- ICH GCP
- US-Register für klinische Studien
- Klinische Studie NCT05090995
Eine sensorbasierte PPG-Feedback-Intervention für stark trinkende junge Erwachsene
Eine auf Photoplethysmographie-Sensoren basierende personalisierte Feedback-Intervention für junge Erwachsene mit starkem Alkoholkonsum, die auf Herzfrequenzvariabilität, Ruheherzfrequenz und Schlaf abzielt
Studienübersicht
Status
Bedingungen
Intervention / Behandlung
Detaillierte Beschreibung
Studientyp
Einschreibung (Tatsächlich)
Phase
- Unzutreffend
Kontakte und Standorte
Studienorte
-
-
Connecticut
-
New Haven, Connecticut, Vereinigte Staaten, 06510
- Yale University
-
-
Teilnahmekriterien
Zulassungskriterien
Studienberechtigtes Alter
Akzeptiert gesunde Freiwillige
Beschreibung
Einschlusskriterien:
- 18-25 Jahre alt
- Melden Sie ≥ 4 schwere Trinkgelegenheiten in den letzten 28 Tagen
- Report Alcohol Use Disorders Identification Test-Consumption (AUDIT-C) Scores, die auf das Risiko von Alkoholschäden hinweisen
- Englisch sprechend
- Haben Sie ein persönliches Smartphone
Ausschlusskriterien:
- Geschichte der Schlafstörung
- Nacht-/Wechselschicht
- Reisen Sie zwei oder mehr Zeitzonen im Monat vor der Studie oder reisen Sie voraussichtlich zwei- oder öfter während der Studienteilnahme
- Klinisch schweres AUD in den letzten 12 Monaten
- Derzeit in Alkohol- oder Schlafbehandlung eingeschrieben
- Aktuelle, schwere psychiatrische Erkrankung
- Aktuelle DSM-V-Substanzstörung
- Positiver Drogentest im Urin auf eine andere Substanz als Marihuana
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
- Hauptzweck: Behandlung
- Zuteilung: Zufällig
- Interventionsmodell: Parallele Zuordnung
- Maskierung: Single
Waffen und Interventionen
Teilnehmergruppe / Arm |
Intervention / Behandlung |
|---|---|
|
Aktiver Komparator: Selbstüberwachung und Feedback
Die Intervention besteht aus Probanden, die 6 Wochen lang ein PPG-Gerät tragen.
Die Probanden überwachen ihre eigene Gesundheit und berichten während dieser Zeit täglich über ihr Schlafverhalten.
In den Wochen zwei, vier und sechs erhalten die Probanden personalisiertes Gesundheitsfeedback basierend auf den PPG-Gerätedaten und Schlaftagebüchern.
|
Kurze Gesundheitsintervention zum Selbstmanagement, die eine passive tägliche Gesundheitsüberwachung mit einem PPG-Sensor, eine aktive Selbstüberwachung von Gesundheit und Verhalten mit täglichen Tagebüchern und die Bereitstellung von personalisiertem Gesundheitsfeedback und -ratschlägen umfasst.
|
|
Placebo-Komparator: Selbstüberwachung
Die Intervention besteht aus Probanden, die 6 Wochen lang ein PPG-Gerät tragen.
Die Probanden überwachen ihre eigene Gesundheit und berichten während dieser Zeit täglich über ihr Schlafverhalten.
|
Kurze Gesundheitsintervention zum Selbstmanagement, die eine passive tägliche Gesundheitsüberwachung mit einem PPG-Sensor und eine aktive Selbstüberwachung von Gesundheit und Verhalten mit täglichen Tagebüchern umfasst.
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Insgesamt konsumierte Getränke
Zeitfenster: bis Woche 10
|
Die insgesamt konsumierten Getränke werden mithilfe des Time Line Followback Interviews zu Studienbeginn, in Woche 6 und Woche 10 gemessen.
In diesem standardisierten Interview werden die Probanden gebeten, selbst anzugeben, wie viele Getränke sie in den letzten 4 Wochen zu Studienbeginn und dann seit dem letzten Bewertungszeitpunkt in den Wochen 6 und 10 täglich konsumiert haben.
Höhere Werte deuten auf eine größere Anzahl konsumierter Getränke hin.
Die Gesamtgetränkemenge wird über die letzten 4 Wochen bei Einnahme, Woche 6 und Woche 10 summiert.
Die Summen wurden mithilfe einer Quadratwurzeltransformation transformiert, da diese Werte nicht normalverteilt waren.
Anschließend wurden Modelle mit gemischten Effekten durchgeführt, um die Auswirkung des Zustands auf die Gesamtgetränke im Laufe der Zeit zu bewerten, wobei Zustand, Zeit und deren Wechselwirkung im Modell sowie Geschlecht und Gesamtgetränke zu Beginn als Kovariaten dienten.
|
bis Woche 10
|
Sekundäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Getränke pro Trinktag
Zeitfenster: bis zu 10 Wochen
|
Die Gesamtmenge an Getränken pro Trinktag wird mithilfe des Time Line Followback Interviews zu Studienbeginn, in Woche 6 und Woche 10 gemessen. Die gesamten Getränke/Trinktage werden über die letzten 4 Wochen bei Einnahme, Woche 6 und Woche 10 summiert. Die Summen wurden mithilfe einer Quadratwurzeltransformation transformiert, da diese Werte nicht normalverteilt waren. Anschließend wurden Modelle mit gemischten Effekten durchgeführt, um die Auswirkung des Zustands auf die Gesamtmenge an Getränken/Trinktag im Laufe der Zeit zu bewerten, wobei Zustand, Zeit und deren Wechselwirkung im Modell sowie Geschlecht und Basisgetränke pro Trinktag als Kovariaten dienten. Dieses Tool fordert die Probanden auf, selbst anzugeben, wie viele Getränke sie in einem Zeitraum von einem Monat konsumieren. Der Wert dieser Messung wird durch die Menge des selbst gemeldeten Alkoholkonsums bestimmt, der jeden Tag stattgefunden hat. An einem Tag mit starkem Alkoholkonsum wären es für einen Mann ≥5 Getränke pro Sitzung und für eine Frau ≥4 Getränke pro Sitzung. |
bis zu 10 Wochen
|
|
Prozent der Tage mit starkem Alkoholkonsum
Zeitfenster: bis zu 10 Wochen
|
Der selbst gemeldete Prozentsatz an Tagen mit starkem Alkoholkonsum wird mithilfe des Time Line Followback Interviews zu Studienbeginn, in Woche 6 und in Woche 10 gemessen.
Bei dieser standardisierten Befragung werden die Probanden gebeten, zu Beginn der Studie und dann seit dem letzten Beurteilungszeitpunkt in den Wochen 6 und 10 selbst über Fälle von starkem Alkoholkonsum in den letzten 4 Wochen zu berichten, definiert als ≥5 Getränke pro Sitzung und für eine Frau wären es ≥4 Getränke pro Sitzung Sitzung.
Höhere Werte weisen auf einen größeren Prozentsatz an Tagen mit starkem Alkoholkonsum hin.
Der Prozentsatz der Tage mit starkem Alkoholkonsum wird über die letzten 4 Wochen bei Einnahme, Woche 6 und Woche 10 summiert.
Anschließend wurden Modelle mit gemischten Effekten durchgeführt, um die Auswirkung des Zustands auf den Prozentsatz der Tage mit starkem Alkoholkonsum im Laufe der Zeit zu bewerten, wobei der Zustand, die Zeit und ihre Wechselwirkung im Modell sowie das Geschlecht und der Ausgangsprozentsatz an Tagen mit starkem Alkoholkonsum als Kovariaten dienten.
|
bis zu 10 Wochen
|
|
Prozent abstinente Tage
Zeitfenster: bis zu 10 Wochen
|
Der selbst gemeldete Prozentsatz der Abstinenztage wird anhand des Timeline Followback Interviews zu Studienbeginn, in Woche 6 und Woche 10 gemessen.
In diesem standardisierten Interview werden die Probanden aufgefordert, selbst anzugeben, wie viele Tage sie in den letzten 4 Wochen zu Studienbeginn und dann seit dem letzten Beurteilungszeitpunkt in den Wochen 6 und 10 jeden Tag keinen Alkohol konsumiert haben.
Höhere Werte weisen auf einen größeren Prozentsatz abstinenter Tage hin.
Der Prozentsatz der abstinenten Tage wird über die letzten 4 Wochen bei Einnahme, Woche 6 und Woche 10 summiert.
Anschließend wurden Modelle mit gemischten Effekten durchgeführt, um die Auswirkung der Erkrankung auf den Prozentsatz der Abstinenztage im Laufe der Zeit zu bewerten, wobei die Erkrankung, die Zeit und ihre Wechselwirkung im Modell sowie das Geschlecht und der Ausgangsprozentsatz der Abstinenztage als Kovariaten dienten.
|
bis zu 10 Wochen
|
|
Alkoholbedingte Folgen
Zeitfenster: Grundlinie, Woche 6 und Woche 10
|
Die mittleren alkoholbedingten Folgen wurden anhand des kurzen Fragebogens zu Alkoholfolgen bei jungen Erwachsenen zu Studienbeginn, in Woche 6 und in Woche 10 gemessen.
Jede Konsequenz wird mit 1 Punkt bewertet und die Gesamtpunktzahl spiegelt die Gesamtzahl der Konsequenzen wider.
Höhere Werte deuteten auf mehr Konsequenzen hin. Gesamtpunktzahl liegt zwischen 0 und 24.
Die drei Zeitpunkte werden summiert und dann gemittelt.
Anschließend wurden Modelle mit gemischten Effekten durchgeführt, um die Auswirkung der Bedingung auf die Folgen im Zeitverlauf zu bewerten, wobei Bedingung, Zeit und ihre Interaktion im Modell sowie Geschlecht und Grundfolgen als Kovariaten dienten.
|
Grundlinie, Woche 6 und Woche 10
|
|
Schlafqualität
Zeitfenster: Grundlinie und Woche 10
|
Die durchschnittliche Schlafqualität wird mithilfe der Bewertung PROMIS – Sleep Disturbance Form 8 gemessen.
Die Schlafstörungsbeurteilung besteht aus 8 Fragen, die eine Gesamtpunktzahl (Summenpunktzahl) ergeben.
Dieser Rohwert wird dann in einen standardisierten T-Wert von 0–100 mit einem Durchschnittswert von 50 umgewandelt.
Ein Wert über dem Mittelwert würde darauf hinweisen, dass die Schlafqualität der Person schlechter ist.
Anschließend wurden Modelle mit gemischten Effekten durchgeführt, um die Auswirkung des Zustands auf die Schlafqualität im Laufe der Zeit zu bewerten, wobei Zustand, Zeit und ihre Interaktion im Modell sowie Geschlecht und Grundschlafqualität als Kovariaten dienten.
|
Grundlinie und Woche 10
|
|
Schlafbedingte Beeinträchtigung
Zeitfenster: Grundlinie und Woche 10
|
Die durchschnittliche Schlafqualität wird mithilfe der Bewertung PROMIS – Sleep-Related Impairment Form 8 gemessen.
Die Schlafbeeinträchtigungsbeurteilung umfasst 8 Fragen, die eine Gesamtpunktzahl (Summenpunktzahl) ergeben.
Dieser Rohwert wird dann in einen standardisierten T-Wert von 0–100 mit einem Durchschnittswert von 50 umgewandelt.
Ein über dem Mittelwert liegender Wert würde darauf hinweisen, dass die Person stärker unter schlafbezogenen Beeinträchtigungen leidet.
Anschließend wurden Modelle mit gemischten Effekten durchgeführt, um die Auswirkung des Zustands auf schlafbezogene Beeinträchtigungen im Laufe der Zeit zu bewerten, wobei Zustand, Zeit und ihre Wechselwirkung im Modell sowie Geschlecht und schlafbezogene Beeinträchtigung zu Beginn als Kovariaten dienten.
|
Grundlinie und Woche 10
|
|
Schlafdauer
Zeitfenster: bis zu 6 Wochen
|
Die durchschnittliche Schlafdauer wird 6 Wochen lang täglich vom PPG-Gerät gemessen.
Die Schlafdauer wird dann in 2-wöchigen Intervallen in den Wochen 2, 4 und 6 gemittelt und über die Zeit unter Verwendung von Mixed-Effects-Modellen mit Zustand, Zeit und deren Interaktion im Modell und Geschlecht sowie einer Indikatorvariablen von Wochentag vs. Wochenende ausgewertet Kovariaten.
Die Schlafdauer wurde mithilfe einer Quadratwurzeltransformation transformiert.
|
bis zu 6 Wochen
|
|
Herzfrequenzvariabilität (HRV)
Zeitfenster: bis zu 6 Wochen
|
Die Herzfrequenzvariabilität (HRV) wird 6 Wochen lang täglich vom PPG-Gerät gemessen.
Die HRV wird dann in 2-wöchigen Intervallen in den Wochen 2, 4 und 6 gemittelt und über die Zeit unter Verwendung von Mixed-Effects-Modellen mit Zustand, Zeit und deren Interaktion im Modell und Geschlecht sowie einer Indikatorvariablen von Wochentag vs. Wochenende als Kovariaten ausgewertet .
Die Schlafdauer wurde mithilfe einer Log-Transformation transformiert.
|
bis zu 6 Wochen
|
|
Niedrigste Ruheherzfrequenz (RHR)
Zeitfenster: bis zu 6 Wochen
|
Die niedrigste Ruheherzfrequenz (RHR) wird 6 Wochen lang täglich vom PPG-Gerät gemessen.
Der niedrigste Wert wird dann in 2-Wochen-Intervallen in den Wochen 2, 4 und 6 gemittelt und über die Zeit unter Verwendung von Mixed-Effects-Modellen mit Zustand, Zeit und deren Interaktion im Modell und Geschlecht sowie einer Indikatorvariablen von Wochentag vs. Wochenende ausgewertet als Kovariaten.
Die Schlafdauer wurde mithilfe einer Log-Transformation transformiert.
Die RHR kann zwischen 40 und 100 Schlägen pro Minute variieren.
Eine niedrigere RHR würde auf eine bessere Herz-Kreislauf-Gesundheit hinweisen.
|
bis zu 6 Wochen
|
Mitarbeiter und Ermittler
Sponsor
Ermittler
- Hauptermittler: Lisa Fucito, PhD, Associate Professor of Psychiatry; Director, Tobacco Treatment Service, Psychiatry
Publikationen und hilfreiche Links
Allgemeine Veröffentlichungen
- Craig CL, Marshall AL, Sjostrom M, Bauman AE, Booth ML, Ainsworth BE, Pratt M, Ekelund U, Yngve A, Sallis JF, Oja P. International physical activity questionnaire: 12-country reliability and validity. Med Sci Sports Exerc. 2003 Aug;35(8):1381-95. doi: 10.1249/01.MSS.0000078924.61453.FB.
- Beauchaine TP, Thayer JF. Heart rate variability as a transdiagnostic biomarker of psychopathology. Int J Psychophysiol. 2015 Nov;98(2 Pt 2):338-350. doi: 10.1016/j.ijpsycho.2015.08.004. Epub 2015 Aug 11.
- Hernando D, Roca S, Sancho J, Alesanco A, Bailon R. Validation of the Apple Watch for Heart Rate Variability Measurements during Relax and Mental Stress in Healthy Subjects. Sensors (Basel). 2018 Aug 10;18(8):2619. doi: 10.3390/s18082619.
- Yu L, Buysse DJ, Germain A, Moul DE, Stover A, Dodds NE, Johnston KL, Pilkonis PA. Development of short forms from the PROMIS sleep disturbance and Sleep-Related Impairment item banks. Behav Sleep Med. 2011 Dec 28;10(1):6-24. doi: 10.1080/15402002.2012.636266.
- Pilkonis PA, Choi SW, Reise SP, Stover AM, Riley WT, Cella D; PROMIS Cooperative Group. Item banks for measuring emotional distress from the Patient-Reported Outcomes Measurement Information System (PROMIS(R)): depression, anxiety, and anger. Assessment. 2011 Sep;18(3):263-83. doi: 10.1177/1073191111411667. Epub 2011 Jun 21.
- Liu Y, Wheaton AG, Chapman DP, Cunningham TJ, Lu H, Croft JB. Prevalence of Healthy Sleep Duration among Adults--United States, 2014. MMWR Morb Mortal Wkly Rep. 2016 Feb 19;65(6):137-41. doi: 10.15585/mmwr.mm6506a1.
- Thayer JF, Ahs F, Fredrikson M, Sollers JJ 3rd, Wager TD. A meta-analysis of heart rate variability and neuroimaging studies: implications for heart rate variability as a marker of stress and health. Neurosci Biobehav Rev. 2012 Feb;36(2):747-56. doi: 10.1016/j.neubiorev.2011.11.009. Epub 2011 Dec 8.
- Stein PK, Pu Y. Heart rate variability, sleep and sleep disorders. Sleep Med Rev. 2012 Feb;16(1):47-66. doi: 10.1016/j.smrv.2011.02.005. Epub 2011 Jun 11.
- Kinnunen H, Rantanen A, Kentta T, Koskimaki H. Feasible assessment of recovery and cardiovascular health: accuracy of nocturnal HR and HRV assessed via ring PPG in comparison to medical grade ECG. Physiol Meas. 2020 May 7;41(4):04NT01. doi: 10.1088/1361-6579/ab840a.
- Leyro TM, Buckman JF, Bates ME. Theoretical implications and clinical support for heart rate variability biofeedback for substance use disorders. Curr Opin Psychol. 2019 Dec;30:92-97. doi: 10.1016/j.copsyc.2019.03.008. Epub 2019 Apr 2.
- Stepanski EJ, Wyatt JK. Use of sleep hygiene in the treatment of insomnia. Sleep Med Rev. 2003 Jun;7(3):215-25. doi: 10.1053/smrv.2001.0246.
- Kaner EF, Beyer FR, Muirhead C, Campbell F, Pienaar ED, Bertholet N, Daeppen JB, Saunders JB, Burnand B. Effectiveness of brief alcohol interventions in primary care populations. Cochrane Database Syst Rev. 2018 Feb 24;2(2):CD004148. doi: 10.1002/14651858.CD004148.pub4.
- Prinsloo GE, Rauch HG, Derman WE. A brief review and clinical application of heart rate variability biofeedback in sports, exercise, and rehabilitation medicine. Phys Sportsmed. 2014 May;42(2):88-99. doi: 10.3810/psm.2014.05.2061.
- Monk TH, Reynolds CF, Kupfer DJ, Buysse DJ, Coble PA, Hayes AJ, MacHen MA, Petrie SR, Ritenour AM. The Pittsburgh Sleep Diary. J Sleep Res. 1994 Jun;3(2):111-120.
- Buscemi J, Murphy JG, Martens MP, McDevitt-Murphy ME, Dennhardt AA, Skidmore JR. Help-seeking for alcohol-related problems in college students: correlates and preferred resources. Psychol Addict Behav. 2010 Dec;24(4):571-80. doi: 10.1037/a0021122.
- Falk D, Yi HY, Hiller-Sturmhofel S. An epidemiologic analysis of co-occurring alcohol and drug use and disorders: findings from the National Epidemiologic Survey of Alcohol and Related Conditions (NESARC). Alcohol Res Health. 2008;31(2):100-10.
- Administration, S.A.a.M.H.S. Key substance use and mental health indicators in the United States: Results from the National Survey on Drug Use and Health, Center for Behavioral Health Statistics and Quality. 2019; Available from: https://www.samhsa.gov/data/.
- Hingson RW, Zha W, Weitzman ER. Magnitude of and trends in alcohol-related mortality and morbidity among U.S. college students ages 18-24, 1998-2005. J Stud Alcohol Drugs Suppl. 2009 Jul;(16):12-20. doi: 10.15288/jsads.2009.s16.12.
- NIAAA, Alcohol involvement over the life course, E. U. S. Department of Health and Human Services, Editor. 2000 Bethesda, MD. p. p. 28-53.
- NIAAA, Alcohol and Other Drugs. Alcohol Alert, 2008. 76.
- Cronce JM, Larimer ME. Individual-focused approaches to the prevention of college student drinking. Alcohol Res Health. 2011;34(2):210-21.
- Carey KB, Scott-Sheldon LA, Carey MP, DeMartini KS. Individual-level interventions to reduce college student drinking: a meta-analytic review. Addict Behav. 2007 Nov;32(11):2469-94. doi: 10.1016/j.addbeh.2007.05.004. Epub 2007 May 17.
- Carey KB, Scott-Sheldon LA, Elliott JC, Bolles JR, Carey MP. Computer-delivered interventions to reduce college student drinking: a meta-analysis. Addiction. 2009 Nov;104(11):1807-19. doi: 10.1111/j.1360-0443.2009.02691.x. Epub 2009 Sep 10.
- Black DR, Coster DC. Interest in a stepped approach model (SAM): identification of recruitment strategies for university alcohol programs. Health Educ Q. 1996 Feb;23(1):98-114. doi: 10.1177/109019819602300107.
- Wu LT, Pilowsky DJ, Schlenger WE, Hasin D. Alcohol use disorders and the use of treatment services among college-age young adults. Psychiatr Serv. 2007 Feb;58(2):192-200. doi: 10.1176/ps.2007.58.2.192.
- Caldeira KM, Kasperski SJ, Sharma E, Vincent KB, O'Grady KE, Wish ED, Arria AM. College students rarely seek help despite serious substance use problems. J Subst Abuse Treat. 2009 Dec;37(4):368-78. doi: 10.1016/j.jsat.2009.04.005. Epub 2009 Jun 23.
- Fortuna RJ, Robbins BW, Halterman JS. Ambulatory care among young adults in the United States. Ann Intern Med. 2009 Sep 15;151(6):379-85. doi: 10.7326/0003-4819-151-6-200909150-00002.
- O'hara, B. and K. Caswell, Health status, health insurance, and medical services utilization: 2010. Curr Pop Rep, 2012. 2012: p. 70-133.
- Cadigan JM, Lee CM, Larimer ME. Young Adult Mental Health: a Prospective Examination of Service Utilization, Perceived Unmet Service Needs, Attitudes, and Barriers to Service Use. Prev Sci. 2019 Apr;20(3):366-376. doi: 10.1007/s11121-018-0875-8.
- Orzech KM, Salafsky DB, Hamilton LA. The state of sleep among college students at a large public university. J Am Coll Health. 2011;59(7):612-9. doi: 10.1080/07448481.2010.520051.
- Weinstock J, Petry NM, Pescatello LS, Henderson CE. Sedentary college student drinkers can start exercising and reduce drinking after intervention. Psychol Addict Behav. 2016 Dec;30(8):791-801. doi: 10.1037/adb0000207. Epub 2016 Sep 26.
- Fucito LM, DeMartini KS, Hanrahan TH, Yaggi HK, Heffern C, Redeker NS. Using Sleep Interventions to Engage and Treat Heavy-Drinking College Students: A Randomized Pilot Study. Alcohol Clin Exp Res. 2017 Apr;41(4):798-809. doi: 10.1111/acer.13342. Epub 2017 Feb 16.
- Rideout V. Generation Rx.com. What are young people really doing online? Mark Health Serv. 2002 Spring;22(1):26-30.
- Rideout, V. and S. Fox, Digital health practices, social media use, and mental wellbeing among teens and young adults in the US. 2018.
- Wartella, E., et al., Teens, health and technology: A national survey. Media and communication, 2016. 4(3): p. 13-23.
- DeMartini KS, Fucito LM. Variations in sleep characteristics and sleep-related impairment in at-risk college drinkers: a latent profile analysis. Health Psychol. 2014 Oct;33(10):1164-73. doi: 10.1037/hea0000115. Epub 2014 Aug 18.
- Singleton RA Jr, Wolfson AR. Alcohol consumption, sleep, and academic performance among college students. J Stud Alcohol Drugs. 2009 May;70(3):355-63. doi: 10.15288/jsad.2009.70.355.
- Hasler BP, Martin CS, Wood DS, Rosario B, Clark DB. A longitudinal study of insomnia and other sleep complaints in adolescents with and without alcohol use disorders. Alcohol Clin Exp Res. 2014 Aug;38(8):2225-33. doi: 10.1111/acer.12474. Epub 2014 Jun 27.
- Hasler BP, Kirisci L, Clark DB. Restless Sleep and Variable Sleep Timing During Late Childhood Accelerate the Onset of Alcohol and Other Drug Involvement. J Stud Alcohol Drugs. 2016 Jul;77(4):649-55. doi: 10.15288/jsad.2016.77.649.
- Miller MB, DiBello AM, Lust SA, Carey MP, Carey KB. Adequate sleep moderates the prospective association between alcohol use and consequences. Addict Behav. 2016 Dec;63:23-8. doi: 10.1016/j.addbeh.2016.05.005. Epub 2016 May 7.
- Wong MM, Brower KJ, Fitzgerald HE, Zucker RA. Sleep problems in early childhood and early onset of alcohol and other drug use in adolescence. Alcohol Clin Exp Res. 2004 Apr;28(4):578-87. doi: 10.1097/01.alc.0000121651.75952.39.
- Wong MM, Brower KJ, Nigg JT, Zucker RA. Childhood sleep problems, response inhibition, and alcohol and drug outcomes in adolescence and young adulthood. Alcohol Clin Exp Res. 2010 Jun;34(6):1033-44. doi: 10.1111/j.1530-0277.2010.01178.x. Epub 2010 Apr 5.
- Wong MM, Brower KJ, Zucker RA. Childhood sleep problems, early onset of substance use and behavioral problems in adolescence. Sleep Med. 2009 Aug;10(7):787-96. doi: 10.1016/j.sleep.2008.06.015. Epub 2009 Jan 12. Erratum In: Sleep Med. 2010 Jan;11(1):110-1.
- Wong MM, Robertson GC, Dyson RB. Prospective relationship between poor sleep and substance-related problems in a national sample of adolescents. Alcohol Clin Exp Res. 2015 Feb;39(2):355-62. doi: 10.1111/acer.12618. Epub 2015 Jan 16.
- Fucito LM, DeMartini KS, Hanrahan TH, Whittemore R, Yaggi HK, Redeker NS. Perceptions of Heavy-Drinking College Students About a Sleep and Alcohol Health Intervention. Behav Sleep Med. 2015;13(5):395-411. doi: 10.1080/15402002.2014.919919. Epub 2014 Jun 12.
- Irwin MR. Why sleep is important for health: a psychoneuroimmunology perspective. Annu Rev Psychol. 2015 Jan 3;66:143-72. doi: 10.1146/annurev-psych-010213-115205. Epub 2014 Jul 21.
- Worley SL. The Extraordinary Importance of Sleep: The Detrimental Effects of Inadequate Sleep on Health and Public Safety Drive an Explosion of Sleep Research. P T. 2018 Dec;43(12):758-763.
- Choi YK, Demiris G, Lin SY, Iribarren SJ, Landis CA, Thompson HJ, McCurry SM, Heitkemper MM, Ward TM. Smartphone Applications to Support Sleep Self-Management: Review and Evaluation. J Clin Sleep Med. 2018 Oct 15;14(10):1783-1790. doi: 10.5664/jcsm.7396.
- Goldman, D., Investing in the growing sleep-health economy. Prevalence, 2016.
- Campos, M. Heart rate variability: A new way to track well-being. 2019 Available from: https://www.health.harvard.edu/blog/heart-rate-variability-new-way-track-well2017112212789.
- Buccelletti E, Gilardi E, Scaini E, Galiuto L, Persiani R, Biondi A, Basile F, Silveri NG. Heart rate variability and myocardial infarction: systematic literature review and metanalysis. Eur Rev Med Pharmacol Sci. 2009 Jul-Aug;13(4):299-307.
- Young HA, Benton D. Heart-rate variability: a biomarker to study the influence of nutrition on physiological and psychological health? Behav Pharmacol. 2018 Apr;29(2 and 3-Spec Issue):140-151. doi: 10.1097/FBP.0000000000000383.
- Kemp AH, Quintana DS. The relationship between mental and physical health: insights from the study of heart rate variability. Int J Psychophysiol. 2013 Sep;89(3):288-96. doi: 10.1016/j.ijpsycho.2013.06.018. Epub 2013 Jun 22.
- Ralevski E, Petrakis I, Altemus M. Heart rate variability in alcohol use: A review. Pharmacol Biochem Behav. 2019 Jan;176:83-92. doi: 10.1016/j.pbb.2018.12.003. Epub 2018 Dec 6.
- Vaschillo EG, Vaschillo B, Buckman JF, Heiss S, Singh G, Bates ME. Early signs of cardiovascular dysregulation in young adult binge drinkers. Psychophysiology. 2018 May;55(5):e13036. doi: 10.1111/psyp.13036. Epub 2017 Nov 29.
- Ahmed, W., Podcast No. 43: Alcohol's effect on sleep, recovery and performance, in Whoop Podcast. 2019.
- de Zambotti M, Rosas L, Colrain IM, Baker FC. The Sleep of the Ring: Comparison of the OURA Sleep Tracker Against Polysomnography. Behav Sleep Med. 2019 Mar-Apr;17(2):124-136. doi: 10.1080/15402002.2017.1300587. Epub 2017 Mar 21.
- Roberts DM, Schade MM, Mathew GM, Gartenberg D, Buxton OM. Detecting sleep using heart rate and motion data from multisensor consumer-grade wearables, relative to wrist actigraphy and polysomnography. Sleep. 2020 Jul 13;43(7):zsaa045. doi: 10.1093/sleep/zsaa045.
- Portnoy DB, Scott-Sheldon LA, Johnson BT, Carey MP. Computer-delivered interventions for health promotion and behavioral risk reduction: a meta-analysis of 75 randomized controlled trials, 1988-2007. Prev Med. 2008 Jul;47(1):3-16. doi: 10.1016/j.ypmed.2008.02.014. Epub 2008 Feb 20.
- Friedrich A, Schlarb AA. Let's talk about sleep: a systematic review of psychological interventions to improve sleep in college students. J Sleep Res. 2018 Feb;27(1):4-22. doi: 10.1111/jsr.12568. Epub 2017 Jun 15.
- Chung KF, Lee CT, Yeung WF, Chan MS, Chung EW, Lin WL. Sleep hygiene education as a treatment of insomnia: a systematic review and meta-analysis. Fam Pract. 2018 Jul 23;35(4):365-375. doi: 10.1093/fampra/cmx122.
- Sobell LC, Agrawal S, Sobell MB, Leo GI, Young LJ, Cunningham JA, Simco ER. Comparison of a quick drinking screen with the timeline followback for individuals with alcohol problems. J Stud Alcohol. 2003 Nov;64(6):858-61. doi: 10.15288/jsa.2003.64.858.
- Trockel M, Manber R, Chang V, Thurston A, Taylor CB. An e-mail delivered CBT for sleep-health program for college students: effects on sleep quality and depression symptoms. J Clin Sleep Med. 2011 Jun 15;7(3):276-81. doi: 10.5664/JCSM.1072. Erratum In: J Clin Sleep Med. 2011 Aug 15;7(4):420. Tailor, Craig Barr [corrected to Taylor, Craig Barr].
- Kloss JD, Nash CO, Horsey SE, Taylor DJ. The delivery of behavioral sleep medicine to college students. J Adolesc Health. 2011 Jun;48(6):553-61. doi: 10.1016/j.jadohealth.2010.09.023. Epub 2010 Dec 18.
- Castaneda D, Esparza A, Ghamari M, Soltanpur C, Nazeran H. A review on wearable photoplethysmography sensors and their potential future applications in health care. Int J Biosens Bioelectron. 2018;4(4):195-202. doi: 10.15406/ijbsbe.2018.04.00125. Epub 2018 Aug 6.
- Pernice R, Javorka M, Krohova J, Czippelova B, Turianikova Z, Busacca A, Faes L; Member, IEEE. Comparison of short-term heart rate variability indexes evaluated through electrocardiographic and continuous blood pressure monitoring. Med Biol Eng Comput. 2019 Jun;57(6):1247-1263. doi: 10.1007/s11517-019-01957-4. Epub 2019 Feb 7.
- Pernice R, Javorka M, Krohova J, Czippelova B, Turianikova Z, Busacca A, Faes L. Reliability of Short-Term Heart Rate Variability Indexes Assessed through Photoplethysmography. Annu Int Conf IEEE Eng Med Biol Soc. 2018 Jul;2018:5610-5513. doi: 10.1109/EMBC.2018.8513634.
- Walch O, Huang Y, Forger D, Goldstein C. Sleep stage prediction with raw acceleration and photoplethysmography heart rate data derived from a consumer wearable device. Sleep. 2019 Dec 24;42(12):zsz180. doi: 10.1093/sleep/zsz180.
- Fonseca P, Weysen T, Goelema MS, Most EIS, Radha M, Lunsingh Scheurleer C, van den Heuvel L, Aarts RM. Validation of Photoplethysmography-Based Sleep Staging Compared With Polysomnography in Healthy Middle-Aged Adults. Sleep. 2017 Jul 1;40(7). doi: 10.1093/sleep/zsx097.
- de Zambotti M, Cellini N, Goldstone A, Colrain IM, Baker FC. Wearable Sleep Technology in Clinical and Research Settings. Med Sci Sports Exerc. 2019 Jul;51(7):1538-1557. doi: 10.1249/MSS.0000000000001947.
- Structured Clinical Interview For DSM-V-RV Axis I Disorders Research Version. 2014.
- Demartini KS, Carey KB. Correlates of AUDIT risk status for male and female college students. J Am Coll Health. 2009 Nov-Dec;58(3):233-9. doi: 10.1080/07448480903295342.
- Pilkonis PA, Choi SW, Salsman JM, Butt Z, Moore TL, Lawrence SM, Zill N, Cyranowski JM, Kelly MA, Knox SS, Cella D. Assessment of self-reported negative affect in the NIH Toolbox. Psychiatry Res. 2013 Mar 30;206(1):88-97. doi: 10.1016/j.psychres.2012.09.034. Epub 2012 Oct 22.
- Ortega FB, Sanchez-Lopez M, Solera-Martinez M, Fernandez-Sanchez A, Sjostrom M, Martinez-Vizcaino V. Self-reported and measured cardiorespiratory fitness similarly predict cardiovascular disease risk in young adults. Scand J Med Sci Sports. 2013 Dec;23(6):749-57. doi: 10.1111/j.1600-0838.2012.01454.x. Epub 2012 Mar 15.
- Anderson, M., Technology Device Ownership: 2015. Pew Research Center 2015.
- Peters EN, Leeman RF, Fucito LM, Toll BA, Corbin WR, O'Malley SS. Co-occurring marijuana use is associated with medication nonadherence and nonplanning impulsivity in young adult heavy drinkers. Addict Behav. 2012 Apr;37(4):420-6. doi: 10.1016/j.addbeh.2011.11.036. Epub 2011 Dec 3.
- Rounsaville, B.J., K.M. Carroll, and L.S. Onken, A stage model of behavioral therapies research: Getting started and moving on from stage I. Clinical Psychology: Science and Practice, 2001. 8(2): p. 133-142.
- Sobell MB, Sobell LC, Leo GI. Does enhanced social support improve outcomes for problem drinkers in guided self-change treatment? J Behav Ther Exp Psychiatry. 2000 Mar;31(1):41-54. doi: 10.1016/s0005-7916(00)00007-0.
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 (Geschätzt)
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Zuletzt verifiziert
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Andere Studien-ID-Nummern
- 2000030417
- 1R21AA028886-01A1 (US NIH Stipendium/Vertrag)
- 21-002981 (Andere Zuschuss-/Finanzierungsnummer: PI Assigned ID)
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 .
Klinische Studien zur Schwer betrinken
-
HBSARekrutierungBinge Drinking, Alkoholkonsum Minderjähriger, Trinken und Autofahren, alkoholbedingte SchädenVereinigte Staaten
-
University Medical Center GroningenBeendetDiabetes mellitus, Typ 2 | Schwangerschaftsdiabetes | Klein für Säuglinge im Gestationsalter | Andere "Heavy-For-Dates"-SäuglingeNiederlande
Klinische Studien zur Verhaltensbasiertes Selbstmanagement und Feedback
-
University of CincinnatiNoch keine RekrutierungDiabetes mellitus, Typ 2 | PrädiabetesVereinigte Staaten
-
Dartmouth-Hitchcock Medical CenterCenters for Disease Control and PreventionAbgeschlossen
-
Dartmouth-Hitchcock Medical CenterCenters for Disease Control and PreventionAbgeschlossen
-
University of ArizonaAbgeschlossen
-
University of ArkansasNational Institute of Diabetes and Digestive and Kidney Diseases (NIDDK)Rekrutierung
-
Omada Health, Inc.Abbott Diabetes Care; Evidation HealthAbgeschlossenTyp 2 DiabetesVereinigte Staaten
-
University of ArkansasNational Institute on Minority Health and Health Disparities (NIMHD)AbgeschlossenTyp 2 DiabetesVereinigte Staaten
-
University of Southern CaliforniaAbgeschlossenDepression | Diabetes | HerzkrankheitVereinigte Staaten
-
University of MichiganNational Institute of Diabetes and Digestive and Kidney Diseases (NIDDK)AbgeschlossenTyp 2 Diabetes mellitusVereinigte Staaten
-
University of MinhoUnidade Local de Saúde do Alto Ave, EPERekrutierungFibromyalgie (FM)Portugal