Hyperaktivitätsbeurteilung bei Kindern mit Aufmerksamkeitsdefizit-Hyperaktivitätsstörung
30. Juli 2026 aktualisiert von: National Taiwan University Hospital
Die Aufmerksamkeitsdefizit-Hyperaktivitätsstörung (ADHS) ist eine neurologische Entwicklungsstörung, die durch Unaufmerksamkeit, Hyperaktivität und Impulsivität gekennzeichnet ist.
Die klinische Diagnose dieser Störung hängt von der Anamnese, dem Bericht der Eltern und dem Fragebogen ab.
Aufmerksamkeitstests wie kontinuierliche Leistungstests können Aufmerksamkeitsdefizite quantitativ messen; es fehlt jedoch an einem objektiven Instrument zur Quantifizierung des Aktivitätsniveaus.
Diese Studie zielt darauf ab, das Aktivitätsniveau bei Kindern mit ADHS zu beurteilen.
Wir planen, 50 Kinder mit ADHS und 50 neurotypische Kinder zu rekrutieren.
Das vom tragbaren Gerät gemessene Aktivitätsniveau wird zwischen ADHS- und neurotypischen Kindern verglichen.
Die Korrelation zwischen der Verhaltensbewertung auf dem Fragebogen und quantitativen Daten, die mit einem tragbaren Gerät gemessen werden, wird analysiert.
Studienübersicht
Status
Anmeldung auf Einladung
Bedingungen
Intervention / Behandlung
Studientyp
Beobachtungs
Einschreibung (Geschätzt)
200
Kontakte und Standorte
Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.
Studienorte
-
-
-
Taipei, Taiwan, 10048
- National Taiwan University Hospital
-
-
Teilnahmekriterien
Forscher suchen nach Personen, die einer bestimmten Beschreibung entsprechen, die als Auswahlkriterien bezeichnet werden. Einige Beispiele für diese Kriterien sind der allgemeine Gesundheitszustand einer Person oder frühere Behandlungen.
Zulassungskriterien
Studienberechtigtes Alter
- Kind
- Erwachsene
Akzeptiert gesunde Freiwillige
Ja
Probenahmeverfahren
Nicht-Wahrscheinlichkeitsprobe
Studienpopulation
Schüler der 1. Klasse bis 12. Klasse, die aufgrund der Kriterien förderfähig sind.
Beschreibung
ADHS-Gruppe:
Einschlusskriterien:
- DSM-5 Aufmerksamkeitsdefizit-Hyperaktivitätsstörung
- 7~18 Jahre alt
- Bereitschaft, Smartwatch und Smartphone während der einmonatigen Studienzeit die meiste Zeit bei sich zu tragen
Ausschlusskriterien:
- Komorbid mit schweren psychiatrischen Störungen (z. B. Schizophrenie, bipolare Störung) oder neurologischen Entwicklungsstörungen (z. B. geistige Behinderung, Autismus-Spektrum-Störung)
- Smartwatch und Smartphone können nicht verwendet werden
Neurotypische Gruppe:
Einschlusskriterien:
- 7 bis 18 Jahre ohne Diagnose einer Aufmerksamkeitsdefizit-Hyperaktivitätsstörung
- Bereitschaft, Smartwatch und Smartphone während der einmonatigen Studienzeit die meiste Zeit bei sich zu tragen
Ausschlusskriterien:
- Haben Sie eine Diagnose von schweren psychiatrischen Störungen (z. B. Schizophrenie, bipolare Störung) oder neurologischen Entwicklungsstörungen (z. B. geistige Behinderung, Autismus-Spektrum-Störung)
- Smartwatch und Smartphone können nicht verwendet werden
Studienplan
Dieser Abschnitt enthält Einzelheiten zum Studienplan, einschließlich des Studiendesigns und der Messung der Studieninhalte.
Wie ist die Studie aufgebaut?
Designdetails
Kohorten und Interventionen
Gruppe / Kohorte |
Intervention / Behandlung |
|---|---|
|
ADHS-Gruppe
Einschlusskriterien:
Ausschlusskriterien: - Komorbid mit schweren psychiatrischen Störungen (z. B. Schizophrenie, bipolare Störung) oder neurologischen Entwicklungsstörungen (z. B. geistige Behinderung, Autismus-Spektrum-Störung) |
Das Tragen von Smartwatches zum Sammeln von Daten
|
|
Neurotypische Gruppe
Einschlusskriterien:
Ausschlusskriterien:
|
Das Tragen von Smartwatches zum Sammeln von Daten
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Beschleunigung
Zeitfenster: 24 Stunden für 30 Tage
|
Armbeschleunigung
|
24 Stunden für 30 Tage
|
Mitarbeiter und Ermittler
Hier finden Sie Personen und Organisationen, die an dieser Studie beteiligt sind.
Publikationen und hilfreiche Links
Die Bereitstellung dieser Publikationen erfolgt freiwillig durch die für die Eingabe von Informationen über die Studie verantwortliche Person. Diese können sich auf alles beziehen, was mit dem Studium zu tun hat.
Allgemeine Veröffentlichungen
- Polanczyk G, de Lima MS, Horta BL, Biederman J, Rohde LA. The worldwide prevalence of ADHD: a systematic review and metaregression analysis. Am J Psychiatry. 2007 Jun;164(6):942-8. doi: 10.1176/ajp.2007.164.6.942.
- Swanson JM, Kraemer HC, Hinshaw SP, Arnold LE, Conners CK, Abikoff HB, Clevenger W, Davies M, Elliott GR, Greenhill LL, Hechtman L, Hoza B, Jensen PS, March JS, Newcorn JH, Owens EB, Pelham WE, Schiller E, Severe JB, Simpson S, Vitiello B, Wells K, Wigal T, Wu M. Clinical relevance of the primary findings of the MTA: success rates based on severity of ADHD and ODD symptoms at the end of treatment. J Am Acad Child Adolesc Psychiatry. 2001 Feb;40(2):168-79. doi: 10.1097/00004583-200102000-00011.
- Marzano L, Bardill A, Fields B, Herd K, Veale D, Grey N, Moran P. The application of mHealth to mental health: opportunities and challenges. Lancet Psychiatry. 2015 Oct;2(10):942-8. doi: 10.1016/S2215-0366(15)00268-0. Epub 2015 Sep 29.
- Martin JL, Hakim AD. Wrist actigraphy. Chest. 2011 Jun;139(6):1514-1527. doi: 10.1378/chest.10-1872.
- Burton C, McKinstry B, Szentagotai Tatar A, Serrano-Blanco A, Pagliari C, Wolters M. Activity monitoring in patients with depression: a systematic review. J Affect Disord. 2013 Feb 15;145(1):21-8. doi: 10.1016/j.jad.2012.07.001. Epub 2012 Aug 4.
- Couronne R, Probst P, Boulesteix AL. Random forest versus logistic regression: a large-scale benchmark experiment. BMC Bioinformatics. 2018 Jul 17;19(1):270. doi: 10.1186/s12859-018-2264-5.
- Dogan E, Sander C, Wagner X, Hegerl U, Kohls E. Smartphone-Based Monitoring of Objective and Subjective Data in Affective Disorders: Where Are We and Where Are We Going? Systematic Review. J Med Internet Res. 2017 Jul 24;19(7):e262. doi: 10.2196/jmir.7006.
- Gau SS, Chen SJ, Chou WJ, Cheng H, Tang CS, Chang HL, Tzang RF, Wu YY, Huang YF, Chou MC, Liang HY, Hsu YC, Lu HH, Huang YS. National survey of adherence, efficacy, and side effects of methylphenidate in children with attention-deficit/hyperactivity disorder in Taiwan. J Clin Psychiatry. 2008 Jan;69(1):131-40. doi: 10.4088/jcp.v69n0118.
- Gau SS, Lin CH, Hu FC, Shang CY, Swanson JM, Liu YC, Liu SK. Psychometric properties of the Chinese version of the Swanson, Nolan, and Pelham, Version IV Scale-Teacher Form. J Pediatr Psychol. 2009 Sep;34(8):850-61. doi: 10.1093/jpepsy/jsn133. Epub 2008 Dec 12.
- Gau SS, Shang CY, Liu SK, Lin CH, Swanson JM, Liu YC, Tu CL. Psychometric properties of the Chinese version of the Swanson, Nolan, and Pelham, version IV scale - parent form. Int J Methods Psychiatr Res. 2008;17(1):35-44. doi: 10.1002/mpr.237.
- Leikauf JE, Correa C, Bueno AN, Sempere VP, Williams LM. StopWatch: Pilot study for an Apple Watch application for youth with ADHD. Digit Health. 2021 Apr 1;7:20552076211001215. doi: 10.1177/20552076211001215. eCollection 2021 Jan-Dec.
- Patel MS, Foschini L, Kurtzman GW, Zhu J, Wang W, Rareshide CAL, Zbikowski SM. Using Wearable Devices and Smartphones to Track Physical Activity: Initial Activation, Sustained Use, and Step Counts Across Sociodemographic Characteristics in a National Sample. Ann Intern Med. 2017 Nov 21;167(10):755-757. doi: 10.7326/M17-1495. Epub 2017 Sep 26. No abstract available.
- Reinertsen E, Clifford GD. A review of physiological and behavioral monitoring with digital sensors for neuropsychiatric illnesses. Physiol Meas. 2018 May 15;39(5):05TR01. doi: 10.1088/1361-6579/aabf64.
- Simon V, Czobor P, Balint S, Meszaros A, Bitter I. Prevalence and correlates of adult attention-deficit hyperactivity disorder: meta-analysis. Br J Psychiatry. 2009 Mar;194(3):204-11. doi: 10.1192/bjp.bp.107.048827.
- Tazawa Y, Wada M, Mitsukura Y, Takamiya A, Kitazawa M, Yoshimura M, Mimura M, Kishimoto T. Actigraphy for evaluation of mood disorders: A systematic review and meta-analysis. J Affect Disord. 2019 Jun 15;253:257-269. doi: 10.1016/j.jad.2019.04.087. Epub 2019 Apr 22.
- Cho CH, Lee T, Kim MG, In HP, Kim L, Lee HJ. Mood Prediction of Patients With Mood Disorders by Machine Learning Using Passive Digital Phenotypes Based on the Circadian Rhythm: Prospective Observational Cohort Study. J Med Internet Res. 2019 Apr 17;21(4):e11029. doi: 10.2196/11029.
Studienaufzeichnungsdaten
Diese Daten verfolgen den Fortschritt der Übermittlung von Studienaufzeichnungen und zusammenfassenden Ergebnissen an ClinicalTrials.gov. Studienaufzeichnungen und gemeldete Ergebnisse werden von der National Library of Medicine (NLM) überprüft, um sicherzustellen, dass sie bestimmten Qualitätskontrollstandards entsprechen, bevor sie auf der öffentlichen Website veröffentlicht werden.
Haupttermine studieren
Studienbeginn (Tatsächlich)
16. Februar 2022
Primärer Abschluss (Geschätzt)
31. Dezember 2026
Studienabschluss (Geschätzt)
31. Dezember 2026
Studienanmeldedaten
Zuerst eingereicht
31. März 2023
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
31. März 2023
Zuerst gepostet (Tatsächlich)
12. April 2023
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
31. Juli 2026
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
30. Juli 2026
Zuletzt verifiziert
1. Juli 2026
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
- 202110059RINB
Plan für individuelle Teilnehmerdaten (IPD)
Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?
NEIN
Arzneimittel- und Geräteinformationen, Studienunterlagen
Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt
Nein
Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt
Nein
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 .