模型使用社会人口统计学因素来预测芳香酶抑制剂不依从风险

DAWN L. HERSHMAN(医学博士、理学硕士)将在 SABCS 2023 上展示其工作，该工作使用基线社会人口统计学和财务指标来预测哪些接受芳香酶抑制剂长期治疗乳腺癌的患者提前停止治疗的风险显着较高(非坚持)。

“我们认识到不坚持内分泌治疗是多因素造成的。预测谁处于危险之中将有助于我们针对正确的患者采取个性化干预措施。”赫什曼说。 -SWOG 癌症研究网络当选主席。

查看更多

图片来源：SWOG/希望基金会

一种新的风险模型使用基线社会人口统计学和财务指标来预测哪些长期接受芳香酶抑制剂治疗乳腺癌的患者提前停止治疗(不依从)的风险明显更高。

该工作将于 12 月 6 日星期三在 2023 年圣安东尼奥乳腺癌研讨会 (SABCS) 的海报聚焦讨论会上展示。

作者分析了 SWOG S1105 临床试验的数据，包括衡量患者对激素敏感型乳腺癌芳香酶抑制剂 (AI) 治疗依从性的指标。他们创建了一个由个人社会人口和经济因素以及地区贫困和农村/城市位置衡量指标组成的模型，这些因素在统计上与依从性显着相关。每增加一个风险因素，不依从的风险就会增加 47%。那些有两个以上风险因素的人不遵守人工智能的可能性要高出 64%。

摘要的主要作者是医学博士、理学硕士 Dawn L. Hershman，他将在 SABCS 上展示这项工作。

“我们认识到不坚持内分泌治疗是多因素造成的。预测谁处于危险之中将有助于我们针对正确的患者采取个性化干预措施。”赫什曼说。 -SWOG 癌症研究网络的候任主席，该网络是一个由国立卫生研究院 (NIH) 旗下国家癌症研究所 (NCI) 资助的临床试验小组。

大约三分之二的乳腺癌患者患有激素受体阳性疾病，这意味着肿瘤的生长是由雌激素或黄体酮驱动的。患有此类癌症的女性通常会服用减少激素产生的药物，例如芳香酶抑制剂 (AI)。

临床试验表明，连续几年每天服用 AI 可以显着降低乳腺癌复发的几率。但由于多种原因，包括骨痛和潮热等常见副作用，许多患者提前停止服用人工智能药物。

SABCS 上提出的风险模型是使用 SWOG S1105 临床试验的数据开发的，该试验是一项随机研究，招募了 700 多名绝经后妇女，以测试短信提醒是否可以提高对人工智能治疗的依从性。所有患者都接受了乳腺癌 AI 治疗，并且每三个月接受一次研究评估，以确定是否继续使用 AI 药丸。赫什曼领导的这项试验的初步结果于 2020 年发表在《 临床肿瘤学杂志》上 。

为了开发预测模型，研究人员分析了患者参加 S1105 试验时收集的一组人口统计和财务指标。他们发现，其中四项措施与人工智能治疗不依从性的增加具有统计学上的显着关联：年龄较小、受教育程度较低、自付费用较低以及生活在城市地区。在他们的数据中，种族和族裔与不遵守规定无关。

“这些发现进一步证明，个人的社会和经济背景可以为预测其治疗过程提供重要信息，”资深作者、弗雷德·哈钦森癌症中心副教授、生物统计学家和卫生服务研究员 Joseph Unger 博士说。 SWOG 癌症研究网络。

“这种认识对于及早确定哪些患者不坚持长期人工智能治疗的风险更大非常重要，这可以使干预措施更加有效。”

作者得出的结论是，除了采取措施缓解副作用症状外，此类干预措施还应重点关注高风险患者的结构性障碍。