- ICH GCP
- US Clinical Trials Registry
- Klinisk forsøg NCT07345143
Kunstig intelligens og graviditetsdiabetes
6. januar 2026 opdateret af: JOSE FERNANDO VILELA-MARTIN
Kunstig intelligens i uddannelse og overvågning af kvinder med graviditetsdiabetes
Kunstig intelligens (AI) teknologi kan assistere medicinske hold i fjernovervågning og fortsat uddannelse af kvinder med graviditetsdiabetes (GDM), hvilket potentielt kan forbedre overholdelse af interventioner og påvirke resultaterne.
En AI-fjernovervågningsmodel kaldet "overvågningsmodel for kvinder med GDM ved brug af farmakologisk terapi", skabt af ChamouDr's tekniske team, vil blive analyseret med fokus på sygdomsuddannelse, glykæmisk kontrolovervågning og terapeutiske interventioner.
Kvinder diagnosticeret med GDM inviteres til at deltage i undersøgelsen og underskrive et frit og informeret samtykkeformular.
AI-værktøjet er installeret på den gravide kvindes mobiltelefon, som modtager instruktioner til at indsamle kapillær blodglukose 6 gange dagligt i henhold til protokollen, hjemme, og rapportere resultaterne via WhatsApp til undersøgelsesværktøjet.
Algoritme genereret af AI-modellen baseret på selvovervågning af blodglukose (SMBG) informerer om diabeteskontrol i den sidste uge.
Dashboardet er tilgængeligt via en webbrowser, og signalerer: i grøn og rød for patienter med tilfredsstillende og utilfredsstillende kontrol, henholdsvis.
Således optimerer AI-modellen holdets tid i at analysere og behandle patienter passende på en simpel, omkostningseffektiv og tilgængelig måde.
Studieoversigt
Status
Tilmelding efter invitation
Betingelser
Intervention / Behandling
Detaljeret beskrivelse
AI-teknologi kan assistere medicinske team i fjernovervågning og fortsat uddannelse af kvinder med GDM.
Formål: At analysere resultaterne af anvendelsen af en AI-model i fjernovervågning og fortsat uddannelse af kvinder med GDM og farmakologisk behandling, og korrelere dem med kliniske udfald for moder-foster binomialet.
Metoder: prospektiv, longitudinel, interventionel klinisk undersøgelse godkendt af det lokale etiske udvalg.
Patienter underskrev et samtykkeskema for at deltage.
En AI-fjernovervågningsmodel kaldet "overvågningsmodel for kvinder med GDM, der anvender farmakologisk terapi," skabt af ChamouDr's tekniske team, vil blive analyseret med fokus på sygdomsuddannelse, overvågning af glykæmisk kontrol og terapeutiske interventioner.
Modellen bruger WhatsApp® gennem en struktureret chatbot og AI-ressourcer til at kommunikere med deltageren.
Sammenlignende analyser vil blive udført mellem to grupper af 100 gravide kvinder med GDM i insulinbehandling, fulgt på højrisiko-prænatalklinikken på Obstetrikafdelingen på et tertiært hospital: casegruppe, der bruger AI-modellen, versus kontrolgruppe, bestående af patienter tidligere overvåget under konventionel personlig tilsyn uden brug af denne teknologi.
Algoritme genereret af AI-modellen baseret på SMBG informerer om diabeteskontrol i den sidste uge.
Dashboardet er tilgængeligt via en webbrowser og signalerer: i grønt og rødt for patienter med henholdsvis tilfredsstillende og utilfredsstillende kontrol.
Således optimerer AI-modellen teamets tid i at analysere og behandle patienter passende på en simpel, omkostningseffektiv og tilgængelig måde.
Formål: At analysere resultaterne af anvendelsen af en AI-model i fjernovervågning og fortsat uddannelse af kvinder med GDM og farmakologisk behandling, og korrelere dem med kliniske udfald for moder-foster binomialet.
Metoder: prospektiv, longitudinel, interventionel klinisk undersøgelse godkendt af det lokale etiske udvalg.
Patienter underskrev et samtykkeskema for at deltage.
En AI-fjernovervågningsmodel kaldet "overvågningsmodel for kvinder med GDM, der anvender farmakologisk terapi," skabt af ChamouDr's tekniske team, vil blive analyseret med fokus på sygdomsuddannelse, overvågning af glykæmisk kontrol og terapeutiske interventioner.
Modellen bruger WhatsApp® gennem en struktureret chatbot og AI-ressourcer til at kommunikere med deltageren.
Sammenlignende analyser vil blive udført mellem to grupper af 100 gravide kvinder med GDM i insulinbehandling, fulgt på højrisiko-prænatalklinikken på Obstetrikafdelingen på et tertiært hospital: casegruppe, der bruger AI-modellen, versus kontrolgruppe, bestående af patienter tidligere overvåget under konventionel personlig tilsyn uden brug af denne teknologi.
Algoritme genereret af AI-modellen baseret på SMBG informerer om diabeteskontrol i den sidste uge.
Dashboardet er tilgængeligt via en webbrowser og signalerer: i grønt og rødt for patienter med henholdsvis tilfredsstillende og utilfredsstillende kontrol.
Således optimerer AI-modellen teamets tid i at analysere og behandle patienter passende på en simpel, omkostningseffektiv og tilgængelig måde.
Undersøgelsestype
Interventionel
Tilmelding (Anslået)
100
Fase
- Ikke anvendelig
Kontakter og lokationer
Dette afsnit indeholder kontaktoplysninger for dem, der udfører undersøgelsen, og oplysninger om, hvor denne undersøgelse udføres.
Studiesteder
-
-
São Paulo
-
São José do Rio Preto, São Paulo, Brasilien, 15090-000
- Fundacao Faculdade Regional de Medicina de Sao Jose do Rio Preto
-
-
Deltagelseskriterier
Forskere leder efter personer, der passer til en bestemt beskrivelse, kaldet berettigelseskriterier. Nogle eksempler på disse kriterier er en persons generelle helbredstilstand eller tidligere behandlinger.
Berettigelseskriterier
Aldre berettiget til at studere
- Voksen
Tager imod sunde frivillige
Ingen
Beskrivelse
Inklusionskriterier:
- Kvinder med gestationsdiabetes med en gestationsalder på op til 28 uger og 6 dage
- Kvinder med gestationsdiabetes, som underskriver det frie og informerede samtykkeskema
Eksklusionskriterier:
- Gestationsalder større end 28 afsluttede uger ved den første konsultation
- Deltagere med åbenlys DM (fastende glukose > 126 mg/dl eller postprandial > 200 mg/dl)
- Ukendt udfald.
Studieplan
Dette afsnit indeholder detaljer om studieplanen, herunder hvordan undersøgelsen er designet, og hvad undersøgelsen måler.
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
- Primært formål: Behandling
- Tildeling: Ikke-randomiseret
- Interventionel model: Parallel tildeling
- Maskning: Ingen (Åben etiket)
Våben og indgreb
Deltagergruppe / Arm |
Intervention / Behandling |
|---|---|
|
Eksperimentel: Enhedsgruppe: Casesgruppe (AI-modelbrug)
Kontrolgruppe - apparatgruppe.
AI-model til at overvåge blodsukkerstyring og sende undervisning til behandling af kvinder med svangerskabsdiabetes i insulinbehandling.
|
Kunstig intelligens-model gennem WhatsApp® til fjernovervågning af gestationsdiabetes under insulinbehandling, med fokus på sygdomsoplysning, overvågning af glykæmisk kontrol og terapeutiske interventioner.
Andre navne:
|
|
Ingen indgriben: Kontrolgruppe (ingen brug af AI-model)
Ingen enhedsgruppe: Kontrolgruppe - kvinder med gestationsdiabetes i insulinbehandling under konventionel behandling, uden brug af AI-modellen.
|
Hvad måler undersøgelsen?
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
fosterdød
Tidsramme: Fra randomiseringstidspunktet til fødsel (indtil 40. svangerskabsuge)
|
Fosterdød som følge af metaboliske ændringer forårsaget af graviditetsdiabetes
|
Fra randomiseringstidspunktet til fødsel (indtil 40. svangerskabsuge)
|
|
Fødselsvægt
Tidsramme: Fra randomiseringstidspunktet til fødsel (indtil 40. svangerskabsuge)
|
Fosterets fødselsvægt vurderet ved brug af en præcisionsvægt.
|
Fra randomiseringstidspunktet til fødsel (indtil 40. svangerskabsuge)
|
|
neonatal hypoglykæmi
Tidsramme: Fra randomiseringsøjeblikket til fødsel (indtil 40. graviditetsuge), og vurdering af nyfødtblodsukkerniveauer fra fødsel op til 48 timer efter fødsel.
|
Neonatal hypoglykæmi er den unormale reduktion af glukose i nyfødtes blod til niveauer, der anses for utilstrækkelige til at dække hjernens og andre vævss metaboliske behov. Plasmaglukoseparametre: < 40 mg/dL i de første 4 levetimer, < 45 mg/dL mellem 4 og 24 levetimer, Efter 24 timer, værdier < 50-60 mg/dL |
Fra randomiseringsøjeblikket til fødsel (indtil 40. graviditetsuge), og vurdering af nyfødtblodsukkerniveauer fra fødsel op til 48 timer efter fødsel.
|
|
glykemisk kontrol
Tidsramme: Fra randomiseringsøjeblikket til fødsel (indtil 40. graviditetsuge)
|
Glykemisk kontrol vil blive evalueret ud fra kapillærglukosemålinger, der tages 6 gange om dagen: fastende, før og 1 time efter måltider, i henhold til målområderne 70 til 95 mg/dL fastende; 70 til 100 mg/dL før måltid; og 100 til 140 mg/dL efter måltid.
|
Fra randomiseringsøjeblikket til fødsel (indtil 40. graviditetsuge)
|
Sekundære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
indlæggelse af den nyfødte på intensivafdelingen
Tidsramme: Fra randomiseringstidspunktet til fødsel (indtil 40. svangerskabsuge) og fra fødslen til 48 timer efter fødselen
|
Behovet for at den nyfødte indlægges på en intensivafdeling på grund af stofskiftelidelser forbundet med dårlig moderlig glykæmisk kontrol.
|
Fra randomiseringstidspunktet til fødsel (indtil 40. svangerskabsuge) og fra fødslen til 48 timer efter fødselen
|
|
moderens vægtøgning
Tidsramme: Fra randomiseringstidspunktet til fødslen (indtil 40. graviditetsuge).
|
Moders vægtøgning vurderet i løbet af graviditetsopfølgningsperioden indtil fødsel.
|
Fra randomiseringstidspunktet til fødslen (indtil 40. graviditetsuge).
|
|
svangerskabsalder ved fødsel
Tidsramme: Fra randomiseringsøjeblikket til fødsel (indtil 40. graviditetsuge).
|
Gestationsalder på tidspunktet for naturlig fødsel eller kejsersnit i uger
|
Fra randomiseringsøjeblikket til fødsel (indtil 40. graviditetsuge).
|
|
administrationsvej
Tidsramme: Fra randomiseringsøjeblikket til fødslen (indtil 40. graviditetsuge).
|
Beskrivelse af, om det var en naturlig fødsel eller et kejsersnit.
|
Fra randomiseringsøjeblikket til fødslen (indtil 40. graviditetsuge).
|
|
Blodtryk
Tidsramme: Fra randomiseringstidspunktet til fødsel (indtil 40. graviditetsuge).
|
Vurder om der er tilstedeværelse af forhøjet blodtryk, og vurder blodtryksniveauer under graviditeten og op til fødslen.
|
Fra randomiseringstidspunktet til fødsel (indtil 40. graviditetsuge).
|
Samarbejdspartnere og efterforskere
Det er her, du vil finde personer og organisationer, der er involveret i denne undersøgelse.
Sponsor
Efterforskere
- Ledende efterforsker: José F Vilela-Martin, MD, PhD, Hospital de Base
- Ledende efterforsker: Vanessa V Goulart, MD, MSc, Hospital de Base, Sao Jose do Rio Preto, Sao Paulo, Brazil
- Studiestol: Ligia C Junqueira, MD, Hospital de Base, Sao Jose do Rio Preto, Sao Paulo, Brazil
- Studiestol: Amanda T Lotierzo, MD, Hospital de Base, Sao Jose do Rio Preto, Sao Paulo, Brazil
- Studiestol: Carolina C Amorim, MD, Hospital de Base, Sao Jose do Rio Preto, Sao Paulo, Brazil
- Studiestol: Maria Amalia BC Cançado, MD, Hospital de Base, Sao Jose do Rio Preto, Sao Paulo, Brazil
- Studiestol: Leticia A Mantoani, student, Hospital de Base, Sao Jose do Rio Preto, Sao Paulo, Brazil
- Studiestol: Rodrigo F Zancaner, Chamoudr company
- Studiestol: Rafael Beolchi, Chamoudr company
- Studiestol: Lucas F Queiroz, Chamoudr company
- Studiestol: Luciana N Cosenso-Martin, MD, PhD, Hospital de Base, Sao Jose do Rio Preto, Sao Paulo, Brazil
Publikationer og nyttige links
Den person, der er ansvarlig for at indtaste oplysninger om undersøgelsen, leverer frivilligt disse publikationer. Disse kan handle om alt relateret til undersøgelsen.
Generelle publikationer
- HAPO Study Cooperative Research Group; Metzger BE, Lowe LP, Dyer AR, Trimble ER, Chaovarindr U, Coustan DR, Hadden DR, McCance DR, Hod M, McIntyre HD, Oats JJ, Persson B, Rogers MS, Sacks DA. Hyperglycemia and adverse pregnancy outcomes. N Engl J Med. 2008 May 8;358(19):1991-2002. doi: 10.1056/NEJMoa0707943.
- Sweeting A, Wong J, Murphy HR, Ross GP. A Clinical Update on Gestational Diabetes Mellitus. Endocr Rev. 2022 Sep 26;43(5):763-793. doi: 10.1210/endrev/bnac003.
- Grunebaum A, Chervenak J, Pollet SL, Katz A, Chervenak FA. The exciting potential for ChatGPT in obstetrics and gynecology. Am J Obstet Gynecol. 2023 Jun;228(6):696-705. doi: 10.1016/j.ajog.2023.03.009. Epub 2023 Mar 15.
- Ye W, Luo C, Huang J, Li C, Liu Z, Liu F. Gestational diabetes mellitus and adverse pregnancy outcomes: systematic review and meta-analysis. BMJ. 2022 May 25;377:e067946. doi: 10.1136/bmj-2021-067946.
- Dhombres F, Bonnard J, Bailly K, Maurice P, Papageorghiou AT, Jouannic JM. Contributions of Artificial Intelligence Reported in Obstetrics and Gynecology Journals: Systematic Review. J Med Internet Res. 2022 Apr 20;24(4):e35465. doi: 10.2196/35465.
- Akazawa M, Hashimoto K. Artificial intelligence in gynecologic cancers: Current status and future challenges - A systematic review. Artif Intell Med. 2021 Oct;120:102164. doi: 10.1016/j.artmed.2021.102164. Epub 2021 Sep 3.
- Mistry SK, Das Gupta R, Alam S, Kaur K, Shamim AA, Puthussery S. Gestational diabetes mellitus (GDM) and adverse pregnancy outcome in South Asia: A systematic review. Endocrinol Diabetes Metab. 2021 Oct;4(4):e00285. doi: 10.1002/edm2.285. Epub 2021 Jul 3.
- Ugwudike B, Kwok M. Update on gestational diabetes and adverse pregnancy outcomes. Curr Opin Obstet Gynecol. 2023 Oct 1;35(5):453-459. doi: 10.1097/GCO.0000000000000901. Epub 2023 Aug 9.
Datoer for undersøgelser
Disse datoer sporer fremskridtene for indsendelser af undersøgelsesrekord og resumeresultater til ClinicalTrials.gov. Studieregistreringer og rapporterede resultater gennemgås af National Library of Medicine (NLM) for at sikre, at de opfylder specifikke kvalitetskontrolstandarder, før de offentliggøres på den offentlige hjemmeside.
Studer store datoer
Studiestart (Faktiske)
1. juni 2024
Primær færdiggørelse (Anslået)
20. december 2026
Studieafslutning (Anslået)
20. december 2027
Datoer for studieregistrering
Først indsendt
13. november 2025
Først indsendt, der opfyldte QC-kriterier
6. januar 2026
Først opslået (Faktiske)
15. januar 2026
Opdateringer af undersøgelsesjournaler
Sidste opdatering sendt (Faktiske)
15. januar 2026
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
6. januar 2026
Sidst verificeret
1. januar 2025
Mere information
Begreber relateret til denne undersøgelse
Yderligere relevante MeSH-vilkår
- Urogenitale sygdomme
- Sygdomme i det endokrine system
- Kvinders urogenitale sygdomme og graviditetskomplikationer
- Metaboliske sygdomme
- Kropsvægt
- Graviditetskomplikationer
- Glukosemetabolismeforstyrrelser
- Diabetes mellitus
- Fostersygdomme
- Diabetes komplikationer
- Graviditet hos diabetikere
- Fødselsvægt
- Medfødte, arvelige og neonatale sygdomme og abnormiteter
- Patologiske tilstande, tegn og symptomer
- Ernæringsmæssige og metaboliske sygdomme
- Tegn og symptomer
- Diabetes, svangerskabssyge
- Fostermakrosomi
- Algoritmer
- Matematiske koncepter
- Kunstig intelligens
Andre undersøgelses-id-numre
- 78204024.6.0000.5415.
Plan for individuelle deltagerdata (IPD)
Planlægger du at dele individuelle deltagerdata (IPD)?
UBESLUTET
Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter
Studerer et amerikansk FDA-reguleret lægemiddelprodukt
Ingen
Studerer et amerikansk FDA-reguleret enhedsprodukt
Ingen
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 .
Kliniske forsøg med Svangerskabsdiabetes
-
GOG FoundationNational Cancer Institute (NCI)AfsluttetHydatidiform muldvarp | Choriocarcinom | FIGO Stage I Gestational trofoblastisk tumor | FIGO Stage II Gestational trofoblastisk tumor | FIGO Stage III Gestational trofoblastisk tumorForenede Stater, Korea, Republikken, Canada, Japan, Det Forenede Kongerige
-
xiang yangAktiv, ikke rekrutterendeGestationel trofoblastisk tumor | Gestationel trofoblastisk neoplasi | Choriocarcinom | Fase I Gestational trofoblastisk tumor | Fase II Gestational trofoblastisk tumor | Fase III Gestational trofoblastisk tumor | Invasiv muldvarpKina
-
Azienda Ospedaliero Universitaria Maggiore della...AfsluttetKardiovaskulære abnormiteter | Lille-til-gestational alderItalien
-
Carmel Medical CenterUkendtMissed Abort | Ufuldstændig abort | Uterin Gestational Rester | Uterin arterie DopplerIsrael
-
Centre Hospitalier Universitaire de BesanconUniversity Hospital, Strasbourg, France; Centre Hospitalier Universitaire... og andre samarbejdspartnereUkendtIntrauterin vækstrestriktion | Lille-til-gestational alder
-
Women and Infants Hospital of Rhode IslandIkke rekrutterer endnuSvangerskabsdiabetes | Lille-til-gestational alder | Neonatal hypoglykæmi | Maternel fedme komplicerer graviditet | Stor-for-gestational alder
-
Sansum Diabetes Research InstituteAfsluttetDiabetes mellitus, type 2 | Diabetes Mel Gestational - under graviditetForenede Stater
-
Johns Hopkins Bloomberg School of Public HealthJiVitA Project, Gaibandha, BangladeshAfsluttetFor tidlig fødsel | Fødselsvægt | Abort | Lille-til-gestational alderBangladesh
-
Johns Hopkins Bloomberg School of Public HealthEunice Kennedy Shriver National Institute of Child Health and Human Development...Ikke rekrutterer endnuFor tidlig fødsel | Lav fødselsvægt | Periodontal sygdom | Lille-til-gestational alder | Small Vulnerable Newborn
-
PfizerAfsluttetShort Statur Born Small for Gestational Age (SGA)Japan