Prädiktives A1c basierend auf CGM-Daten unter Verwendung von CGM-Daten (A1c)
Die Vorhersage von A1c basierend auf CGM-Daten durch die Anwendung von Ansätzen des maschinellen Lernens
Einführung. Das Hämoglobin A1C (HbA1c) spiegelt den durchschnittlichen Blutzuckerspiegel der letzten zwei bis drei Monate wider. Jüngste Fortschritte in der Sensortechnologie erleichtern die tägliche Überwachung des Blutzuckers mit CGM-Geräten. Die zukünftige Vorhersage des HbA1C auf der Grundlage der CGM-Daten ist von entscheidender Bedeutung für die langfristige Erhaltung der Gesundheit von Diabetespatienten. Ein über dem Normalwert liegender HbA1c-Wert erhöht die Wahrscheinlichkeit einer diabetesbedingten Herz-Kreislauf-Erkrankung erheblich.
Ziel. Das Ziel dieser Studie ist es, den HbA1c im Voraus vorherzusagen, indem die CGM-Daten durch die Anwendung maschineller Lerntechniken genutzt werden. Die Ergebnisse dieser Forschung werden dazu beitragen, die Gesundheit von Diabetikern zu verbessern.
Methoden. Dies ist eine retrospektive Analyse. Die Forscher werden 120 Patienten mit T1D, die in den letzten drei Monaten den CGM-Sensor verwendet haben, deidentifizieren und analysieren. Die CGM-Daten der letzten 15 Tage werden analysiert und verschiedene Glukosevariabilitätsmerkmale wie Time in Range (TIR), Variationskoeffizient (CV), mittlere Amplitude der glykämischen Exkursion (MAGE), Mittelwert der täglichen Differenzen (MODD) und kontinuierliches Gesamtnetz analysiert glykämische Wirkung (CONGA) wird extrahiert. Ein maschinelles Lernmodell berechnet (prognostiziert) HbA1c zwei bis drei Monate im Voraus auf der Grundlage dieser 15 Tage an CGM-Daten. Um die Leistung des vorgeschlagenen Vorhersagemodells zu bewerten, wird der vorhergesagte HbA1c mit dem tatsächlichen HbA1c verglichen.
Studienübersicht
Status
Status
Bedingungen
Bedingungen
Intervention / Behandlung
Intervention / Behandlung
Detaillierte Beschreibung
Studientyp
Studientyp
Einschreibung (Tatsächlich)
Einschreibung
Kontakte und Standorte
Studienorte
-
-
Qa
-
Doha, Qa, Katar, 26999
- Sidra Medicine
-
-
Teilnahmekriterien
Zulassungskriterien
Zulassungskriterien
Studienberechtigtes Alter
Akzeptiert gesunde Freiwillige
Studienberechtigte Geschlechter
Probenahmeverfahren
Studienpopulation
Beschreibung
Einschlusskriterien:
- Diabetes Typ 1
- Flash-Glukose-Überwachungssystem
Ausschlusskriterien:
- Weniger als 70 % der CGM-Daten in den letzten 90 Tagen.
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
Was misst die Studie?
Primäre Ergebnismessungen
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Der Unterschied zwischen dem prädiktiven A1c-Wert aus CGM-Daten und dem tatsächlichen A1c-Wert aus EMR
Zeitfenster: 3 Monate
|
Differenz (%) zwischen dem vorhergesagten HbA1c und dem Labor-HbA1c aus der elektronischen Krankenakte
|
3 Monate
|
Mitarbeiter und Ermittler
Sponsor
Sponsor
Ermittler
Ermittler
- Hauptermittler: Marwa Qaraqe, PhD, Hamad Bin Khalifa University, Doha
- Hauptermittler: Hasan Abbas, PhD, TAMUQ, Doha
Publikationen und hilfreiche Links
Allgemeine Veröffentlichungen
- Alberti KG, Zimmet PZ. Definition, diagnosis and classification of diabetes mellitus and its complications. Part 1: diagnosis and classification of diabetes mellitus provisional report of a WHO consultation. Diabet Med. 1998 Jul;15(7):539-53. doi: 10.1002/(SICI)1096-9136(199807)15:73.0.CO;2-S.
- Ball MJ, Lillis J. E-health: transforming the physician/patient relationship. Int J Med Inform. 2001 Apr;61(1):1-10. doi: 10.1016/s1386-5056(00)00130-1.
- Ogurtsova K, da Rocha Fernandes JD, Huang Y, Linnenkamp U, Guariguata L, Cho NH, Cavan D, Shaw JE, Makaroff LE. IDF Diabetes Atlas: Global estimates for the prevalence of diabetes for 2015 and 2040. Diabetes Res Clin Pract. 2017 Jun;128:40-50. doi: 10.1016/j.diabres.2017.03.024. Epub 2017 Mar 31.
- Rohlfing CL, Wiedmeyer HM, Little RR, England JD, Tennill A, Goldstein DE. Defining the relationship between plasma glucose and HbA(1c): analysis of glucose profiles and HbA(1c) in the Diabetes Control and Complications Trial. Diabetes Care. 2002 Feb;25(2):275-8. doi: 10.2337/diacare.25.2.275.
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Tatsächlich)
Studienbeginn
Primärer Abschluss (Tatsächlich)
Primärer Abschluss
Studienabschluss (Tatsächlich)
Studienabschluss
Studienanmeldedaten
Zuerst eingereicht
Zuerst eingereicht
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst gepostet (Tatsächlich)
Zuerst gepostet
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
Letztes Update gepostet
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Zuletzt verifiziert
Zuletzt verifiziert
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
Andere Studien-ID-Nummern
- 2019003271
Plan für individuelle Teilnehmerdaten (IPD)
Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?
Arzneimittel- und Geräteinformationen, Studienunterlagen
Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt
Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt
Diese Informationen wurden ohne Änderungen direkt von der Website clinicaltrials.gov abgerufen. Wenn Sie Ihre Studiendaten ändern, entfernen oder aktualisieren möchten, wenden Sie sich bitte an register@clinicaltrials.gov. Sobald eine Änderung auf clinicaltrials.gov implementiert wird, wird diese automatisch auch auf unserer Website aktualisiert .