乳腺癌高危人群智能远程干预
智能化远程干预对乳腺癌高危人群的效果评估
该临床试验的目的是比较现代远程健康干预方案与传统面对面干预策略对具有 BI-RADS 3 或更高结节的高危乳腺癌群体的效果。
它旨在回答的主要问题是:
- 远程健康干预能否比传统的现场干预更有效地减缓乳腺结节的进展?
- 远程健康干预能否比传统的面对面干预更有效地减少疾病恶化并降低患者死亡风险?
- 与传统健康管理模式相比,接受远程健康干预后乳腺结节人群的知识、信念和行为变化能否得到改善?
参与者将被分为 2 组:实验组和对照组。 实验组的参与者将接受为期 2 年的现代远程干预,如下所述:
- 远程会诊:这涉及使用视频通话或每月一次的电话联系患者,以进行有关病情和症状管理的咨询、随访和讨论。
- 远程监控和可穿戴设备:每周一次使用红外乳房温度检测器和动态血压检测器等可穿戴设备和远程监控工具来远程跟踪患者的生命体征和症状。
- 移动应用程序:专门的移动应用程序将用于为患者提供一个平台,以获取教育材料、跟踪他们的进展、管理管理时间表、记录症状以及与支持小组或在线社区联系。
- 教育平台和远程健康教育:在线平台和资源提供有关乳腺癌、治疗方案、潜在副作用、生活方式调整和整体健康的教育材料。 这些资源通过提供全面的信息来增强患者的能力。
对照组参与者将采用《中国女性乳腺癌筛查指南》中提供的传统策略:建议不少于3至6个月后进行超声随访复查。 如果2年随访无变化,可降级至BI-RADS 2;如果随访期间病灶出现可疑变化,应考虑进行活检以明确病理性质。
研究概览
详细说明
乳腺癌是世界主要公共卫生问题之一。 据世界卫生组织(WHO)国际癌症研究机构(IARC)报告显示,2020年乳腺癌已取代肺癌成为全球第一大癌症,对女性生命健康构成严重威胁。 乳腺结节是乳腺组织中形成的良性肿块或肿块。 乳腺结节可能在一定程度上增加患乳腺癌的风险,加强乳腺结节的早期健康管理是诊断和预防乳腺癌的有效措施。 本项目旨在利用远程干预技术构建智能乳腺癌智能健康管理系统。 该系统包括智能乳腺健康信息管理、乳腺疾病风险评估、乳腺分层干预等模块,旨在突破乳腺癌防治瓶颈。
该临床试验的目的是比较现代远程健康干预方案与传统面对面干预策略对具有 BI-RADS 3 或更高结节的高危乳腺癌群体的效果。
它旨在回答的主要问题是:
- 远程健康干预能否比传统的现场干预更有效地减缓乳腺结节的进展?
- 远程健康干预能否比传统的面对面干预更有效地减少疾病恶化并降低患者死亡风险?
- 与传统健康管理模式相比,接受远程健康干预后乳腺结节人群的知识、信念和行为变化能否得到改善?
研究内容:
将筛选合格的受试者随机分为实验组和对照组,采用不同的健康管理方案,实验组采用远程干预健康管理模式,对照组采用常规指南推荐的健康管理模式,随访结束,进行统计分析,比较两种健康管理模式的效果。
1)分析远程干预健康管理模式相对于传统模式在减缓乳腺结节恶性进展方面的有效性,分析淋巴结病变进展率、淋巴结恶变率、淋巴结好转率以及改善率的差异。花在健康管理上的时间。
(2)分析远程干预健康管理模式相对于传统模式在降低潜在乳腺癌患者经智能健康管理模式检测后病情进展和死亡风险方面的效果,并分析远程干预健康管理模式的差异。患者死亡的风险、病变进展的风险和生存时间。
(3)分析远程干预健康管理模式相对于传统模式不同健康管理干预模式后乳腺结节人群知识、信念、行为的变化程度。
研究人群:
试验期间在全国五家大型三甲医院健康管理中心参加体检且乳腺彩超显示TI-RADS 3级及以上乳腺结节的女性体检人员。 该研究是以定性变量为主要疗效结局指标的临床试验研究,受试者随机分为试验组、对照组,两组均采用同等平行的1:1设计。 每组均需1000例,考虑到20%的脱落率,每组均招募1250例,两组共计2500例。
统计分析该研究是一项临床试验研究,以定性变量作为疗效的主要结局指标,两组均采用同等平行的1:1设计。 研究人员认为,智能健康管理方案(试验组)必须比传统健康管理方案(对照组)至少好5%才具有临床意义。 采用等(1:1)优效性设计方案,设定α=0.025(单边),β=0.20(单边),Δ=5%,并估算样本量n。 根据本临床试点研究的设计,结合主要疗效结果指标,估计每组需要 500 例,并考虑 20% 的脱落率,每组招募 625 例,总共两组均为 1,250 例。 除非另有说明,所有统计检验均使用检验水平 α = 0.05(单侧检验 α = 0.025)的双边检验进行。 该研究是一项以定性变量为主要疗效结局指标的临床试验研究,新方案的效果必须比对照药物至少好5%才具有临床意义,因此设定为α= 0.025(单侧)且 β = 0.20(单侧)。
优越性检验假设 H0:测试组效率小于或等于对照组,π_T-π_C≤0 H1:测试组效率大于对照组,π_T-π_C> 0 α = 0.025,优效性截断值为0。计算实验组与对照组有效率的差异,并计算差异的95% CI,若95% CI的下限为大于0,则认为实验组的疗效优于对照组,达到了研究的预期目标。
研究类型
注册 (估计的)
阶段
- 不适用
联系人和位置
学习联系方式
- 姓名:Wenqi Hu, MPH
- 电话号码:15098719908
- 邮箱:huwenqi_epi@163.com
参与标准
资格标准
适合学习的年龄
- 成人
接受健康志愿者
描述
纳入标准:
- 女性;年龄>=18;有乳房 BI-RADS 3 级或以上结节;签署知情同意书。
排除标准:
- 患有任何其他已知的乳腺疾病;患有重大恶性疾病;无法访问远程设备或不知道如何使用它们。
学习计划
研究是如何设计的?
设计细节
- 主要用途:预防
- 分配:随机化
- 介入模型:并行分配
- 屏蔽:双倍的
武器和干预
参与者组/臂 |
干预/治疗 |
|---|---|
|
实验性的:实验组
|
远程健康干预是指利用大数据、人工智能和5G技术,为远距离的个人提供医疗保健服务和干预。
这种方法允许医疗保健提供者提供医疗护理、监测患者的健康状况、提供咨询、提供教育和提供支持,而无需面对面的互动。
|
|
有源比较器:对照组
建议不少于3至6个月后进行超声随访复查。
如果2年随访无变化,可降级至BI-RADS 2;如果随访期间病灶出现可疑变化,应考虑进行活检以明确病理性质。
|
建议进行超声随访检查。
如果随访期间病变出现可疑变化,应考虑进行活检以明确病理性质。
|
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 |
|---|---|---|
|
乳腺结节的 BI-RADS 分级变化
大体时间:3年
|
随访期间,检查实验组和对照组的BI-RADS等级变化,观察差异。 BI-RADS 代表美国乳腺成像报告和数据系统。 这是放射科医生用来对乳房 X 光检查结果进行分类的标准化系统。 BI-RADS 系统的范围从 0 到 6,每个类别表示对乳腺癌的不同怀疑程度: BI-RADS 0:评估不完整,需要额外成像。 BI-RADS 1:阴性(正常)发现。 BI-RADS 2:良性(非癌性)发现。 BI-RADS 3:可能是良性发现(癌症的可能性低于 2%)。 BI-RADS 4:可能致癌的可疑异常(该类别中数字越高,患癌症的可能性越高)。 BI-RADS 5:高度提示恶性肿瘤(超过 95% 的可能性是癌症)。 BI-RADS 6:已知的活检证实的恶性肿瘤。 |
3年
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
发展为乳腺癌的风险差异
大体时间:3年
|
在随访期间,检查实验组和对照组的乳腺癌风险,看看差异。 计算实验组和对照组发展为乳腺癌的数量和比率,并使用学生t检验或卡方检验评估其统计显着性。 所有分析将使用 R 软件版本 4.3.1 进行。 |
3年
|
其他结果措施
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
知识、信念和行为的改变
大体时间:3年
|
在随访期间,检查实验组和对照组的知识、信念和行为变化,看看差异。 “知识”部分共22题,包括基础知识、致病因素、自查意识等。 “信念”部分包括 7 个问题,包括“我可以保持良好的生活习惯”和“我可以轻松地讨论乳房问题”等陈述。 乳腺癌“行为”部分包括 4 个问题,包括“如果我发现乳房有任何异常,我会寻求医疗救助”和“我以前进行过乳房自我检查”等陈述。 所有问题均为多项选择题,每个问题“知道/同意/完成”得 1 分,“不知道/不同意/未完成”得 0 分。 KAP总分为33分,分数越高,表明与乳腺癌相关的知识、信念和行为水平越高。 |
3年
|
合作者和调查者
调查人员
- 首席研究员:Guang Zhang, Dr、Qianfoshan Hospital
出版物和有用的链接
一般刊物
- Torre LA, Siegel RL, Ward EM, Jemal A. Global Cancer Incidence and Mortality Rates and Trends--An Update. Cancer Epidemiol Biomarkers Prev. 2016 Jan;25(1):16-27. doi: 10.1158/1055-9965.EPI-15-0578. Epub 2015 Dec 14.
- DeSantis CE, Bray F, Ferlay J, Lortet-Tieulent J, Anderson BO, Jemal A. International Variation in Female Breast Cancer Incidence and Mortality Rates. Cancer Epidemiol Biomarkers Prev. 2015 Oct;24(10):1495-506. doi: 10.1158/1055-9965.EPI-15-0535. Epub 2015 Sep 10.
- Taghipour S, Banjevic D, Miller AB, Montgomery N, Jardine AK, Harvey BJ. Parameter estimates for invasive breast cancer progression in the Canadian National Breast Screening Study. Br J Cancer. 2013 Feb 19;108(3):542-8. doi: 10.1038/bjc.2012.596. Epub 2013 Jan 15.
- Padilla A, Arponen O, Rinta-Kiikka I, Pertuz S. Image retrieval-based parenchymal analysis for breast cancer risk assessment. Med Phys. 2022 Feb;49(2):1055-1064. doi: 10.1002/mp.15378. Epub 2021 Dec 15.
- Green VL. Breast Cancer Risk Assessment and Management of the High-Risk Patient. Obstet Gynecol Clin North Am. 2022 Mar;49(1):87-116. doi: 10.1016/j.ogc.2021.11.009.
- Burka D, Gupta R, Moran AE, Cohn J, Choudhury SR, Cheadle T, Mullick R, Frieden TR. Keep it simple: designing a user-centred digital information system to support chronic disease management in low/middle-income countries. BMJ Health Care Inform. 2023 Jan;30(1):e100641. doi: 10.1136/bmjhci-2022-100641.
研究记录日期
研究主要日期
学习开始 (估计的)
初级完成 (估计的)
研究完成 (估计的)
研究注册日期
首次提交
首先提交符合 QC 标准的
首次发布 (实际的)
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.