Predict + Protect: Et randomiseret kontrolleret forsøg, der udforsker effektiviteten af en prædiktiv sundhedsuddannelsesintervention om vedtagelse af beskyttende adfærd relateret til influenzalignende sygdom (ILI)
Studieoversigt
Status
Status
Betingelser
Betingelser
Intervention / Behandling
Intervention / Behandling
Undersøgelsestype
Undersøgelsestype
Tilmelding (Anslået)
Tilmelding
Fase
Fase
- Ikke anvendelig
Kontakter og lokationer
Studiekontakt
Studiekontakt
- Navn: Ernesto Ramirez, PhD
- Telefonnummer: 415-650-4741
- E-mail: help@evidation.com
Undersøgelse Kontakt Backup
- Navn: Joyce HN Nortey, MPH, MSBH
- Telefonnummer: 415-650-4741
- E-mail: help@evidation.com
Studiesteder
-
-
California
-
San Mateo, California, Forenede Stater, 94402
- Evidation Health
-
-
Deltagelseskriterier
Berettigelseskriterier
Berettigelseskriterier
Aldre berettiget til at studere
- Voksen
- Ældre voksen
Tager imod sunde frivillige
Beskrivelse
Inklusionskriterier:
- Medlem af Evidation platformen
- 18 år eller ældre
- Bor i U.S.A.
- Ejer og bruger i øjeblikket en aktivitetsmåler til forbrugere (Apple Watch, Garmin eller Fitbit), der er knyttet til deres Evidation-konto
- Opfylder kravene til datatæthed for data, der kan bæres: Skridt- og pulsdata er til stede for 15 % af de sidste 60 dage (eller ikke mindre end 2 dage i alt for Evidation-konti, der er mindre end 60 dage gamle)
Ekskluderingskriterier:
- Har ikke en beviskonto
- Ikke 18 år eller ældre
- Bor ikke i U.S.A.
- Har ikke en aktivitetsmåler knyttet til deres Evidation-konto
- Tilmeldt et Evidation-støttet ILI-overvågnings- og engagementsprogram eller klinisk undersøgelse (f.eks. FluSmart)
Studieplan
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
- Primært formål: Forebyggelse
- Tildeling: Randomiseret
- Interventionel model: Faktoriel opgave
- Maskning: Enkelt
Antal våben
Våben og indgreb
Deltagergruppe / ArmDeltagergruppe / Arm |
Intervention / BehandlingIntervention / Behandling |
|---|---|
|
Eksperimentel: Proaktivt ILI-indhold og forudsigelser
Deltagerne vil modtage forudsigende advarsler, reaktivt indhold efter rapportering af symptomer eller modtage en asymptomatisk forudsigelse og ILI-relateret sundhedsuddannelsesindhold
|
Deltagerne modtager ILI-relateret undervisning, feedback og muligheder for selv at overvåge ILI-symptomer, derudover modtager de også advarsler om potentiel ILI-sygdom og reaktivt og personligt indhold om beskyttende sundhedsadfærd.
|
|
Eksperimentel: Intet proaktivt ILI-indhold og forudsigelser
Deltagerne vil modtage forudsigende advarsler og reaktivt indhold efter at have rapporteret symptomer eller modtaget en asymptomatisk forudsigelse, men vil ikke modtage proaktivt ILI-indhold
|
Deltagerne modtager advarsler om potentiel ILI-sygdom og reaktivt og personligt indhold om beskyttende sundhedsadfærd.
|
|
Eksperimentel: Proaktivt ILI-indhold og ingen forudsigelser
Deltagere vil ikke modtage forudsigende advarsler eller reaktivt indhold efter rapportering af symptomer, men vil modtage proaktivt ILI-indhold
|
Deltagerne modtager ILI-relateret undervisning, feedback og muligheder for selv at overvåge ILI-symptomer.
|
|
Eksperimentel: Intet proaktivt ILI-indhold og ingen forudsigelser
Deltagere vil ikke modtage forudsigende advarsler eller reaktivt indhold efter rapportering af symptomer eller proaktivt ILI-indhold
|
Deltagerne vil ikke modtage forudsigende advarsler eller reaktivt indhold efter rapportering af symptomer eller proaktivt IILI-relateret sundhedsuddannelsesindhold
|
Hvad måler undersøgelsen?
Primære resultatmål
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Det primære formål med denne undersøgelse er at vurdere effektiviteten af en forudsigelig ILI-detektionsalgoritme og tilhørende advarsler om ILI-relaterede sundheds- og adfærdsmæssige resultater
Tidsramme: Gennem afsluttet studie, cirka 10 måneder
|
Forskellen mellem den prædiktive advarsel og den ingen prædiktive advarselsgruppe i andelen af kohortemedlemmer, der udførte en hvilken som helst målsundhedsadfærd 1-4 (dvs.
udført mindst én af: reduceret spredning, testet, søgt læge eller var behandlingsadherent)
|
Gennem afsluttet studie, cirka 10 måneder
|
Sekundære resultatmål
Sekundære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Det sekundære mål er at vurdere nøjagtigheden af en ILI-detektionsalgoritme ved hjælp af selvrapporterede symptomer og ILI-diagnose
Tidsramme: Gennem afsluttet studie, cirka 10 måneder
|
Evaluer algoritmens ydeevne (i forhold til etiketter fra selvrapporterede ILI-symptomer og/eller selvrapporteret positiv diagnose) samlet og pr. anvendt model.
Algoritmeydelse vil blive vurderet på tværs af en række dimensioner, herunder ROC AUC, sensitivitet, specificitet, PPV og NPV
|
Gennem afsluttet studie, cirka 10 måneder
|
Andre resultatmål
Andre resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Det undersøgende mål er at vurdere forskelle i effektivitet mellem de fire grupper på ILI-relaterede sundheds- og adfærdsmæssige resultater
Tidsramme: Gennem afsluttet studie, cirka 10 måneder
|
Forskellen mellem alle grupper i andelen af kohortemedlemmer, der udførte enhver målrettet sundhedsadfærd 1-4 (dvs.
udført mindst én af: reduceret spredning, testet, søgt læge eller var behandlingsadherent)
|
Gennem afsluttet studie, cirka 10 måneder
|
Samarbejdspartnere og efterforskere
Sponsor
Sponsor
Samarbejdspartnere
Samarbejdspartnere
Efterforskere
Efterforskere
- Ledende efterforsker: Ernesto H.N. Ramirez, PhD, Evidation
Publikationer og nyttige links
Generelle publikationer
- McCambridge J, Witton J, Elbourne DR. Systematic review of the Hawthorne effect: new concepts are needed to study research participation effects. J Clin Epidemiol. 2014 Mar;67(3):267-77. doi: 10.1016/j.jclinepi.2013.08.015. Epub 2013 Nov 22.
- Tokars JI, Olsen SJ, Reed C. Seasonal Incidence of Symptomatic Influenza in the United States. Clin Infect Dis. 2018 May 2;66(10):1511-1518. doi: 10.1093/cid/cix1060.
- Wiemken TL, Khan F, Puzniak L, Yang W, Simmering J, Polgreen P, Nguyen JL, Jodar L, McLaughlin JM. Seasonal trends in COVID-19 cases, hospitalizations, and mortality in the United States and Europe. Sci Rep. 2023 Mar 8;13(1):3886. doi: 10.1038/s41598-023-31057-1.
- Temple DS, Hegarty-Craver M, Furberg RD, Preble EA, Bergstrom E, Gardener Z, Dayananda P, Taylor L, Lemm NM, Papargyris L, McClain MT, Nicholson BP, Bowie A, Miggs M, Petzold E, Woods CW, Chiu C, Gilchrist KH. Wearable Sensor-Based Detection of Influenza in Presymptomatic and Asymptomatic Individuals. J Infect Dis. 2023 Apr 12;227(7):864-872. doi: 10.1093/infdis/jiac262.
- Mezlini A, Shapiro A, Daza EJ, Caddigan E, Ramirez E, Althoff T, Foschini L. Estimating the Burden of Influenza-like Illness on Daily Activity at the Population Scale Using Commercial Wearable Sensors. JAMA Netw Open. 2022 May 2;5(5):e2211958. doi: 10.1001/jamanetworkopen.2022.11958.
- Shapiro A, Marinsek N, Clay I, Bradshaw B, Ramirez E, Min J, Trister A, Wang Y, Althoff T, Foschini L. Characterizing COVID-19 and Influenza Illnesses in the Real World via Person-Generated Health Data. Patterns (N Y). 2020 Dec 13;2(1):100188. doi: 10.1016/j.patter.2020.100188. eCollection 2021 Jan 8.
- Hunter V, Shapiro A, Chawla D, Drawnel F, Ramirez E, Phillips E, Tadesse-Bell S, Foschini L, Ukachukwu V. Characterization of Influenza-Like Illness Burden Using Commercial Wearable Sensor Data and Patient-Reported Outcomes: Mixed Methods Cohort Study. J Med Internet Res. 2023 Mar 23;25:e41050. doi: 10.2196/41050.
- Mayer C, Tyler J, Fang Y, Flora C, Frank E, Tewari M, Choi SW, Sen S, Forger DB. Consumer-grade wearables identify changes in multiple physiological systems during COVID-19 disease progression. Cell Rep Med. 2022 Apr 19;3(4):100601. doi: 10.1016/j.xcrm.2022.100601. eCollection 2022 Apr 19.
- Nestor B, Hunter J, Kainkaryam R, Drysdale E, Inglis JB, Shapiro A, Nagaraj S, Ghassemi M, Foschini L, Goldenberg A. Machine learning COVID-19 detection from wearables. Lancet Digit Health. 2023 Apr;5(4):e182-e184. doi: 10.1016/S2589-7500(23)00045-6. No abstract available.
- Merrill MA, Safranchik E, Kolbeinsson A, Gade P, Ramirez E, Schmidt L, Foshchini L, Althoff T. Homekit2020: A benchmark for time series classification on a large mobile sensing dataset with laboratory tested ground truth of influenza infections. Proceedings of Machine Learning Research LEAVE UNSET:1-22, 2023.
- Rosenstock, I. M. (2000). Health Belief Model. In A. E. Kazdin (Ed.), Encyclopedia of psychology (Vol. 4, pp. 78-80). Oxford University Press.
- Zewdie A, Mose A, Sahle T, Bedewi J, Gashu M, Kebede N, Yimer A. The health belief model's ability to predict COVID-19 preventive behavior: A systematic review. SAGE Open Med. 2022 Jul 22;10:20503121221113668. doi: 10.1177/20503121221113668. eCollection 2022.
- Mercadante AR, Law AV. Will they, or Won't they? Examining patients' vaccine intention for flu and COVID-19 using the Health Belief Model. Res Social Adm Pharm. 2021 Sep;17(9):1596-1605. doi: 10.1016/j.sapharm.2020.12.012. Epub 2020 Dec 30.
- Gutierrez F, Wolfe J. Using the Health Belief Model to improve influenza vaccination rates. JAAPA. 2022 Oct 1;35(10):46-47. doi: 10.1097/01.JAA.0000873832.52485.65.
- Richardson KM, Jospe MR, Saleh AA, Clarke TN, Bedoya AR, Behrens N, Marano K, Cigan L, Liao Y, Scott ER, Guo JS, Aguinaga A, Schembre SM. Use of Biological Feedback as a Health Behavior Change Technique in Adults: Scoping Review. J Med Internet Res. 2023 Sep 25;25:e44359. doi: 10.2196/44359.
- LaFave SE, Granbom M, Cudjoe TKM, Gottsch A, Shorb G, Szanton SL. Attention control group activities and perceived benefit in a trial of a behavioral intervention for older adults. Res Nurs Health. 2019 Dec;42(6):476-482. doi: 10.1002/nur.21992. Epub 2019 Oct 24.
- Lee JL, Foschini L, Kumar S, Juusola J, Liska J, Mercer M, Tai C, Buzzetti R, Clement M, Cos X, Ji L, Kanumilli N, Kerr D, Montanya E, Muller-Wieland D, Ostenson CG, Skolnik N, Woo V, Burlet N, Greenberg M, Samson SI. Digital intervention increases influenza vaccination rates for people with diabetes in a decentralized randomized trial. NPJ Digit Med. 2021 Sep 17;4(1):138. doi: 10.1038/s41746-021-00508-2.
- Mansournia MA, Higgins JP, Sterne JA, Hernan MA. Biases in Randomized Trials: A Conversation Between Trialists and Epidemiologists. Epidemiology. 2017 Jan;28(1):54-59. doi: 10.1097/EDE.0000000000000564. Erratum In: Epidemiology. 2018 Sep;29(5):e49. doi: 10.1097/EDE.0000000000000846.
Hjælpsomme links
- Centers for Disease Control and Prevention, National Center for Immunization and Respiratory Diseases (NCIRD). Past Seasons Estimated Influenza Disease Burden
- Centers for Disease Control and Prevention, National Center for Immunization and Respiratory Diseases (NCIRD). Past Seasons Estimated Influenza Disease Burden
- Centers for Disease Control and Prevention. COVID Data Tracker.
- Centers for Disease Control and Prevention, Office of Public Health Data, Surveillance, and Technology. 2023. RESP-NET Interactive Dashboard.
Datoer for undersøgelser
Studer store datoer
Studiestart (Faktiske)
Studiestart
Primær færdiggørelse (Faktiske)
Primær færdiggørelse
Studieafslutning (Anslået)
Studieafslutning
Datoer for studieregistrering
Først indsendt
Først indsendt
Først indsendt, der opfyldte QC-kriterier
Først indsendt, der opfyldte QC-kriterier
Først opslået (Faktiske)
Først opslået
Opdateringer af undersøgelsesjournaler
Sidste opdatering sendt (Faktiske)
Sidste opdatering sendt
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
Sidst verificeret
Sidst verificeret
Mere information
Begreber relateret til denne undersøgelse
Yderligere relevante MeSH-vilkår
Andre undersøgelses-id-numre
Andre undersøgelses-id-numre
- Predict + Protect Study
Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter
Studerer et amerikansk FDA-reguleret lægemiddelprodukt
Studerer et amerikansk FDA-reguleret enhedsprodukt
Disse oplysninger blev hentet direkte fra webstedet clinicaltrials.gov uden ændringer. Hvis du har nogen anmodninger om at ændre, fjerne eller opdatere dine undersøgelsesoplysninger, bedes du kontakte register@clinicaltrials.gov. Så snart en ændring er implementeret på clinicaltrials.gov, vil denne også blive opdateret automatisk på vores hjemmeside .