen)、Dynabeads mRNA direct micro kit (Ambion) 和 Ion total RNA-seq kit V2 (Life Technologies) 进行分析。 配对的 mRNA 和 microRNA 表达谱的生物信息学分析将用于揭示治疗中有和没有复发的患者之间差异表达的 microRNA。 这些数据将与我们之前的研究相关联，并用于确定外泌体和 TEP 中 microRNA 分析的目标候选物。

此外，还将对来自原发性肿瘤和转移瘤的 DNA 进行 NGS，以验证 DNA 突变，尤其是在 ER 和其他已知致癌基因中，包括在 WP3 中检查的那些。 DNA 测序将使用 Oncomine Comprehensive Assay 进行。 这是一种基于扩增子的方法，用于分析热点 SNV、插入缺失和 CNV。 这些分析将为我们提供对每个肿瘤的生物学理解和背景知识，这些数据集也可以与最近发布的数据进行比较。

WP 2. 循环肿瘤细胞 (CTC)。

循环肿瘤细胞（肿瘤学组） 通过密度离心和随后的白细胞免疫磁耗竭从外周血样本中富集循环肿瘤细胞。 肿瘤学小组最近开发并发表了一种新的去除方法，称为 MINDEC（CTC 的多标记免疫磁性负去除富集），它具有出色的回收率和富集率。 RNA 和 DNA 同时从富集部分中分离出来，以允许通过基于 RNA 和 DNA 的方法检测 CTC。 在肿瘤细胞中具有高水平而在正常白细胞中具有低水平的特定 mRNA 标志物正在通过实时 PCR 进行预扩增和定量，作为 CTC 的替代标志物。 上皮特异性标记和与上皮间充质转化相关的标记都是标记组的一部分。 到目前为止，研究人员已经分析了来自较大 PBCB 队列的 170 个连续血液样本，这些样本通过 MINDEC 程序进行了丰富，并在大约 20% 的样本（来自低风险和高风险患者）中发现了 CTC 的证据，这一发现鼓励我们继续这个项目。 研究人员还对 30 名健康女性志愿者的血液样本进行了分析，以进行比较。 将从 125 名高危患者收集的所有血液样本（约 575 个样本）进行分析。 分析样本中 CTC 的存在或水平稍后将与已知的预后因素、治疗效果和疾病结果进行比较。

WP 3. 循环肿瘤 DNA (ctDNA)。

肿瘤特异性突变可用作 ctDNA 的标记，因为它们不存在于正常细胞和正常血浆 DNA 中。 肿瘤学小组最近证明了 ctDNA 测量在胰腺癌中的临床相关性。 研究人员现在将通过靶向下一代测序来测量高危乳腺癌患者血浆样本中的 ctDNA 水平。 最近发布的“Oncomine breast cfDNA assay”（Thermo Fisher）将用于检测一组十个基因中的突变，这些基因在乳腺癌中经常发生突变。 该测定基于模板的分子条形码，并允许对低至 0.1% 对照样品的突变进行可重复检测。 考虑到血浆中的低浓度无细胞 DNA (= cfDNA)（通常每毫升血液 10 ng），0.1% 的灵敏度被认为是足够的。 测序将在我们的 Ion Proton NGS 仪器（Life Technologies）上进行。 本工作组将对来自 125 名高危患者的术前血样和年度随访样本进行分析。 已经收集了30名健康女性志愿者的血液样本，并将进行分析以进行比较。

将根据治疗效果和疾病结果分析肿瘤特异性突变的存在和水平。 将比较原发性肿瘤活检和血浆样本中的突变谱，以揭示潜在的异质性。 此外，ctDNA 突变谱的纵向变化将与疾病发展进行比较，以潜在地揭示导致治疗耐药或晚期疾病复发的生物学机制。

WP 4. 微小 RNA (miRNA)

来自外泌体和 TEP 的循环 microRNA（病理学组） 将从治疗前和治疗期间采集的血液样本的外泌体和 TEP 中分离总 RNA。 研究人员最近建立了从外泌体（使用 exoRNeasy 血清血浆试剂盒（Qiagen）和 miRCURY RNA 分离试剂盒（Exiqon））和 TEP 中分离总 RNA 的方法。 使用上述协议，已经从所有 125 名首次就诊/治疗前的高危患者中分离出来自外来体的总 RNA，此外，从这些患者收集的最后血液样本中，将从外来体和 TEP 中分离出总 RNA。 此外，将使用已经为我们的 Ion Proton 仪器建立的管道和平台对分离的 RNA 执行 microRNA 配置文件。 这些概况将与来自原发性肿瘤 (WP1) 和治疗前采集的样本的 mRNA-miRNA 概况的生物信息学分析进行比较。 MicroRNA 在治疗前不存在于组织样本和/或血液样本中，但在复发出现之前确实出现在血液中，然后可以在以前的血液样本中进行回顾性追踪，以了解这些 microRNA 在预测治疗方面的敏感性反抗。 来自 TEP 的 MicroRNA 图谱将与来自外泌体的 MicroRNA 图谱和来自原发肿瘤的 mRNA-miRNA 图谱进行比较（WP1，以查看 TEPs 是否反映肿瘤以及它们是否具有预测复发的潜力。

WP 5. 代谢组学

代谢组学是对小分子的研究，包括细胞代谢的底物、中间体和终产物，例如氨基酸、糖和小有机酸。 与正常细胞相比，癌细胞的代谢状态发生了显着变化，这一事实可用于诊断目的。 来自肿瘤组织的特定代谢特征为确定乳腺癌亚型和预测结果提供了更多信息1。 例如，肿瘤乳酸和甘氨酸水平升高与雌激素受体 (ER) 阳性癌症患者的不良预后有关。 原发性肿瘤的代谢组学分析也证明了与局部晚期疾病患者的新辅助治疗相关的预测价值。

循环代谢物也已被证明可为可手术乳腺癌提供预后信息，并在现有的基因确定的风险类别中进一步对风险进行分层。 重要的是，代谢组学改变可能直接或间接来自微转移性疾病，而不是原发性肿瘤。 最近，研究人员表明，全身性乳酸和丙酮酸水平预示着可手术 ER 阳性乳腺癌患者的预后较差。 肿瘤邻近组织和免疫反应也可能导致代谢组学特征的改变。 还有证据表明，代谢谱分析可用于某些癌症的患者监测，尽管在乳腺癌中仍缺乏此类证据。 因此，研究人员打算研究通过血液中的代谢分析进行术后监测是否有助于早期发现乳腺癌复发。

WP 6. 用于复发检测的综合分子监测

新技术彻底改变了可从临床样本中获取的生物信息的水平，以新的“组学”术语基因组学、转录组学、代谢组学等为代表。 如此大的数据集的可用性，即使在公共领域，也鼓励了可以从多个组合数据源中提取重要信息的集成方法的开发。 这些方法揭示了组学数据集之间令人惊讶的新联系，例如无细胞 DNA 片段化和基因表达之间的联系46。 因此，我们对乳腺癌的了解也通过综合方法得到了扩展，从而使我们对该疾病有了更全面的了解。 例如，乳腺癌的预后亚分类得到改进，新的肿瘤特异性抗原得到鉴定。 在乳腺癌中，综合分子数据甚至被证明比单独的分子水平具有更高的预后能力。 因此，当前项目计划对外周血样本中的遗传 (ctDNA)、转录组学 (miRNA) 和代谢组学数据水平进行综合分析，以最大限度地发挥它们在可手术乳腺癌中的联合生物标志物潜力。

样本量计算。

研究人员使用 SPSS Sample Power 软件计算样本量。 这些计算表明，在测试术前 ctDNA/CTC 检测的预后价值时，125 名高危患者应足以提供 80% 的对数秩检验功效。 样本量计算基于合格假设，即高风险组的平均 5 年生存率为 90%，而 ctDNA/CTC 阳性和阴性亚组分别为 75% 和 95%。 在估计的 125 名患者中，假设 30 名 ctDNA/CTC 呈阳性，95 名呈阴性。

---------------------------------------------- ---------------------------------------------- ------

B. 改进他莫昔芬在乳腺癌中的药物监测

大约 75% 的乳腺癌属于 luminal 亚型，它们表达激素受体雌激素受体和孕激素受体。 这些患者接受抗雌激素药物治疗；他莫昔芬和/或芳香化酶抑制剂。 两种最活跃的他莫昔芬代谢物是 Z-4OHtam 和 Z-4OHNDtam（Z-内毒素）对 ER 的亲和力比他莫昔芬高 30-100 倍。 这些代谢物最终构成了 ER 水平的阻断作用，旨在根除微转移性疾病，并在建立这种辅助全身治疗后提高了生存率。 这些代谢物的直接测量绕过了 CYP2D6 活性多样性的所有干扰，即替代代谢途径、对药物的依从性和抑制药物相互作用。 我们新颖的 LC / MS-MS 方法考虑了上述所有变量，并提供了个体患者活性他莫昔芬代谢物血清水平的功能读出报告。 该方法还可以区分 Endoxifen 和 4-OHtam 的非活性和活性异构体，它们是他莫昔芬最活跃的 ER 阻断代谢物。 与奥斯陆乳腺癌研究小组合作，研究人员最近在一项回顾性观察研究中表明，Z-4OHtam < 3.26 nM 或 Z-Endoxifen < 9.00 nM 低血清浓度的患者（约占所有患者的 12%）具有显着与血清浓度高于这些阈值的患者相比，乳腺癌特异性和总生存率更差（调整后的 HR = 4.3；CI95 = 1.9-13.6） （图 4 中的红色曲线）。 这些代谢物水平非常高的患者（大约 12% 的患者）没有乳腺特异性终点现在，研究人员需要在独立的患者材料中验证这一发现。 如果得到验证，这将对 25% 计划辅助他莫昔芬治疗的 ER + 乳腺癌患者产生直接的临床益处。 这种治疗药物监测 (TDM) 可以识别活性他莫昔芬代谢物水平不足的风险患者。 这可能导致这些患者的剂量增加或转向替代内分泌治疗形式。 代谢物水平非常高的患者可以继续服用他莫昔芬，不需要改用芳香化酶抑制剂。

因此，TDM 可能成为 ER 阳性乳腺癌内分泌治疗的范式转变。 重要的是，由于我们最近的发现、可行的方法和 30 多年的他莫昔芬在临床环境中的经验，本研究中从“工作台到床”的距离非常短。

---------------------------------------------- ---------------------------------------------- ------

C. 乳腺癌中的肿瘤微环境——生长区脂肪基质免疫浸润及与肿瘤的相互作用

背景：乳腺癌仍然是包括挪威在内的西方世界女性中最常见的癌症类型。 每年，约有 3500 名新的挪威乳腺癌患者被确诊。 在过去的 50 年里，挪威的乳腺癌发病率增加了一倍以上。 有趣的是，在同一时间范围内，超重和肥胖症的增加令人担忧。 乳腺癌肿瘤的分子分型提高了对其内在生物学的理解。 这为更个性化的治疗方法开辟了道路，并在过去 20 年中改善了乳腺癌患者的预后。

除了分子分型外，如今乳腺癌的诊断还包括分期（通过 TNM 分类系统）和病理学家的显微镜检查。 越来越多的证据表明评估肿瘤微环境的预后价值（例如 肿瘤浸润淋巴细胞 (TIL)）作为乳腺癌诊断的一部分，但目前尚未在临床实践中实施。 大量 TIL 与三阴性乳腺癌患者的良好预后密切相关，但在管腔型乳腺癌中未显示出任何此类相关性。 乳腺脂肪组织中的巨噬细胞分化成两种不同的表型，通常分为 M1 和 M2，后者在乳腺癌中增多。 M1 攻击并吞噬癌细胞，而 M2 具有抗炎特性，并已被证明具有促进肿瘤的功能。

本项目将增加我们对原发性乳腺肿瘤与肿瘤旁脂肪组织中免疫细胞浸润之间相互作用的了解。 我们的研究结果将与分子乳腺癌亚型、与肿​​瘤的接近程度、增殖标志物相关联，并最终与临床结果相关联。研究人员认为，这些知识将为免疫调节辅助癌症治疗提供新的预测目标。 该博士项目包含三个相互关联的工作包 (WP)，其最终目标是识别肿瘤旁脂肪组织中与乳腺癌辅助治疗临床评估相关的炎症标志物。 在 WP 1 和 2 中，将描述肿瘤旁脂肪组织的表型和基因组景观，在 WP 3 中，研究将调查这些知识是否可以预测临床结果。

该项目基于豪克兰大学医院 (HUH) 和斯塔万格大学医院 (SUH) 之间强有力的区域合作。 对于当前的项目，研究人员系统地收集了 30 名在 SUH 接受乳房切除术的连续乳腺癌患者的脂肪和肿瘤组织。乳腺手术标本立即转交给病理学家，病理学家在形态学控制下从原发肿瘤的浸润前沿和核心 (0.5x1x1 cm) 采集相关组织样本。 来自远处对侧象限的正常乳腺组织 (2000 mg) 的对照也将被收集并由病理学家进行形态学验证。 组织一式两份地收集。 其中一个样本立即快速冷冻在液氮中保存，而每对样本的另一半保存在福尔马林中并固定在石蜡 (FFPE) 中。 此外，三对脂肪组织样本（每对 1x1x1 厘米）与肿瘤边界的距离增加，将构成肿瘤区域侵入前沿的脂肪组织梯度。 收集的梯度也立即在液氮中快速冷冻，每对中的一半作为 FFPE 储存。 研究人员进行了一项初步研究，确认冷冻组织样本的 RNA 产量足以用于 RNA 测序。

该组织作为一般研究生物库的一部分收集，前瞻性乳腺癌生物库 (PBCB) (REK# 2010/1957) 是一个正在进行的生物库项目。

回顾性斯塔万格队列包括 1993 年至 2004 年间在斯塔万格大学医院病理科诊断为首发浸润性乳腺癌的所有乳腺癌患者。 由于 SUH 是该地区唯一一家医院，这是一个真正基于人群的生物库，已经包括了临床病理学数据，如：分级、分期、TNM、治疗和增殖标志物（Ki-67、PPH3/MAI）；最后一次临床随访发生在 2016 年。

与乳腺癌炎症和免疫细胞浸润有关的研究主要有四个假设：

1. 靠近肿瘤边界的肿瘤旁脂肪组织显示炎症和免疫细胞浸润水平增加。
2. 炎症和免疫细胞浸润随着与肿瘤边界的距离增加而减弱。
3. 不同亚型乳腺癌（Luminal A、Luminal B和Basal like）之间的炎症和免疫细胞浸润存在差异。
4. 炎症和免疫细胞浸润增加与不良临床结果相关（即 疾病复发）。

4.1 研究设计、方法和分析

与乳腺癌炎症和免疫细胞浸润有关的研究主要有四个假设：

1. 靠近肿瘤边界的肿瘤旁脂肪组织显示炎症和免疫细胞浸润水平增加。
2. 炎症和免疫细胞浸润随着与肿瘤边界的距离增加而减弱。
3. 不同亚型乳腺癌（Luminal A、Luminal B和Basal like）之间的炎症和免疫细胞浸润存在差异。
4. 炎症和免疫细胞浸润增加与不良临床结果相关（即 疾病复发）。

WP 1：乳腺癌周围脂肪组织中免疫细胞浸润的形态学和基因组学作图

背景：炎症是肿瘤发展的重要促进因素 (16)。 乳腺癌附近的脂肪组织已被证明具有增加的免疫细胞浸润，但尚不清楚这与分子亚型和/或与肿瘤的接近程度有何关系。 这些研究将使用 IHC 和 RNA 测序来评估炎症水平、免疫细胞浸润和乳腺癌周围脂肪组织中的免疫基因表达特征。

设计：前瞻性探索性研究患者、材料和功率计算：从前瞻性收集的乳房切除术标本中收集脂肪组织。 从三个不同的分子亚组（Luminal A、Luminal B 和基底样乳腺癌）收集组织样本，每组 10 个。 核心活检以渐变方式收集，与肿瘤边界的距离增加（图 1）。 1). 挪威基因组学联盟 (NGC) 已确认，基于特定乳腺癌亚型选择的样本量足以提供统计功效。

方法：使用 IHC 和针对免疫细胞（总免疫细胞，CD45；T 细胞，CD3、CD8、FoxP3；骨髓细胞，CD68 , HLA-DR)。 载玻片将通过显微镜进行评估，结果将与乳腺癌的分子亚组、与肿瘤和增殖标志物（即 Ki67、PPH3 和 MAI）。 与此同时，研究人员将对从上述相同组织样本中收集的冷冻组织进行 RNA 测序。 几种分析方法将用于 RNAseq 数据。 除了探索性分析数据外，还包括去卷积免疫细胞（ABIS、CIBERSORTx）和更具体地研究肿瘤免疫特征（TIP 分析）等特定分析算法。

预期结果：研究期望发现肿瘤旁脂肪组织中炎症和免疫细胞浸润增加，以及炎症基因特征表达改变，研究可以在 WP 2 中进一步研究。

WP 2：使用免疫组织化学和成像质谱细胞术评估乳腺癌中肿瘤旁脂肪组织的炎症反应。

背景：乳腺癌细胞与周围组织相互作用，在肿瘤和脂肪组织中引起炎症和免疫细胞浸润。 成像质谱流式细胞仪显示肿瘤中的免疫细胞浸润与预后相关，但目前尚无研究检查肿瘤周围的脂肪组织是否也显示免疫细胞浸润的结构模式。 因此，研究人员将使用 Hyperion™ 成像质谱细胞仪检查乳腺癌肿瘤周围的脂肪组织。

设计：前瞻性探索性研究患者、材料和功效计算：组织样本是从 30 个前瞻性获得的乳房切除术标本中收集的，这些标本具有三个不同的分子亚组（Luminal A、Luminal B 和基底样乳腺癌），每组 10 个。 脂肪组织以远离肿瘤和对侧象限的梯度收集作为对照样本（图 1）。 2). 30 名患者的样本量被认为足以进行此类探索性研究。

方法：Hyperion™ IMC panel 将基于 UoB 核心设施现有且经过验证的 panel 开发，该 panel 包含多达 50 种独特的抗体，该研究先前已成功用于其他项目。 可用面板将根据 WP 1 的发现进一步扩展，并在用于上述研究样本之前首先对“非必需”乳腺组织样本进行验证。 研究人员打算使用 Hyperion™ IMC 分析肿瘤旁脂肪组织中的炎症反应水平。 IMC 数据将使用 histoCAT+、MAV 和 FlowJo（通常用于流式细胞术数据分析，但也非常适用于高参数成像分析）进行分析。 此外，研究将能够使用 WP 1 中确定的已知和新因素的基因表达数据，并可视化表达在脂肪组织中是泛化还是区室化。 来自对侧象限的正常脂肪乳腺组织将用作对照。 为了更详细地研究 BC 对各种分子亚型的肿瘤旁脂肪组织炎症的影响，研究还打算对从肿瘤延伸的三个组织片段的组织进行染色，以确定其水平是否取决于与肿瘤或分子亚型的距离（图 1）。 还将使用 IHC 在形态学上评估肿瘤旁脂肪组织中的炎症。 这将使我们能够选择感兴趣的区域以使用 IMC 进行调查。

预期结果：研究预计在肿瘤附近的脂肪组织中发现炎症和免疫细胞浸润增加，并在脂肪组织中鉴定新的生物标志物，以便研究 WP 3 的临床意义。

WP 3：乳腺癌中瘤旁脂肪组织的炎症反应和临床结果。

背景：

免疫组织化学是乳腺癌诊断的基石，是鉴定乳腺癌分子亚群和 Ki-67 等增殖标志物的主要方法。 这对于确定最适合特定患者的治疗方案至关重要。 肿瘤组织（肿瘤细胞和浸润性免疫细胞）的异质性与临床结果的差异有关，但尚不清楚肿瘤周围的脂肪组织是否也是如此。 因此，研究将检查肿瘤旁脂肪组织的炎症和免疫细胞浸润，并将其与乳腺癌患者的临床结果相关联。

设计：临床观察研究

患者和方法：生物库中收集了 3500 名乳腺癌患者，中位随访时间为 15 年。 这些患者的大量组织样本将使用 IHC 评估脂肪组织中的免疫细胞和 WP 1 和 2 中发现的生物标志物。 样品将根据分子亚组（即 Luminal A、Luminal B 和 Basal 类似乳腺癌）。 将对组织切片进行分析，并将结果与​​患者期刊的临床结果相关联（REK 已批准访问期刊）。 使用 Cox 比例风险比和对数秩检验，研究将评估脂肪组织炎症增加对患者生存能力的影响。

功效计算：研究评估了 IHC 和 IMC 评估的肿瘤旁炎症阳性和阴性患者之间无复发生存率差异的检验功效。 效果度量是通过 Cox 回归方法计算的风险率 (HR)。 例如：1000 名复发率为 15% 的患者将创建至少 150 个终点。 如果炎症率为 20%，则研究将有 80% 的功效检测到风险比 (HR) 为 1.80 或更高的生存差异。

预期结果：最后一个工作包旨在证明将肿瘤旁脂肪组织的组织学检查作为乳腺癌诊断的一部分是可行的。 从更长远的角度来看，这些研究旨在确定脂肪组织中免疫浸润的新特异性生物标志物，这些生物标志物与乳腺癌患者的不良结果相关。 此类生物标志物可作为预测工具，用于识别符合辅助抗炎或免疫调节治疗条件的患者。

---------------------------------------------- ----------------------------------------------

D.监测副作用、QoL、抑郁、疲劳和工作生活参与背景

乳腺癌的治疗采用所有手术、化学疗法、放射疗法和各种靶向治疗选项，如抗雌激素和抗 HER-2 疗法。这些治疗选项在短期和长期来看都会产生令人烦恼的副作用。 重要的是，最近发现了乳腺癌患者的肿瘤治疗方式与主观健康投诉之间更复杂的关系。 疲劳、焦虑和抑郁评分可能是总治疗负担的功能读数。 抗癌治疗还对癌症幸存者的生活质量和社会方面产生重大影响，并延伸到工作生活参与。 乳腺癌诊断后五年的病假 (SL) 更多地取决于社会因素而不是疾病 (2)。 因此，乳腺癌两次袭击女性；首先是疾病负担，然后是社会经济担忧。 在一项基于登记的回顾性研究中，与无癌症患者相比，乳腺癌幸存者获得残疾养老金 (DP) 的风险几乎高出 3 倍 (3)。 然而，这项研究是基于大部分废弃的肿瘤治疗方案。

宗旨

本研究的目的是通过对 PROM 数据、临床/生物学数据和 NAV 数据进行三角测量，通过深入的定性分析和混合方法，确定成为长期 SL、WAA 或 DP 接受者的风险因素。 使用 NAV 数据作为终点将为临床医生和全科医生提供有价值的信息，他们也可以在工作-生活参与方面优化后续行动。 因此，研究人员有一个稳健的研究设计来确定高 SL、WAA 和 DP 率的 fisk 因素。 最终，研究人员的目标是降低乳腺癌给社会带来的财务费用。

研究设计/材料和方法。

该研究设计是一项观察性研究，研究人员将在本研究中绘制具有最新治疗计划的乳腺癌幸存者中高 SL、WAA 和 DP 的发生率和 denty fisk 因素。 调查人员将遵循 4 步转化方法：

1. 研究人员将首先使用挪威背景下的健康和工作生活政策文件分析进行探索性定性研究，并结合半结构化访谈和焦点小组对 20 名高危患者的经验数据进行主题分析。 该定性项目的理论框架源自符号互动论，其中以揭示和理解特定语境中的意义为目标。 由于有意义的社会和专业互动对于乳腺癌患者的社会心理康复很重要，因此符号互动主义是一个合适的方法框架。 这种定性方法将在下面基于 PROM 和面向 NAV 数据库的研究中创建该方法的基础。

2. 导航数据

   调查人员目前与 NAV-Rogaland 的副主任 Anneline Christine Teigen 和高级顾问 Günter Olsborg 以及挪威统计局 (SSB) 的 Mikrodata 部门合作。 此次合作的目的是与 NAV-Rogaland 专家一起获得更多关于乳腺癌患者使用社会保障服务的知识，并与 SSB 一起使用 FD-trygd 数据库获得关于 SL（短期和长期）的可靠前瞻性社会人口统计数据期限）、工作评估津贴 (WAA) (Arbeidsavklaringspenger) 和 DP（均有时间限制

   & life long）对于目前 PerMoBreCan 研究中的每位患者。

3. 患者报告的结果测量 (PROM) 数据在基线时获得，此后每年从所有 PerMoBreCan 患者那里获得。 PROM 数据包括 1.HRQoL 工具（EORTC QLQ-C30、EORTC QLQ-BR23 和 FACT B），2.医院焦虑和抑郁量表，HAD，3.疲劳工具 Fatique Impact Scale，FIS；疲劳严重程度量表 (FSS) 和 VAS 疲劳，4.副作用问卷，5.关节疼痛问卷，6。 米歇尔疾病不确定性量表，MUIS； 7. 饮食习惯问卷和 8.ROMA III 肠道不适问卷（IBD 和 IBS）。
4. 生物标志物鉴定。

所有参加这项研究的患者都将接受与疲劳相关的循环生物标志物的筛查。 这些生物标志物在蛋白质水平、基因表达水平以及表观遗传水平上。 我们与教授建立了长期愉快的合作关系。 斯塔万格大学医院的 Roald Omdal 是一名临床免疫学家和过渡疲劳研究员，他致力于在他的研究实验室进行这些分析。