使用调查来检验 ML 死亡风险预测与肿瘤内科医生的预后准确性和决策之间的关系
2024年11月20日 更新者:Abramson Cancer Center at Penn Medicine
美国近一半的癌症患者将接受与其生前意愿不一致的护理。
早期高级护理计划 (ACP) 和姑息治疗可改善目标一致的护理和症状,并减少不必要的使用。
增加 ACP 和姑息治疗的一个有前途的策略是在病程早期识别有死亡风险的患者,以便有针对性地提供这些服务。
机器学习 (ML) 算法已应用于包括医学在内的各个行业,以准确预测不良结果的风险并指导早期资源。
“人机协作”——同时利用机器学习和人类直觉的系统——已被证明可以改善各种情况下的预测和决策,但尚不清楚人机协作是否可以提高预测准确性并导致更大、更早的预测ACP 和姑息治疗。
在这项研究中,我们联系了全国样本的医学肿瘤学家,并邀请他们完成一项基于小插曲的调查。
我们的目标是检查 ML 死亡风险预测与临床医生的预后准确性和决策之间的关联。
我们提出了一系列六个小插图,描述了晚期非小细胞肺癌 (aNSCLC) 患者特有的三种临床情况,这些情况因年龄、性别、体能状态、吸烟史、疾病程度、症状和分子状态而异。
我们将使用这些基于小插曲的调查来检查 ML 死亡风险预测与医学肿瘤学家的预后准确性和决策之间的关联。
研究概览
研究类型
观察性的
注册 (实际的)
52
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
-
-
Pennsylvania
-
Philadelphia、Pennsylvania、美国、19104
- Abramson Cancer Center of the University of Pennsylvania
-
-
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
- 孩子
- 成人
- 年长者
接受健康志愿者
不
取样方法
非概率样本
研究人群
研究人群包括在美国治疗肺癌的执业肿瘤科医生的方便样本。
我们通过直接向首席研究员的个人联系人发送电子邮件来招募肿瘤内科医生(n=29);通过 Doximity 直接发送消息,Doximity 是一种针对医疗专业人员 (n=17) 的在线网络服务,使用“胸部肿瘤学”;以及通过 X(以前称为 Twitter)直接发送消息 (n=4)。
我们努力从美国 4 个地理区域(东北部、南部、中西部、西部)进行平等抽样。
描述
纳入标准:
- 治疗肺癌的肿瘤内科医生
排除标准:
- 不看诊肺癌患者的肿瘤内科医生
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
队列和干预
团体/队列 |
干预/治疗 |
|---|---|
|
1A 2B 3C
1. 中级; 1.A.参考依赖; 2. 贫穷; 2.B.
绝对预后; 3. 好; 3.C.
两个都
|
该研究包括一项 3 × 3 在线析因实验,使用由 Qualtrics 托管的调查工具,描述了三个患者的小插曲。
这三名患者的临床特征各不相同,包括年龄、性别、体能状态、吸烟史、疾病程度、症状和分子状态。
每位患者均患有晚期非小细胞肺癌(aNSCLC)。
每个小插图都有两部分:第 1 部分描述了三名患者之一的病史,然后评估了预后估计和医疗决策(即 1、2、3)。
第 2 部分紧随其后,描述了来自同一患者的相同小插图,并添加了来自假设的 ML 预测算法(即,
A、B、C)。
每项调查中的插图顺序都是根据 ML 风险预测的呈现策略进行随机的,因此每个参与者都被随机分配到 6 个版本的调查。
|
|
1A 2C 3B
1. 中级; 1.A.参考依赖; 2. 贫穷; 2.C.
两个都; 3. 好; 3.B.
绝对预后
|
该研究包括一项 3 × 3 在线析因实验,使用由 Qualtrics 托管的调查工具,描述了三个患者的小插曲。
这三名患者的临床特征各不相同,包括年龄、性别、体能状态、吸烟史、疾病程度、症状和分子状态。
每位患者均患有晚期非小细胞肺癌(aNSCLC)。
每个小插图都有两部分:第 1 部分描述了三名患者之一的病史,然后评估了预后估计和医疗决策(即 1、2、3)。
第 2 部分紧随其后,描述了来自同一患者的相同小插图,并添加了来自假设的 ML 预测算法(即,
A、B、C)。
每项调查中的插图顺序都是根据 ML 风险预测的呈现策略进行随机的,因此每个参与者都被随机分配到 6 个版本的调查。
|
|
1B 2A 3C
1. 中级; 1.B.
绝对; 2. 贫穷; 2.A.参考依赖; 3. 好; 3.C.
两个都
|
该研究包括一项 3 × 3 在线析因实验,使用由 Qualtrics 托管的调查工具,描述了三个患者的小插曲。
这三名患者的临床特征各不相同,包括年龄、性别、体能状态、吸烟史、疾病程度、症状和分子状态。
每位患者均患有晚期非小细胞肺癌(aNSCLC)。
每个小插图都有两部分:第 1 部分描述了三名患者之一的病史,然后评估了预后估计和医疗决策(即 1、2、3)。
第 2 部分紧随其后,描述了来自同一患者的相同小插图,并添加了来自假设的 ML 预测算法(即,
A、B、C)。
每项调查中的插图顺序都是根据 ML 风险预测的呈现策略进行随机的,因此每个参与者都被随机分配到 6 个版本的调查。
|
|
1B 2C 3A
1. 中级; 1.B.
绝对; 2. 贫穷; 2.C.
两个都; 3. 好; 3.A.
依赖于参考
|
该研究包括一项 3 × 3 在线析因实验,使用由 Qualtrics 托管的调查工具,描述了三个患者的小插曲。
这三名患者的临床特征各不相同,包括年龄、性别、体能状态、吸烟史、疾病程度、症状和分子状态。
每位患者均患有晚期非小细胞肺癌(aNSCLC)。
每个小插图都有两部分:第 1 部分描述了三名患者之一的病史,然后评估了预后估计和医疗决策(即 1、2、3)。
第 2 部分紧随其后,描述了来自同一患者的相同小插图,并添加了来自假设的 ML 预测算法(即,
A、B、C)。
每项调查中的插图顺序都是根据 ML 风险预测的呈现策略进行随机的,因此每个参与者都被随机分配到 6 个版本的调查。
|
|
1C 2A 3B
1. 中级; 1.C.
两个都; 2. 贫穷; 2.A.参考依赖; 3. 好; 3.B.
绝对
|
该研究包括一项 3 × 3 在线析因实验,使用由 Qualtrics 托管的调查工具,描述了三个患者的小插曲。
这三名患者的临床特征各不相同,包括年龄、性别、体能状态、吸烟史、疾病程度、症状和分子状态。
每位患者均患有晚期非小细胞肺癌(aNSCLC)。
每个小插图都有两部分:第 1 部分描述了三名患者之一的病史,然后评估了预后估计和医疗决策(即 1、2、3)。
第 2 部分紧随其后,描述了来自同一患者的相同小插图,并添加了来自假设的 ML 预测算法(即,
A、B、C)。
每项调查中的插图顺序都是根据 ML 风险预测的呈现策略进行随机的,因此每个参与者都被随机分配到 6 个版本的调查。
|
|
1C 2B 3A
1. 中级; 1.C.
两个都; 2. 贫穷; 2.B.
绝对; 3. 好; 3.A.
依赖于参考
|
该研究包括一项 3 × 3 在线析因实验,使用由 Qualtrics 托管的调查工具,描述了三个患者的小插曲。
这三名患者的临床特征各不相同,包括年龄、性别、体能状态、吸烟史、疾病程度、症状和分子状态。
每位患者均患有晚期非小细胞肺癌(aNSCLC)。
每个小插图都有两部分:第 1 部分描述了三名患者之一的病史,然后评估了预后估计和医疗决策(即 1、2、3)。
第 2 部分紧随其后,描述了来自同一患者的相同小插图,并添加了来自假设的 ML 预测算法(即,
A、B、C)。
每项调查中的插图顺序都是根据 ML 风险预测的呈现策略进行随机的,因此每个参与者都被随机分配到 6 个版本的调查。
|
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 |
|---|---|---|
|
通过调查评估的预后准确性
大体时间:最长 3 个月
|
使用在 3 个小插图的第 1 部分和第 2 部分之后施用的两个项目来测量预后估计:
准确的预后定义为报告的预期寿命估计值是否在 LCPI 估计值的 33% 范围内(经焦点小组讨论后修改)。 参与者以月份为单位回答第一个问题,以 0-100% 之间的百分比回答第二个问题。 |
最长 3 个月
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
通过调查评估的预先护理计划决策
大体时间:最长 3 个月
|
ACP 决策是在 3 个小插图的第 1 部分和第 2 部分之后使用以下项目进行评估的: 1) 在她的病程中,您是否会讨论此时的预先护理计划? 每个问题都以“是/否”答案来操作,然后是一个免费回答框,询问“请分享您做出此决定的原因”。 |
最长 3 个月
|
|
通过调查评估的姑息治疗转诊
大体时间:最长 3 个月
|
姑息治疗转诊是在 3 个小插图的第 1 部分和第 2 部分之后使用以下项目进行评估的: 1) 在她病程的这个阶段,您会把他/她转介给姑息治疗专家吗? 每个问题都以“是/否”答案来操作,然后是一个免费回答框,询问“请分享您做出此决定的原因”。 |
最长 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。
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)
2023年3月13日
初级完成 (实际的)
2023年7月31日
研究完成 (实际的)
2023年12月31日
研究注册日期
首次提交
2024年4月30日
首先提交符合 QC 标准的
2024年6月12日
首次发布 (实际的)
2024年6月18日
研究记录更新
最后更新发布 (估计的)
2024年11月21日
上次提交的符合 QC 标准的更新
2024年11月20日
最后验证
2024年11月1日
更多信息
与本研究相关的术语
其他相关的 MeSH 术语
其他研究编号
- UPCC 10524
- 850382 (其他标识符:Penn IRB)
计划个人参与者数据 (IPD)
计划共享个人参与者数据 (IPD)?
不
药物和器械信息、研究文件
研究美国 FDA 监管的药品
不
研究美国 FDA 监管的设备产品
不
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.