Verwendung von Smart Watches zur Erkennung und Überwachung von COVID-19 (CovIdentify)
Studienübersicht
Status
Detaillierte Beschreibung
DUHS-Patienten, bei denen innerhalb der letzten 5 Jahre diagnostische Tests auf Influenza, COVID-19, Respiratory Syncytial Virus und Rhinovirus durchgeführt wurden, werden zunächst auf eine E-Mail-Adresse überprüft. Die Teilnehmer erfahren per E-Mail mehr über diese Studie und erhalten einen Link zum Ausfüllen der Umfrage. Für alle Personen mit einer E-Mail-Adresse wird eine Studien-ID generiert.
Die Teilnehmer werden gebeten, über eine REDCap-Umfrage eine elektronische Einwilligung auszufüllen. Wenn Teilnehmer Fragen haben, erhalten sie per E-Mail Kontaktinformationen zum Studium. Die Teilnehmer füllen die Umfrage aus, in der Fragen zu früheren Symptomen und zum Besitz des Geräts gestellt werden (voraussichtliche Bearbeitungszeit: 5 Minuten). Wenn der Teilnehmer eines der folgenden tragbaren Geräte (Fitbit, Garmin oder Apple Watch) besitzt, wird er an eine Weiterleitungs-URL weitergeleitet, um sich bei seinem Gerätekonto anzumelden (für Fitbit oder Garmin) oder erhält Anweisungen zum Exportieren seiner Healthkit-Daten und speichern Sie ihre Daten in einem einzigartigen Strongbox-Link (für Apple Watch). Wenn sich Teilnehmer dafür entscheiden, die Daten ihrer tragbaren Geräte in die Studie einzubringen und die erhaltenen Daten die Datenqualitätsschwellenwerte überschreiten, erhalten sie eine Entschädigung. Es gibt keine Vergütung für die Teilnahme an der Umfrage. Die Ermittler werden die Teilnehmer fragen, ob sie für zukünftige Studien im Zusammenhang mit diesem Projekt erneut kontaktiert werden möchten.
Die Ermittler sammeln Endpunktdatenwerte vom Wearable. Diese Daten werden verwendet, um die täglichen Aktivitätsmengen und -intensitäten (z. B. Bewegung und Gehen), Stehen, Schlafmengen, Schlafqualität, Herzfrequenzvariabilität, SpO2, Atemfrequenz und Herzfrequenz abzuschätzen. Alle tragbaren Gerätedaten werden anhand einer Studien-ID identifiziert.
Die Forscher werden statistische und maschinelle Lernmodelle verwenden, um personalisierte „Basis“-Gesundheitsmodelle zu entwickeln und Anomalien zu erkennen, die bei der Identifizierung einer COVID-19-Infektion helfen können. Die Forscher werden die Sensitivität und Spezifität unseres Modus zur Erkennung von Atemwegsinfektionen im Vergleich zu keiner Infektion anhand von Symptomerhebungen und diagnostischen Tests als Grundwahrheit validieren und testen. Die Modellprüfung und -validierung wird für jede Gerätemarke separat durchgeführt und je nach Art der Atemwegsinfektion weiter modifiziert.
Studientyp
Einschreibung (Tatsächlich)
Kontakte und Standorte
Studienorte
-
-
North Carolina
-
Durham, North Carolina, Vereinigte Staaten, 27705
- Duke University
-
-
Teilnahmekriterien
Zulassungskriterien
Studienberechtigtes Alter
Akzeptiert gesunde Freiwillige
Probenahmeverfahren
Studienpopulation
Beschreibung
Einschlusskriterien:
- 18 Jahre und älter
Ausschlusskriterien:
- Unter 18 Jahren
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
- Beobachtungsmodelle: Sonstiges
- Zeitperspektiven: Interessent
Kohorten und Interventionen
Gruppe / Kohorte |
|---|
|
Erwachsene ab 18 Jahren
Für die Studie wird jeder Erwachsene über 18 Jahren rekrutiert.
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Entwickeln Sie ein Prognosemodell, um den Ausbruch einer Infektion vor dem Auftreten der Symptome vorherzusagen, indem Sie die Zeitspanne zwischen dem bekannten Symptombeginn und den Testdaten verwenden
Zeitfenster: 18 Monate
|
Bekannte Symptome und Testdaten dienen zur Validierung des Modells
|
18 Monate
|
Sekundäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Stellen Sie fest, ob es Signalunterschiede gibt, die die Art der Atemwegsinfektion unterscheiden können (z. B. COVID-19 vs. Influenza).
Zeitfenster: 18 Monate
|
18 Monate
|
|
|
Prozentsatz der fehlenden Daten des tragbaren Geräts
Zeitfenster: 18 Monate
|
Wird verwendet, um die Leistung des Prognosemodells zu bestimmen.
|
18 Monate
|
|
Bestimmen Sie die Leistung des Prognosemodells für einen neuen Virusstamm durch Transferlernen
Zeitfenster: 18 Monate
|
18 Monate
|
|
|
Stellen Sie fest, ob es physiologische Unterschiede zwischen Erstinfektion und Reinfektion gibt
Zeitfenster: 18 Monate
|
18 Monate
|
|
|
Stellen Sie fest, ob es im Laufe der Zeit physiologische Unterschiede zwischen verschiedenen Atemwegsinfektionen gibt
Zeitfenster: 18 Monate
|
18 Monate
|
|
|
Bestimmen Sie die Leistung des Prognosemodells basierend auf der Schwere der Symptome
Zeitfenster: 18 Monate
|
18 Monate
|
Mitarbeiter und Ermittler
Sponsor
Ermittler
- Hauptermittler: Chris Woods, Duke University
- Hauptermittler: Jessilyn Dunn, Duke University
- Hauptermittler: Ryan Shaw, Duke University
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Tatsächlich)
Primärer Abschluss (Tatsächlich)
Studienabschluss (Tatsächlich)
Studienanmeldedaten
Zuerst eingereicht
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst gepostet (Tatsächlich)
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Zuletzt verifiziert
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Schlüsselwörter
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
- PRO00106404
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 .