Diese Seite wurde automatisch übersetzt und die Genauigkeit der Übersetzung wird nicht garantiert. Bitte wende dich an die englische Version für einen Quelltext.

Integration eines trainierten Sprachmodells zur Verbesserung der Blutzuckerkontrolle durch erhöhte körperliche Aktivität: eine vollständig digitale, randomisierte Smartphone-App-Studie zur Zählung meines Herzens

12. September 2024 aktualisiert von: Daniel Seung Kim, Stanford University

Typ-2-Diabetes (T2D) ist eine der häufigsten und am schnellsten wachsenden Krankheiten und betrifft bis 2045 weltweit jeden achten Erwachsenen (fast 800 Millionen). Bewegungsmangel und erhöhte Adipositas sind Hauptrisikofaktoren für T2D. Herz-Kreislauf-Erkrankungen sind die häufigste Todesursache bei T2D-Patienten, während diabetische mikrovaskuläre Erkrankungen, die Nierenerkrankungen, Neuropathie und Retinopathie verursachen, zur T2D-Morbidität beitragen.

Körperliche Aktivität ist eine der wirksamsten Therapien zur Vorbeugung/Behandlung von Typ-2-Diabetes und seinen Komplikationen. Die durchschnittlichen täglichen Schritte sind ein Indikator für körperliche Aktivität, wobei selbst geringfügige Verbesserungen der Schrittzahl (d. h. +500 Schritte) mit einem Rückgang von T2D und Mortalität einhergehen. Allerdings ist die Einhaltung regelmäßiger körperlicher Aktivität bei T2D-Patienten nach wie vor gering, wobei ein kurzfristiger Rückgang der täglichen Schrittzahl mit einer beeinträchtigten Blutzuckerkontrolle und einem erneuten Auftreten von T2D einhergeht.

Die Forscher haben ein Sprachmodell mit künstlicher Intelligenz (KI) entwickelt (ähnlich wie ChatGPT), das automatisch Coaching-Aufforderungen generieren kann, um körperliche Aktivität zu fördern, indem es den Veränderungsstand einer Person berücksichtigt. Die Forscher werden unsere Forschung mit der Smartphone-App My Heart Counts (MHC) erweitern, um 1) die Wirksamkeit der KI-generierten Eingabeaufforderungen bei Patienten mit T2D zu validieren und 2) eine längerfristige randomisierte Crossover-Studie durchzuführen, bei der das Sprachmodell als soziales Mittel verwendet wird Verantwortungs-Chatbot – Ermutigung der Teilnehmer, ihre körperlichen Aktivitätsänderungen über Monate hinweg beizubehalten. Die Forscher gehen davon aus, dass meine KI-gestützten Coaching-Aufforderungen 1) die durchschnittliche tägliche Schrittzahl um 500 Schritte bei 1.000 landesweit rekrutierten Erwachsenen über einen Zeitraum von 7 Tagen erhöhen und 2) HbA1c und Gewicht durch langfristige Verhaltensänderungen über einen Zeitraum von 24 verbessern -wöchiger Interventionszeitraum.

Studienübersicht

Studientyp

Interventionell

Einschreibung (Geschätzt)

1000

Phase

  • Unzutreffend

Kontakte und Standorte

Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.

Studienkontakt

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

  • Erwachsene
  • Älterer Erwachsener

Akzeptiert gesunde Freiwillige

Nein

Beschreibung

Einschlusskriterien:

  • In unsere Studie werden Personen im Alter von ≥ 18 Jahren mit einer klinischen T2D-Diagnose, die Englisch lesen und verstehen sowie körperlich laufen können, einbezogen

Ausschlusskriterien:

  • Kriterien, die außerhalb der Einschlusskriterien liegen.

Studienplan

Dieser Abschnitt enthält Einzelheiten zum Studienplan, einschließlich des Studiendesigns und der Messung der Studieninhalte.

Wie ist die Studie aufgebaut?

Designdetails

  • Hauptzweck: Behandlung
  • Zuteilung: Zufällig
  • Interventionsmodell: Crossover-Aufgabe
  • Maskierung: Keine (Offenes Etikett)

Waffen und Interventionen

Teilnehmergruppe / Arm
Intervention / Behandlung
Experimental: LLM-generierte Coaching-Eingabeaufforderung
Ziel 1: In vorläufigen Daten haben die Forscher ein Open-Source-Sprachmodell, LLAMA, mit von Experten erstellten Coaching-Eingabeaufforderungen vorab trainiert, die auf dem Modell der Phasen des Wandels für körperliche Aktivität basieren. Es werden sieben verschiedene Eingabeaufforderungen (für jeden Tag einer Interventionswoche) generiert, die Rasse/ethnische Zugehörigkeit, Alter, Geschlecht und Stadium der Veränderung berücksichtigen, um die Personalisierung zu verbessern. Unter Verwendung der vorhandenen MHC-App führen die Forscher eine randomisierte Crossover-Studie zu den durchschnittlichen täglichen Schritten bei jedem Eingriff durch. Die Forscher vergleichen die Interventionen einer täglichen Erinnerung zum Erreichen von 10.000 Schritten (eine neutrale Kontrolle) und KI-personalisierte Interventionen basierend auf dem Veränderungsstadium einer Person.
Ziel 2: Unter Verwendung sozialer Verantwortung und des trainierten Sprachmodells zur Generierung personalisierter Coaching-Interventionen führen die Forscher eine randomisierte, nicht verblindete Langzeit-Follow-up-Studie durch. Über einen 24-wöchigen Interventionszeitraum hinweg erhalten die Teilnehmer entweder eine generische tägliche Erinnerung an das Erreichen von 10.000 Schritten oder eine KI-generierte Coaching-Aufforderung, wobei die KI-Gruppe auch mit dem Sprachmodell „chatten“ kann, um um Rat zur Aufrechterhaltung ihrer Schritte zu bitten körperliche Aktivität. Die Ergebnisse dieser Langzeitstudie werden sich ändern in: 1) täglichen Schritten über den Interventionszeitraum, 2) Gewicht (über HealthKit-Link zu MHC) und 3) HbA1c (abgeleitet aus EMR-Aufzeichnungen, die mit dem HIPAA-konformen MHC verknüpft sind). App).
Aktiver Komparator: 10.000-Schritte-Erinnerung
Ziel 1: In vorläufigen Daten haben die Forscher ein Open-Source-Sprachmodell, LLAMA, mit von Experten erstellten Coaching-Eingabeaufforderungen vorab trainiert, die auf dem Modell der Phasen des Wandels für körperliche Aktivität basieren. Es werden sieben verschiedene Eingabeaufforderungen (für jeden Tag einer Interventionswoche) generiert, die Rasse/ethnische Zugehörigkeit, Alter, Geschlecht und Stadium der Veränderung berücksichtigen, um die Personalisierung zu verbessern. Unter Verwendung der vorhandenen MHC-App führen die Forscher eine randomisierte Crossover-Studie zu den durchschnittlichen täglichen Schritten bei jedem Eingriff durch. Die Forscher vergleichen die Interventionen einer täglichen Erinnerung zum Erreichen von 10.000 Schritten (eine neutrale Kontrolle) und KI-personalisierte Interventionen basierend auf dem Veränderungsstadium einer Person.
Ziel 2: Unter Verwendung sozialer Verantwortung und des trainierten Sprachmodells zur Generierung personalisierter Coaching-Interventionen führen die Forscher eine randomisierte, nicht verblindete Langzeit-Follow-up-Studie durch. Über einen 24-wöchigen Interventionszeitraum hinweg erhalten die Teilnehmer entweder eine generische tägliche Erinnerung an das Erreichen von 10.000 Schritten oder eine KI-generierte Coaching-Aufforderung, wobei die KI-Gruppe auch mit dem Sprachmodell „chatten“ kann, um um Rat zur Aufrechterhaltung ihrer Schritte zu bitten körperliche Aktivität. Die Ergebnisse dieser Langzeitstudie werden sich ändern in: 1) täglichen Schritten über den Interventionszeitraum, 2) Gewicht (über HealthKit-Link zu MHC) und 3) HbA1c (abgeleitet aus EMR-Aufzeichnungen, die mit dem HIPAA-konformen MHC verknüpft sind). App).

Was misst die Studie?

Primäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Mittlere tägliche Schritte
Zeitfenster: 7 Tage und 24 Wochen
Mittlere tägliche Schritte im Verlauf einer Interventionswoche (Ziel 1) und eines 24-wöchigen Zeitraums (Ziel 2).
7 Tage und 24 Wochen

Sekundäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Gewichtsveränderung
Zeitfenster: 24 Wochen
Gewichtsveränderung während der Langzeitintervention (Ziel 2)
24 Wochen
Veränderung des HbA1c
Zeitfenster: 24 Wochen
Veränderung des HbA1c während der Langzeitintervention (Ziel 2)
24 Wochen
Wöchentliche aktive Minuten
Zeitfenster: 7 Tage und 24 Wochen
Gesamte wöchentliche aktive Minuten im Verlauf einer Interventionswoche (Ziel 1) und eines 24-wöchigen Zeitraums (Ziel 2).
7 Tage und 24 Wochen

Mitarbeiter und Ermittler

Hier finden Sie Personen und Organisationen, die an dieser Studie beteiligt sind.

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 (Geschätzt)

1. Juli 2025

Primärer Abschluss (Geschätzt)

1. Juli 2029

Studienabschluss (Geschätzt)

1. Juli 2029

Studienanmeldedaten

Zuerst eingereicht

26. August 2024

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

12. September 2024

Zuerst gepostet (Geschätzt)

19. September 2024

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Geschätzt)

19. September 2024

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

12. September 2024

Zuletzt verifiziert

1. August 2024

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Andere Studien-ID-Nummern

  • 76338

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

Produkt, das in den USA hergestellt und aus den USA exportiert wird

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 .

Abonnieren