利用MyChart评估血管舒缩症状干预措施有效性的可行性研究
2025年12月17日 更新者:Ottawa Hospital Research Institute
利用MyChart评估血管舒缩症状干预措施有效性的可行性研究(REaCT-潮热先导试验)
血管舒缩症状(VMS)是乳腺癌全身治疗的常见后果。
乳腺癌治疗可导致约30%的绝经后女性和95%的绝经前早期乳腺癌(EBC)女性出现VMS。
目前有多种非雌激素干预措施可用于管理VMS,包括:生活方式调整、补充与替代医学(CAM)疗法。
然而,我们团队近期对药物和CAM干预措施进行的系统综述和荟萃分析发现,尚无单一最佳治疗方案可用于管理乳腺癌患者的VMS。
鉴于影响VMS体验的患者个体差异、癌症类型及治疗变量复杂多样,现有多种可能有效的VMS干预措施,且不同人群对有效干预的期望各异,研究人员认为机器学习(ML)非常适合分析这种常见且令人困扰的治疗相关毒性。
EPIC电子病历系统和MyChart应用程序为临床医生和患者提供了更多记录健康相关结果的工具。
研究人员认为,可利用MyChart平台和ML技术来收集和分析经历VMS的乳腺癌患者的结局数据。
研究概览
详细说明
血管舒缩症状(VMS)是乳腺癌系统性治疗的常见后果。
乳腺癌治疗可导致约30%的绝经后女性和95%的绝经前早期乳腺癌(EBC)患者出现VMS。
除了对生活质量产生负面影响外,未得到管理的VMS是25-60%的EBC患者停止可能治愈治疗的最常见原因。
雌激素替代疗法是普通人群中治疗VMS的常见方法,然而,在乳腺癌患者中禁忌使用。
有许多非雌激素干预措施可用于管理VMS,包括:生活方式调整、补充和替代医学(CAM)疗法。
然而,我们团队最近对药物和CAM干预措施进行的系统回顾和荟萃分析发现,没有单一的最佳治疗方法可用于管理乳腺癌患者的VMS。
研究人员最近对373名EBC患者进行了一项调查,发现虽然大多数患者有兴趣接受干预以减轻症状,但只有18%的患者因此问题接受了治疗。
此外,超过三分之一的经历VMS的患者报告称,在常规随访中,他们并未被常规询问症状。
考虑到影响VMS体验的复杂患者、癌症和治疗变量,众多可能有效的VMS干预措施,以及对有效干预的不同期望,研究人员认为机器学习(ML)非常适合分析这种常见且令人烦恼的治疗相关毒性。
先前的乳腺癌研究已成功应用ML模型来检查患乳腺癌的风险以及乳腺癌的预后。
EPIC电子病历和MyChart应用程序为临床医生和患者提供了更多记录健康相关结果的工具。
研究人员认为,MyChart平台和ML技术可用于收集和分析经历VMS的乳腺癌患者的结果数据。
研究类型
介入性
注册 (实际的)
56
阶段
- 第四阶段
联系人和位置
本节提供了进行研究的人员的详细联系信息,以及有关进行该研究的地点的信息。
学习地点
-
-
Ontario
-
Ottawa、Ontario、加拿大
- The Ottawa Hospital Cancer Centre
-
-
参与标准
研究人员寻找符合特定描述的人,称为资格标准。这些标准的一些例子是一个人的一般健康状况或先前的治疗。
资格标准
适合学习的年龄
18年 及以上 (成人、年长者)
接受健康志愿者
不
描述
入选标准:
- 经组织学确诊为乳腺癌(任何分期)、年龄超过18岁的患者
- 出现血管舒缩症状的患者
- 虽然本研究旨在评估MyChart平台的可行性,但未注册MyChart账户且有意参与研究的患者将获得纸质版或电子邮箱版本的研究资料。由于参与MyChart项目在本研究之外亦具益处,我们将鼓励所有未注册MyChart账户的患者开通此项服务
排除标准:
- 无法完成英文问卷者
学习计划
本节提供研究计划的详细信息,包括研究的设计方式和研究的衡量标准。
研究是如何设计的?
设计细节
- 主要用途:支持治疗
- 分配:不适用
- 介入模型:单组作业
- 屏蔽:无(打开标签)
武器和干预
参与者组/臂 |
干预/治疗 |
|---|---|
|
其他:标准护理干预
标准护理干预 - 干预将包括4类标准护理治疗,即生活方式调整、补充与替代医学(CAM)疗法、处方药物或抗癌治疗方案的调整。
|
干预措施将包括4类标准护理治疗,即生活方式调整、补充和替代医学(CAM)疗法、处方药物或抗癌治疗调整。
|
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 |
|---|---|---|
|
患者参与(MyChart可访问性与用户体验)
大体时间:3个月
|
患者参与度将定义为60%的被接洽患者同意参与本研究。
|
3个月
|
|
医师参与度(MyChart可访问性与用户体验)
大体时间:3个月
|
医生参与度定义为完成研究日志者中有60%将接洽患者参与研究。
|
3个月
|
|
患者招募(MyChart可及性与用户体验)
大体时间:3个月
|
患者招募将定义为在3个月内招募50名参与者。
|
3个月
|
|
MyChart使用情况
大体时间:基线和6周
|
MyChart 使用率将被定义为:85%的参与者在MyChart界面上完成两份问卷(潮热问题评分和综合潮热评分),以及50%的入组参与者根据研究方案完成两份问卷。
|
基线和6周
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
潮热严重程度(MyChart可行性)
大体时间:3个月
|
潮热严重程度(MyChart可行性)将通过潮热问题评分进行评估,这是一个综合评分,评估血管舒缩症状(VMS)在日常生活中的感知困扰、干扰和问题性质,并通过综合潮热评分(连续7天每日评估潮热情况)进行评估。
研究人员将通过确定按方案完成工具的参与者百分比(包括在7天内完成每日评估的患者百分比),来评估使用MyChart完成潮热严重程度评估的可行性。
|
3个月
|
|
MyChart在评估血管舒缩症状干预措施有效性方面的可行性
大体时间:3个月
|
研究者将使用潮热问题评分评估潮热严重程度评分的变化,以及从基线到干预后6周的复合潮热评分,从而评估干预措施的有效性。
|
3个月
|
|
干预措施对血管舒缩症状(VMS)的有效性 - 传统统计建模
大体时间:3个月
|
分析MyChart问卷应答数据,采用传统统计建模(包括线性回归和逻辑回归模型),以预测针对血管舒缩症状干预措施后潮热严重程度结局的变化。
严重程度结局将基于两种经过验证的临床工具进行评估。
这些工具包括潮热问题评分(综合评估血管舒缩症状在日常生活中的感知困扰、干扰和问题性质)和复合潮热评分(连续7天每日评估潮热情况)。
|
3个月
|
|
干预措施对VMS的有效性(MyChart可行性)
大体时间:3个月
|
通过夜间觉醒频率和毒性数据评估VMS(MyChart可行性)干预措施的有效性。
将使用传统统计和机器学习技术分析数据,创建预测个体VMS治疗反应的初步模型。
|
3个月
|
|
预测血管舒缩症状干预措施有效性的机器学习方法
大体时间:3个月
|
运用机器学习模型,包括分类和回归树,并与标准回归模型进行比较,以评估对潮热严重程度预测能力的改进。
研究人员将使用模型可解释性技术,如条件依赖图,来研究特定特征对潮热严重程度结果的影响。
|
3个月
|
合作者和调查者
在这里您可以找到参与这项研究的人员和组织。
调查人员
- 首席研究员:Sharon McGee, MD、The Ottawa Hospital Cancer Centre
出版物和有用的链接
负责输入研究信息的人员自愿提供这些出版物。这些可能与研究有关。
一般刊物
- Cole KM, Clemons M, McGee S, Alzahrani M, Larocque G, MacDonald F, Liu M, Pond GR, Mosquera L, Vandermeer L, Hutton B, Piper A, Fernandes R, Emam KE. Using machine learning to predict individual patient toxicities from cancer treatments. Support Care Cancer. 2022 Sep;30(9):7397-7406. doi: 10.1007/s00520-022-07156-6. Epub 2022 May 25.
- Hutton B, Hersi M, Cheng W, Pratt M, Barbeau P, Mazzarello S, Ahmadzai N, Skidmore B, Morgan SC, Bordeleau L, Ginex PK, Sadeghirad B, Morgan RL, Cole KM, Clemons M. Comparing Interventions for Management of Hot Flashes in Patients With Breast and Prostate Cancer: A Systematic Review With Meta-Analyses. Oncol Nurs Forum. 2020 Jul 1;47(4):E86-E106. doi: 10.1188/20.ONF.E86-E106.
- Cole KM, Clemons M, Alzahrani M, Larocque G, MacDonald F, Vandermeer L, Hutton B, Piper A, Pond G, McGee S. Developing patient-centred strategies to optimize the management of vasomotor symptoms in breast cancer patients: a survey of health care providers. Breast Cancer Res Treat. 2021 Jul;188(2):343-350. doi: 10.1007/s10549-021-06186-8. Epub 2021 Jun 22.
- Cole KM, McGee S, Clemons M, Liu M, MacDonald F, Vandermeer L, Ng TL, Pond G, Emam KE. Development and application of a weighted change score to evaluate interventions for vasomotor symptoms in patients with breast cancer using regression trees: a cohort study. Breast Cancer Res Treat. 2024 Sep;207(2):313-321. doi: 10.1007/s10549-024-07360-4. Epub 2024 May 19.
研究记录日期
这些日期跟踪向 ClinicalTrials.gov 提交研究记录和摘要结果的进度。研究记录和报告的结果由国家医学图书馆 (NLM) 审查,以确保它们在发布到公共网站之前符合特定的质量控制标准。
研究主要日期
学习开始 (实际的)
2022年2月25日
初级完成 (实际的)
2022年7月22日
研究完成 (实际的)
2022年9月22日
研究注册日期
首次提交
2021年12月15日
首先提交符合 QC 标准的
2022年1月24日
首次发布 (实际的)
2022年2月3日
研究记录更新
最后更新发布 (估计的)
2025年12月18日
上次提交的符合 QC 标准的更新
2025年12月17日
最后验证
2025年12月1日
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.