- ICH GCP
- US-Register für klinische Studien
- Klinische Studie NCT07345143
Künstliche Intelligenz und Gestationsdiabetes
6. Januar 2026 aktualisiert von: JOSE FERNANDO VILELA-MARTIN
Künstliche Intelligenz in der Bildung und Überwachung von Frauen mit Schwangerschaftsdiabetes
Künstliche Intelligenz (KI)-Technologie kann medizinischen Teams bei der Fernüberwachung und Weiterbildung von Frauen mit Schwangerschaftsdiabetes (GDM) unterstützen, was möglicherweise die Einhaltung von Interventionen verbessert und die Ergebnisse beeinflusst.
Ein KI-Fernüberwachungsmodell namens "Überwachungsmodell für Frauen mit GDM unter pharmakologischer Therapie", das vom technischen Team von ChamouDr erstellt wurde, wird mit Schwerpunkt auf Krankheitsaufklärung, Blutzuckerkontrolle und therapeutische Interventionen analysiert.
Frauen mit diagnostiziertem GDM werden eingeladen, an der Studie teilzunehmen und ein kostenloses und informiertes Einverständnisformular zu unterschreiben.
Das KI-Tool wird auf dem Handy der Schwangeren installiert, die Anweisungen erhält, gemäß Protokoll 6-mal täglich zu Hause den kapillaren Blutzucker zu messen und die Ergebnisse per WhatsApp an das Studientool zu melden.
Der vom KI-Modell basierend auf der Selbstmessung des Blutzuckers (SMBG) generierte Algorithmus informiert über die Diabeteskontrolle in der letzten Woche.
Das Dashboard ist über einen Webbrowser zugänglich und signalisiert: in Grün und Rot für Patienten mit zufriedenstellender bzw. unzufriedenstellender Kontrolle.
So optimiert das KI-Modell die Zeit des Teams bei der Analyse und angemessenen Behandlung von Patienten auf einfache, kosteneffektive und zugängliche Weise.
Studienübersicht
Status
Anmeldung auf Einladung
Bedingungen
Intervention / Behandlung
Detaillierte Beschreibung
KI-Technologie kann medizinischen Teams bei der Fernüberwachung und Weiterbildung von Frauen mit GDM assistieren.
Zielsetzung: Analyse der Ergebnisse der Nutzung eines KI-Modells bei der Fernüberwachung und Weiterbildung von Frauen mit GDM und pharmakologischer Behandlung sowie deren Korrelation mit klinischen Ergebnissen für das Mutter-Fötus-Binom.
Methoden: Prospektive, longitudinale, interventionelle klinische Studie, genehmigt vom lokalen Ethikausschuss.
Patientinnen unterzeichneten eine Einwilligungserklärung zur Teilnahme.
Ein KI-Fernüberwachungsmodell namens "Überwachungsmodell für Frauen mit GDM unter pharmakologischer Therapie", entwickelt vom ChamouDr-Technologie-Team, wird hinsichtlich Krankheitsaufklärung, Glukosekontrolle-Überwachung und therapeutischer Interventionen analysiert.
Das Modell nutzt WhatsApp®, über einen strukturierten Chatbot und KI-Ressourcen, zur Kommunikation mit der Teilnehmerin.
Vergleichende Analysen werden zwischen zwei Gruppen von jeweils 100 schwangeren Frauen mit GDM unter Insulintherapie durchgeführt, die in der Hochrisiko-Prenatalklinik der Geburtshilfe-Abteilung eines Tertiärkrankenhauses betreut werden: Fallgruppe mit Nutzung des KI-Modells versus Kontrollgruppe, bestehend aus zuvor unter konventioneller persönlicher Betreuung überwachten Patientinnen ohne diese Technologie.
Ein vom KI-Modell basierend auf SMBG generierter Algorithmus informiert über die Diabeteskontrolle der letzten Woche.
Das Dashboard ist über einen Webbrowser zugänglich und signalisiert: in Grün und Rot für Patientinnen mit zufriedenstellender bzw. unzufriedenstellender Kontrolle.
Somit optimiert das KI-Modell die Zeit des Teams bei der Analyse und angemessenen Behandlung von Patientinnen auf einfache, kosteneffektive und zugängliche Weise.
Studientyp
Interventionell
Einschreibung (Geschätzt)
100
Phase
- Unzutreffend
Kontakte und Standorte
Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.
Studienorte
-
-
São Paulo
-
São José do Rio Preto, São Paulo, Brasilien, 15090-000
- Fundação Faculdade Regional de Medicina de São José do Rio Preto
-
-
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
Akzeptiert gesunde Freiwillige
Nein
Beschreibung
Einschlusskriterien:
- Schwangere Frauen mit Gestationsdiabetes und einem Gestationsalter von bis zu 28 Wochen und 6 Tagen
- Schwangere Frauen mit Gestationsdiabetes, die die Einwilligungserklärung nach Aufklärung unterschreiben
Ausschlusskriterien:
- Gestationsalter von mehr als 28 abgeschlossenen Wochen bei der ersten Konsultation
- Teilnehmerinnen mit manifestem Diabetes (Nüchternglukose > 126 mg/dl oder postprandial > 200 mg/dl)
- Unbekannter Ausgang.
Studienplan
Dieser Abschnitt enthält Einzelheiten zum Studienplan, einschließlich des Studiendesigns und der Messung der Studieninhalte.
Wie ist die Studie aufgebaut?
Designdetails
- Hauptzweck: Behandlung
- Zuteilung: Nicht randomisiert
- Interventionsmodell: Parallele Zuordnung
- Maskierung: Keine (Offenes Etikett)
Waffen und Interventionen
Teilnehmergruppe / Arm |
Intervention / Behandlung |
|---|---|
|
Experimental: Gerätegruppe: Fallgruppe (KI-Modell-Anwendung)
Fallgruppe - Gerätegruppe.
KI-Modell zur Überwachung der Glukosekontrolle und zum Versand von Schulungsmaterial zur Behandlung von Frauen mit Schwangerschaftsdiabetes in Insulintherapie.
|
Künstliche-Intelligenz-Modell via WhatsApp® zur Fernüberwachung von Gestationsdiabetes unter Insulintherapie, mit Fokus auf Krankheitsaufklärung, Blutzuckerkontrollüberwachung und therapeutischen Interventionen.
Andere Namen:
|
|
Kein Eingriff: Kontrollgruppe (keine Nutzung des KI-Modells)
Keine Gerätegruppe: Kontrollgruppe - Frauen mit Gestationsdiabetes unter Insulintherapie mit konventioneller Behandlung, ohne Verwendung des KI-Modells.
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
fötaler Tod
Zeitfenster: Vom Zeitpunkt der Randomisierung bis zur Entbindung (bis zur 40. Schwangerschaftswoche)
|
Fetaler Tod infolge von Stoffwechselveränderungen durch Schwangerschaftsdiabetes
|
Vom Zeitpunkt der Randomisierung bis zur Entbindung (bis zur 40. Schwangerschaftswoche)
|
|
Geburtsgewicht des Fötus
Zeitfenster: Vom Zeitpunkt der Randomisierung bis zur Entbindung (bis zur 40. Schwangerschaftswoche)
|
Das fetale Gewicht bei der Geburt wird mit einer Präzisionswaage bestimmt.
|
Vom Zeitpunkt der Randomisierung bis zur Entbindung (bis zur 40. Schwangerschaftswoche)
|
|
neonatale Hypoglykämie
Zeitfenster: Vom Zeitpunkt der Randomisierung bis zur Entbindung (bis zur 40. Schwangerschaftswoche) und Bewertung der neonatalen Blutzuckerspiegel von der Geburt bis zu 48 Stunden nach der Geburt.
|
Neonatale Hypoglykämie ist die abnormale Reduktion von Glukose im Blut des Neugeborenen auf Werte, die als unzureichend angesehen werden, um den Stoffwechselbedarf des Gehirns und anderer Gewebe zu decken. Plasmaglukoseparameter: < 40 mg/dL in den ersten 4 Lebensstunden, < 45 mg/dL zwischen 4 und 24 Lebensstunden, Nach 24 Stunden Werte < 50-60 mg/dL |
Vom Zeitpunkt der Randomisierung bis zur Entbindung (bis zur 40. Schwangerschaftswoche) und Bewertung der neonatalen Blutzuckerspiegel von der Geburt bis zu 48 Stunden nach der Geburt.
|
|
glykämische Kontrolle
Zeitfenster: Vom Zeitpunkt der Randomisierung bis zur Entbindung (bis zur 40. Schwangerschaftswoche)
|
Die glykämische Kontrolle wird gemäß kapillären Glukosemessungen bewertet, die 6-mal täglich durchgeführt werden: nüchtern, vor und 1 Stunde nach den Mahlzeiten, entsprechend den Zielbereichen von 70 bis 95 mg/dL nüchtern; 70 bis 100 mg/dL präprandial; und 100 bis 140 mg/dL postprandial.
|
Vom Zeitpunkt der Randomisierung bis zur Entbindung (bis zur 40. Schwangerschaftswoche)
|
Sekundäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Aufnahme des Neugeborenen auf die Intensivstation
Zeitfenster: Vom Zeitpunkt der Randomisierung bis zur Entbindung (bis zur 40. Schwangerschaftswoche) und von der Geburt bis zu 48 Stunden postpartal
|
Die Notwendigkeit der Aufnahme des Neugeborenen auf eine Intensivstation aufgrund von Stoffwechselstörungen, die mit einer schlechten mütterlichen Blutzuckerkontrolle verbunden sind.
|
Vom Zeitpunkt der Randomisierung bis zur Entbindung (bis zur 40. Schwangerschaftswoche) und von der Geburt bis zu 48 Stunden postpartal
|
|
Gewichtszunahme der Mutter
Zeitfenster: Vom Zeitpunkt der Randomisierung bis zur Entbindung (bis zur 40. Schwangerschaftswoche).
|
Mütterliche Gewichtszunahme, bewertet während der Schwangerschaftsbetreuung bis zur Entbindung.
|
Vom Zeitpunkt der Randomisierung bis zur Entbindung (bis zur 40. Schwangerschaftswoche).
|
|
Schwangerschaftsalter bei Entbindung
Zeitfenster: Vom Zeitpunkt der Randomisierung bis zur Entbindung (bis zur 40. Schwangerschaftswoche).
|
Gestationsalter zum Zeitpunkt der natürlichen Geburt oder des Kaiserschnitts in Wochen
|
Vom Zeitpunkt der Randomisierung bis zur Entbindung (bis zur 40. Schwangerschaftswoche).
|
|
Verabreichungsweg
Zeitfenster: Vom Zeitpunkt der Randomisierung bis zur Entbindung (bis zur 40. Schwangerschaftswoche).
|
Beschreibung, ob es sich um eine natürliche Geburt oder einen Kaiserschnitt handelte.
|
Vom Zeitpunkt der Randomisierung bis zur Entbindung (bis zur 40. Schwangerschaftswoche).
|
|
Blutdruck
Zeitfenster: Vom Zeitpunkt der Randomisierung bis zur Entbindung (bis zur 40. Schwangerschaftswoche).
|
Bewerten Sie, ob Bluthochdruck vorliegt, und beurteilen Sie die Blutdruckwerte während der Schwangerschaft und bis zur Entbindung.
|
Vom Zeitpunkt der Randomisierung bis zur Entbindung (bis zur 40. Schwangerschaftswoche).
|
Mitarbeiter und Ermittler
Hier finden Sie Personen und Organisationen, die an dieser Studie beteiligt sind.
Sponsor
Ermittler
- Hauptermittler: José F Vilela-Martin, MD, PhD, Hospital de Base
- Hauptermittler: Vanessa V Goulart, MD, MSc, Hospital de Base, Sao Jose do Rio Preto, Sao Paulo, Brazil
- Studienstuhl: Ligia C Junqueira, MD, Hospital de Base, Sao Jose do Rio Preto, Sao Paulo, Brazil
- Studienstuhl: Amanda T Lotierzo, MD, Hospital de Base, Sao Jose do Rio Preto, Sao Paulo, Brazil
- Studienstuhl: Carolina C Amorim, MD, Hospital de Base, Sao Jose do Rio Preto, Sao Paulo, Brazil
- Studienstuhl: Maria Amalia BC Cançado, MD, Hospital de Base, Sao Jose do Rio Preto, Sao Paulo, Brazil
- Studienstuhl: Leticia A Mantoani, student, Hospital de Base, Sao Jose do Rio Preto, Sao Paulo, Brazil
- Studienstuhl: Rodrigo F Zancaner, Chamoudr company
- Studienstuhl: Rafael Beolchi, Chamoudr company
- Studienstuhl: Lucas F Queiroz, Chamoudr company
- Studienstuhl: Luciana N Cosenso-Martin, MD, PhD, Hospital de Base, Sao Jose do Rio Preto, Sao Paulo, Brazil
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
- HAPO Study Cooperative Research Group; Metzger BE, Lowe LP, Dyer AR, Trimble ER, Chaovarindr U, Coustan DR, Hadden DR, McCance DR, Hod M, McIntyre HD, Oats JJ, Persson B, Rogers MS, Sacks DA. Hyperglycemia and adverse pregnancy outcomes. N Engl J Med. 2008 May 8;358(19):1991-2002. doi: 10.1056/NEJMoa0707943.
- Sweeting A, Wong J, Murphy HR, Ross GP. A Clinical Update on Gestational Diabetes Mellitus. Endocr Rev. 2022 Sep 26;43(5):763-793. doi: 10.1210/endrev/bnac003.
- Grunebaum A, Chervenak J, Pollet SL, Katz A, Chervenak FA. The exciting potential for ChatGPT in obstetrics and gynecology. Am J Obstet Gynecol. 2023 Jun;228(6):696-705. doi: 10.1016/j.ajog.2023.03.009. Epub 2023 Mar 15.
- Ye W, Luo C, Huang J, Li C, Liu Z, Liu F. Gestational diabetes mellitus and adverse pregnancy outcomes: systematic review and meta-analysis. BMJ. 2022 May 25;377:e067946. doi: 10.1136/bmj-2021-067946.
- Dhombres F, Bonnard J, Bailly K, Maurice P, Papageorghiou AT, Jouannic JM. Contributions of Artificial Intelligence Reported in Obstetrics and Gynecology Journals: Systematic Review. J Med Internet Res. 2022 Apr 20;24(4):e35465. doi: 10.2196/35465.
- Akazawa M, Hashimoto K. Artificial intelligence in gynecologic cancers: Current status and future challenges - A systematic review. Artif Intell Med. 2021 Oct;120:102164. doi: 10.1016/j.artmed.2021.102164. Epub 2021 Sep 3.
- Mistry SK, Das Gupta R, Alam S, Kaur K, Shamim AA, Puthussery S. Gestational diabetes mellitus (GDM) and adverse pregnancy outcome in South Asia: A systematic review. Endocrinol Diabetes Metab. 2021 Oct;4(4):e00285. doi: 10.1002/edm2.285. Epub 2021 Jul 3.
- Ugwudike B, Kwok M. Update on gestational diabetes and adverse pregnancy outcomes. Curr Opin Obstet Gynecol. 2023 Oct 1;35(5):453-459. doi: 10.1097/GCO.0000000000000901. Epub 2023 Aug 9.
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)
1. Juni 2024
Primärer Abschluss (Geschätzt)
20. Dezember 2026
Studienabschluss (Geschätzt)
20. Dezember 2027
Studienanmeldedaten
Zuerst eingereicht
13. November 2025
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
6. Januar 2026
Zuerst gepostet (Tatsächlich)
15. Januar 2026
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
15. Januar 2026
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
6. Januar 2026
Zuletzt verifiziert
1. Januar 2025
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Schlüsselwörter
Zusätzliche relevante MeSH-Bedingungen
- Urogenitale Erkrankungen
- Erkrankungen des endokrinen Systems
- Weibliche Urogenitalerkrankungen und Schwangerschaftskomplikationen
- Stoffwechselerkrankungen
- Körpergewicht
- Schwangerschaftskomplikationen
- Störungen des Glukosestoffwechsels
- Diabetes Mellitus
- Fötale Krankheiten
- Diabetes-Komplikationen
- Schwangerschaft bei Diabetikern
- Geburtsgewicht
- Angeborene, erbliche und neonatale Krankheiten und Anomalien
- Pathologische Zustände, Anzeichen und Symptome
- Ernährungs- und Stoffwechselerkrankungen
- Anzeichen und Symptome
- Schwangerschaftsdiabetes
- Fötale Makrosomie
- Algorithmen
- Mathematische Konzepte
- Künstliche Intelligenz
Andere Studien-ID-Nummern
- 78204024.6.0000.5415.
Plan für individuelle Teilnehmerdaten (IPD)
Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?
UNENTSCHIEDEN
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 .