- ICH GCP
- US-Register für klinische Studien
- Klinische Studie NCT05874466
SenseToKnow-Studie zur Validierung von Autismus-Screening-Geräten
4. März 2026 aktualisiert von: Duke University
SenseToKnow STAR-Studie: Eine Studie über Technologien zur Beurteilung der Entwicklung von Kindern
Dies ist eine zentrale, prospektive, doppelblinde Studie zur Bewertung der Sensitivität und Spezifität der SenseToKnow-App zur Erkennung von Autismus-Spektrum-Störungen bei Kindern im Alter von 16 bis 36 Monaten.
Studienübersicht
Status
Rekrutierung
Bedingungen
Detaillierte Beschreibung
Hierbei handelt es sich um eine zentrale, prospektive, doppelblinde Studie zur Bewertung der Sensitivität und Spezifität der SenseToKnow-App für die Klassifizierung von Autismus-Spektrum-Störungen bei Verabreichung durch Eltern an einer Stichprobe von Patienten im Alter von 16 bis 36 Monaten.
Bei dem Studiendesign handelt es sich um eine nicht-interventionelle Querschnittsstudie, in der die SenseToKnow-App-Klassifizierung der Autismus-Spektrum-Störung („Autismus“) im Vergleich zu Nicht-Autismus mit dem Diagnosestatus des Patienten auf der Grundlage einer klinischen Expertendiagnose in einer Population pädiatrischer Patienten verglichen wird.
Studientyp
Beobachtungs
Einschreibung (Geschätzt)
350
Kontakte und Standorte
Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.
Studienkontakt
- Name: Geraldine Dawson, PhD
- Telefonnummer: 9196680070
- E-Mail: geraldine.dawson@duke.edu
Studieren Sie die Kontaktsicherung
- Name: Charlotte Stoute, BA
- Telefonnummer: 919-681-9730
- E-Mail: charlotte.stoute@duke.edu
Studienorte
-
-
North Carolina
-
Durham, North Carolina, Vereinigte Staaten, 27705
- Rekrutierung
- Duke University
-
Kontakt:
- Geraldine Dawson, PhD
- Telefonnummer: 919-668-0070
-
-
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
Akzeptiert gesunde Freiwillige
Ja
Probenahmeverfahren
Nicht-Wahrscheinlichkeitsprobe
Studienpopulation
Bei den Teilnehmern handelt es sich um Patienten im Alter von 16 bis 36 Monaten, die an > 6 Standorten rekrutiert werden, die aus pädiatrischen Kliniken bestehen, die Teil des umfassenderen Gesundheitssystems der Duke University in North Carolina sind.
Beschreibung
Einschlusskriterien:
- Pädiatrischer Patient von Duke Health bei der Einschreibung
- 16–<37 Monate alt bei der Einschreibung
- Eltern/Erziehungsberechtigte sprechen Englisch oder Spanisch
- Eltern/Erziehungsberechtigte haben Verständnis dafür und geben freiwillig ihre Einverständniserklärung ab
Ausschlusskriterien:
- Schwere motorische Beeinträchtigung, die den Abschluss der Studienmaßnahme ausschließt
- Bekannte genetische Störungen
- Schwere Hör- oder Sehbehinderung, wie bei der körperlichen Untersuchung festgestellt
- Akute Erkrankungen, die eine erfolgreiche oder gültige Datenerfassung wahrscheinlich verhindern
- Unkontrollierte Epilepsie oder Anfallsleiden
- Anamnese oder Vorliegen einer klinisch bedeutsamen medizinischen Erkrankung oder eines psychischen Zustands, der die Studie beeinträchtigen oder sich nach Einschätzung des Prüfers nachteilig auf den Probanden auswirken könnte
- Akute Exazerbationen chronischer Krankheiten verhindern wahrscheinlich eine erfolgreiche oder gültige Datenerfassung
- Erhalten von Therapien, die das Sehvermögen beeinträchtigen
- Eltern/Erziehungsberechtigte und/oder Ermittler gehen davon aus, dass das Kind nicht in der Lage/will sein wird, auf dem Schoß der Eltern zu sitzen und sich die App-Videos anzusehen
- Eltern/Erziehungsberechtigte geben an, dass sie oder ihr Kind nicht bereit oder nicht in der Lage sind, an der App-Verwaltung, den Umfragen oder der diagnostischen Beurteilung teilzunehmen
- Teilnehmer, bei denen der Prüfer ansonsten davon ausgeht, dass sie das Protokoll nicht einhalten können
- Jeder andere Faktor, der nach Ansicht des Prüfers die Studienmaße ungültig machen würde
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 |
|---|
|
Pädiatrische Patienten, 16-36 Monate alt, rekrutiert durch pädiatrische medizinische Kliniken
Aufeinanderfolgende pädiatrische Teilnehmer werden über ≥ 6 teilnehmende Standorte rekrutiert und eingeschrieben, die aus pädiatrischen medizinischen Kliniken (z. B. Hausarztpraxen und Familienmedizin-Kliniken) bestehen und Teil des größeren Duke University Health System (DUHS) in North Carolina sind.
Die Einschreibung erfolgt, bis die Ziele von N = 150 Teilnehmern mit Autismus-Spektrum-Störung und N = 200 ohne Autismus erreicht sind.
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Empfindlichkeit des SenseToKnow-Screeninggeräts basierend auf einem maschinellen Lernalgorithmus, der SenseToKnow-Digitaldaten mit Daten aus der SenseToKnow-Betreuerumfrage zur Autismus-Erkennung kombiniert
Zeitfenster: Wird basierend auf Daten von Baseline/Zeitpunkt 1 berechnet
|
Sensitivität = #Teilnehmer positiv auf Autismus sowohl bei (1) dem SenseToKnow-Screeninggerät basierend auf einem maschinellen Lernalgorithmus, der SenseToKnow-Digitaldaten mit den SenseToKnow-Betreuerumfragedaten kombiniert, als auch bei (2) der Expertenklinischen Diagnose / #Teilnehmer positiv auf Autismus sowohl bei SenseToKnow als auch bei Expertenklinischer Diagnose
|
Wird basierend auf Daten von Baseline/Zeitpunkt 1 berechnet
|
|
Spezifität des SenseToKnow-Screeninggeräts basierend auf einem maschinellen Lernalgorithmus, der SenseToKnow-Digitaldaten mit Daten aus der SenseToKnow-Betreuerumfrage zur Autismus-Erkennung kombiniert
Zeitfenster: Wird basierend auf Daten von Baseline/Timepoint 1 berechnet
|
Spezifität = #Teilnehmer negativ für Autismus sowohl auf (1) dem SenseToKnow-Screeninggerät basierend auf einem maschinellen Lernalgorithmus, der SenseToKnow-Digitaldaten mit den SenseToKnow-Pflegepersonenumfragedaten kombiniert, als auch auf (2) der fachklinischen Diagnose / #Teilnehmer negativ für Autismus bei Autismus durch fachklinische Diagnose
|
Wird basierend auf Daten von Baseline/Timepoint 1 berechnet
|
Sekundäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Positiver Vorhersagewert des SenseToKnow-Screening-Geräts (basierend auf einem maschinellen Lernalgorithmus unter Verwendung der SenseToKnow-Digitaldaten kombiniert mit den SenseToKnow-Betreuer-Umfragedaten) für die Autismus-Erkennung im Vergleich zur klinischen Experten-Diagnose
Zeitfenster: Wird basierend auf Daten von Baseline/Timepoint 1 berechnet
|
Die Wahrscheinlichkeit, dass ein Teilnehmer mit einem positiven Testergebnis (basierend auf einem maschinellen Lernalgorithmus unter Verwendung der SenseToKnow-Digitaldaten in Kombination mit den SenseToKnow-Caregiver-Survey-Daten) eine Autismusdiagnose hat (basierend auf der klinischen Experten-Diagnose).
Der positive prädiktive Wert wird mit und ohne Anpassung an die Populationsprävalenz berechnet. |
Wird basierend auf Daten von Baseline/Timepoint 1 berechnet
|
|
Negativer Vorhersagewert des SenseToKnow-Screeninggeräts (basierend auf einem maschinellen Lernalgorithmus unter Verwendung der SenseToKnow-Digitaldaten, kombiniert mit den SenseToKnow-Pflegepersonen-Umfragedaten) für die Autismus-Erkennung im Vergleich zur klinischen Experten-Diagnose
Zeitfenster: Wird auf Basis der Daten vom Ausgangswert/Zeitpunkt 1 berechnet
|
Die Wahrscheinlichkeit, dass ein Teilnehmer mit einem negativen Testergebnis (basierend auf einem maschinellen Lernalgorithmus, der die SenseToKnow-Digitaldaten zusammen mit den SenseToKnow-Betreuer-Umfragedaten verwendet) keine Autismus-Diagnose hat (basierend auf einer klinischen Experten-Diagnose).
Der negative prädiktive Wert wird mit und ohne Anpassung an die Populationsprävalenz berechnet.
|
Wird auf Basis der Daten vom Ausgangswert/Zeitpunkt 1 berechnet
|
|
Receiver-Operating-Characteristic-Kurve und Fläche unter der Kurve bezüglich der Genauigkeit des SenseToKnow-Screeninggeräts (unter Verwendung der SenseToKnow-Digitaldaten und der SenseToKnow-Caregiver-Umfragedaten) für die Klassifizierung von Autismus versus Nicht-Autismus
Zeitfenster: Wird auf Basis der Daten von Baseline/Zeitpunkt 1 berechnet
|
Receiver Operating Characteristic Curve (ROC) ist eine grafische Darstellung, die die diagnostische Fähigkeit eines binären Klassifikatorsystems veranschaulicht, wenn sich sein Diskriminierungsschwellenwert ändert.
Area Under the Curve (AUC) misst die Fläche unter der gesamten ROC-Kurve.
Die Genauigkeit des Tests basiert auf einem maschinellen Lernalgorithmus unter Verwendung der SenseToKnow-Digitaldaten, kombiniert mit den SenseToKnow Caregiver Survey-Daten, im Vergleich zur klinischen Experten-Diagnose.
|
Wird auf Basis der Daten von Baseline/Zeitpunkt 1 berechnet
|
|
Sensitivität des SenseToKnow-Screeninggeräts basierend auf einem maschinellen Lernalgorithmus unter ausschließlicher Verwendung der SenseToKnow-Digitaldaten zur Autismus-Erkennung
Zeitfenster: Wird basierend auf Daten von Baseline/Zeitpunkt 1 berechnet
|
Sensitivität = #Teilnehmer, die sowohl (1) mit dem SenseToKnow-Screeninggerät basierend auf einem maschinellen Lernalgorithmus unter ausschließlicher Verwendung der SenseToKnow-Digitaldaten als auch (2) durch eine klinische Experten-Diagnose positiv auf Autismus getestet wurden / #Teilnehmer, die durch klinische Experten-Diagnose positiv auf Autismus getestet wurden
|
Wird basierend auf Daten von Baseline/Zeitpunkt 1 berechnet
|
|
Spezifität des SenseToKnow-Screeninggeräts basierend auf einem maschinellen Lernalgorithmus, der ausschließlich die SenseToKnow-Digitaldaten zur Autismus-Erkennung verwendet
Zeitfenster: Wird basierend auf Daten von Baseline/Timepoint 1 berechnet
|
Spezifität = #Teilnehmer negativ auf Autismus sowohl bei (1) dem SenseToKnow-Screeninggerät basierend auf einem maschinellen Lernalgorithmus unter ausschließlicher Verwendung der SenseToKnow-Digitaldaten als auch bei (2) der fachärztlichen klinischen Diagnose / #Teilnehmer negativ auf Autismus bei fachärztlicher klinischer Diagnose.
|
Wird basierend auf Daten von Baseline/Timepoint 1 berechnet
|
|
Positiver prädiktiver Wert des SenseToKnow-Screeninggeräts basierend auf einem maschinellen Lernalgorithmus unter ausschließlicher Verwendung der SenseToKnow-Digitaldaten zur Autismus-Erkennung im Vergleich zur Expertenklinischen Diagnose
Zeitfenster: Wird basierend auf Daten von Baseline/Zeitpunkt 1 berechnet
|
Die Wahrscheinlichkeit, dass ein Teilnehmer mit einem positiven Testergebnis eine Autismus-Diagnose hat (basierend auf einer fachärztlichen klinischen Diagnose).
Der positive Vorhersagewert wird mit und ohne Anpassung an die Populationsprävalenz berechnet.
|
Wird basierend auf Daten von Baseline/Zeitpunkt 1 berechnet
|
|
Negativer prädiktiver Wert des SenseToKnow-Screeninggeräts basierend auf einem maschinellen Lernalgorithmus unter ausschließlicher Verwendung der SenseToKnow-Digitaldaten zur Erkennung von Autismus im Vergleich zur Expertenklinikdiagnose
Zeitfenster: Wird auf der Grundlage von Daten von Baseline/Zeitpunkt 1 berechnet
|
Die Wahrscheinlichkeit, dass ein Teilnehmer mit einem negativen Testergebnis keine Autismusdiagnose hat (basierend auf einer klinischen Experten-Diagnose).
Der negative prädiktive Wert wird mit und ohne Anpassung für die Prävalenz in der Bevölkerung berechnet.
|
Wird auf der Grundlage von Daten von Baseline/Zeitpunkt 1 berechnet
|
|
Receiver Operating Characteristic-Kurve und Fläche unter der Kurve bezüglich der Genauigkeit des SenseToKnow-Geräts unter ausschließlicher Verwendung der SenseToKnow-Digitaldaten für die Klassifizierung von Autismus versus Nicht-Autismus
Zeitfenster: Wird basierend auf Daten von Baseline/Timepoint 1 berechnet
|
Die Receiver Operating Characteristic Curve (ROC) ist eine grafische Darstellung, die die diagnostische Fähigkeit eines binären Klassifikatorsystems veranschaulicht, während dessen Diskriminierungsschwelle variiert wird.
Area Under the Curve (AUC) misst die Fläche unter der gesamten ROC-Kurve.
Die Genauigkeit des Tests basiert auf einem maschinellen Lernalgorithmus, der ausschließlich die digitalen SenseToKnow-Daten verwendet, im Vergleich zur klinischen Experten-Diagnose.
|
Wird basierend auf Daten von Baseline/Timepoint 1 berechnet
|
Mitarbeiter und Ermittler
Hier finden Sie Personen und Organisationen, die an dieser Studie beteiligt sind.
Sponsor
Ermittler
- Hauptermittler: Geraldine Dawson, PhD, Duke University
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)
7. Juli 2023
Primärer Abschluss (Geschätzt)
1. Dezember 2027
Studienabschluss (Geschätzt)
1. Dezember 2027
Studienanmeldedaten
Zuerst eingereicht
12. Mai 2023
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
12. Mai 2023
Zuerst gepostet (Tatsächlich)
25. Mai 2023
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
6. März 2026
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
4. März 2026
Zuletzt verifiziert
1. Februar 2026
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Schlüsselwörter
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
- Pro00111371
- 2P50HD093074 (US NIH Stipendium/Vertrag)
Plan für individuelle Teilnehmerdaten (IPD)
Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?
JA
Beschreibung des IPD-Plans
Alle personenbezogenen Daten, die den Vertraulichkeitsanforderungen von PHI und IRB genügen, werden bis zum Ende des Förderzeitraums an das NIH/NIMH Data Repository übermittelt.
IPD-Sharing-Zeitrahmen
Wir werden eine elektronische Version der endgültigen, von Experten begutachteten Arbeit, einschließlich des statistischen Analysecodes, an die National Library of Medicine PubMed Central übermitteln, um sie spätestens 12 Monate nach dem offiziellen Veröffentlichungsdatum öffentlich zugänglich zu machen.
IPD-Sharing-Zugriffskriterien
Öffentlich verfügbar über PubMed Central
Art der unterstützenden IPD-Freigabeinformationen
- ANALYTIC_CODE
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 .