- ICH GCP
- US-Register für klinische Studien
- Klinische Studie NCT07391436
Verwendung von Wearables zur Identifizierung von Faktoren im Zusammenhang mit leichter kognitiver Beeinträchtigung und Alzheimer-Krankheit im Frühstadium
Kognitive Beeinträchtigungen betreffen weltweit Millionen älterer Erwachsener und haben tiefgreifende Auswirkungen auf Einzelpersonen, Familien und Gesundheitssysteme. Leichte kognitive Beeinträchtigung (MCI) ist oft ein frühes Stadium der Alzheimer-Krankheit (AD), einer Erkrankung, für die es derzeit keine Heilung gibt. Die Identifizierung von Risikopersonen im frühestmöglichen Stadium bleibt eine große Herausforderung. Traditionelle diagnostische Ansätze wie Laborbiomarker, Neuroimaging und neuropsychologische Tests werden in der Regel zu einem einzigen Zeitpunkt durchgeführt und können subtile oder frühe Veränderungen der Gehirnfunktion und des täglichen Verhaltens nicht erfassen.
Jüngste Fortschritte in der Wearable-Technologie, wie Smartwatches und Smart Rings, ermöglichen eine kontinuierliche und nicht-invasive Überwachung physiologischer und verhaltensbezogener Muster im täglichen Leben. Diese Geräte können Daten zu körperlicher Aktivität, Schlaf, Herzfrequenz und anderen Parametern erfassen, die sich verändern können, bevor eindeutige kognitive Symptome erkennbar werden. In Kombination mit klinischen, laboratorischen, neuropsychologischen, neuroimaging- und elektroenzephalographischen (EEG) Informationen können diese Daten dazu beitragen, frühe Anzeichen eines kognitiven Rückgangs zu identifizieren.
Ziel dieser Studie ist die Entwicklung und Validierung von Modellen, die in der Lage sind, frühe Indikatoren für MCI und frühe Alzheimer-Erkrankungen durch die Integration mehrerer Datenquellen zu erkennen, einschließlich klinischer Bewertungen, Blutuntersuchungen, neuropsychologischer Untersuchungen, Gehirnbildgebung, EEG-Aufzeichnungen und kontinuierlicher Daten von Wearable-Geräten.
Dies ist eine beobachtende, analytische, monozentrische, prospektive Kohortenstudie, die 150 Teilnehmer beider Geschlechter im Alter von 65 Jahren oder älter einschließen wird. Die Teilnehmer werden aus der Gedächtnissprechstunde des Universitätskrankenhauses Getúlio Vargas (HUGV), über Überweisungen von externen Neurologen oder durch Studienverbreitung in sozialen Medien rekrutiert. Um die Zielstichprobengröße zu erreichen, können bis zu 250 Personen mit einer nicht-probabilistischen, auf Bequemlichkeit basierenden Rekrutierungsstrategie angesprochen werden. Nach Erteilung der informierten Einwilligung durchlaufen die Teilnehmer eine umfassende medizinische Untersuchung, standardisierte und validierte neuropsychologische Tests, Labor- und Bildgebungsuntersuchungen sowie EEG-Aufzeichnungen. Die Teilnehmer erhalten auch Schulungen zur Verwendung von Wearable-Geräten für kontinuierliches Monitoring in ihrem täglichen Leben. Eine Kontrollgruppe älterer Erwachsener ohne kognitive Beeinträchtigung wird zum Vergleich einbezogen.
Alle gesammelten Daten werden sicher in einer zentralisierten Datenbank gespeichert und zur Entwicklung und Validierung analytischer Modelle verwendet, die darauf abzielen, mit kognitivem Rückgang verbundene Muster zu identifizieren. Die Ergebnisse dieser Studie können eine frühere Identifizierung von Personen mit Risiko für MCI und Alzheimer-Krankheit unterstützen, helfen, rechtzeitige Interventionen zu steuern und potenziell das Fortschreiten der Krankheit und frühe Institutionalisierung verzögern, was zu einer verbesserten Lebensqualität älterer Erwachsener und ihrer Familien beiträgt.
Studienübersicht
Status
Detaillierte Beschreibung
Leichte kognitive Beeinträchtigung (MCI) und frühes Alzheimer-Stadium (AD) stellen kritische Stadien entlang des Kontinuums neurodegenerativer kognitiver Störungen dar. Das Verständnis dieser Erkrankungen ist entscheidend für die Ermöglichung einer frühzeitigen Diagnose, die Umsetzung gezielter therapeutischer Strategien und die Entwicklung umfassender Betreuungspläne, die darauf abzielen, die Lebensqualität von Patienten und Pflegepersonen zu verbessern und, wenn möglich, das Fortschreiten neurodegenerativer Prozesse zu verzögern.
Die globale Belastung durch Demenz nimmt rapide zu und stellt eine dringende Herausforderung für die öffentliche Gesundheit dar. Projektionen schätzen, dass bis 2050 weltweit etwa 115 Millionen Menschen mit Demenz leben werden. Allein in den USA wird die Prävalenz von MCI voraussichtlich 21 Millionen Menschen überschreiten, mit fast 14 Millionen Fällen von Alzheimer bis 2060. Diese Zahlen unterstreichen den dringenden Bedarf an Fortschritten in der translationalen Neurowissenschaft, insbesondere bei frühdiagnostischen Strategien und präventiven, personalisierten Betreuungsansätzen.
In diesem Kontext sind Wearable-Technologien als vielversprechende Werkzeuge für die kontinuierliche, nicht-invasive Überwachung physiologischer und verhaltensbezogener Parameter in realen Umgebungen hervorgetreten. Geräte wie Smartwatches und Smart-Rings ermöglichen die longitudinale Erfassung von Daten zu Herzfrequenzvariabilität, Schlafarchitektur, körperlicher Aktivität und zirkadianen Rhythmen – Faktoren, die zunehmend mit kognitivem Abbau in Verbindung gebracht werden. Aufkommende Erkenntnisse deuten darauf hin, dass Veränderungen dieser Parameter einer frühen kognitiven Beeinträchtigung vorausgehen oder diese begleiten können. Wenn diese Daten mit fortschrittlichen Methoden der künstlichen Intelligenz (KI) integriert werden, können sie subtile Muster aufdecken, die auf frühe neurodegenerative Prozesse hinweisen, die den offensichtlichen klinischen Symptomen vorausgehen.
Die Kombination von Wearable-Daten mit Neuroimaging und Elektroenzephalographie (EEG) hat das Potenzial, robustere diagnostische Modelle zu generieren. Während Wearables verhaltensbezogene und physiologische Dynamiken erfassen, liefert die Magnetresonanztomographie (MRT) detaillierte Informationen über Gehirnstruktur und -funktion, und EEG ermöglicht die Analyse neuronaler Oszillationen und Konnektivitätsmuster, die mit früher kognitiver Beeinträchtigung verbunden sind. Die Integration dieser multimodalen Datenströme stellt eine komplexe methodische Herausforderung dar, die fortschrittliche rechnerische Rahmenwerke erfordert, die heterogene, hochdimensionale Datensätze verarbeiten können.
Fortschritte in künstlicher Intelligenz und maschinellem Lernen ermöglichen die Integration multimodaler Daten und die Identifizierung komplexer Muster, die durch traditionelle analytische Ansätze nicht erkennbar sind. Multimodale Datenfusionsstrategien, die Wearable-basierte physiologische und verhaltensbezogene Merkmale mit neuropsychologischen, neuroimaging- und EEG-basierten Variablen kombinieren, können die diagnostische Leistung verbessern und eine individuelle Risikostratifizierung unterstützen.
Dies ist eine beobachtende, analytische, monozentrische, prospektive Kohortenstudie, die darauf abzielt, multimodale klinische und digitale Daten zu integrieren, um KI-basierte Modelle zur frühzeitigen Erkennung von MCI und frühem Alzheimer-Stadium zu entwickeln und zu validieren. Die Studie wird am Getúlio Vargas Universitätskrankenhaus (HUGV) durchgeführt, einem tertiären akademischen Zentrum und regionalen Referenzzentrum für hochkomplexe Versorgung, in Zusammenarbeit mit dem Zentrum für Forschung und Entwicklung in Elektronik- und Informationstechnologie (CETELI/UFAM), das Expertise in intelligenten Systemen, Dateninfrastruktur und KI-Modellentwicklung bereitstellt.
Maschinelles Lernen und Deep-Learning-Ansätze werden angewendet, um Muster im Zusammenhang mit kognitivem Abbau zu identifizieren, die frühzeitige Erkennung von MCI und frühem AD zu unterstützen und eine Risikostratifizierung zu ermöglichen. Die Modellentwicklung und -validierung priorisieren Robustheit, Interpretierbarkeit und potenzielle klinische Anwendbarkeit.
Diese Studie zielt darauf ab, die Entwicklung skalierbarer, zugänglicher und nicht-invasiver KI-basierter Werkzeuge für die frühzeitige Erkennung kognitiver Beeinträchtigungen zu unterstützen. Durch die Nutzung kontinuierlicher Wearable-Überwachung und multimodaler Datenintegration kann der vorgeschlagene Ansatz zu einer früheren Diagnose, verbesserter Risikostratifizierung und rechtzeitigeren Interventionsstrategien für Personen mit Alzheimer-Risiko beitragen.
Studientyp
Einschreibung (Geschätzt)
Kontakte und Standorte
Studienkontakt
- Name: Robson Luís Oliveira de Amorim, PhD
- Telefonnummer: +55 92 99403-4101
- E-Mail: robsonamorim@ufam.edu.br
Studieren Sie die Kontaktsicherung
- Name: Eliana Brasil Alves, Master of Health Sciences
- Telefonnummer: +55 92 99603-2236
- E-Mail: eliana.brasil@ufam.edu.br
Studienorte
-
-
Amazonas
-
Manaus, Amazonas, Brasilien, 69020-170
- Getúlio Vargas University Hospital
-
Kontakt:
- Plinío José Cavalcante Monteiro
- Telefonnummer: +55 (92) 3305-4813
- E-Mail: plinio.monteiro@ebserh.gov.br
-
-
Teilnahmekriterien
Zulassungskriterien
Studienberechtigtes Alter
- Älterer Erwachsener
Akzeptiert gesunde Freiwillige
Probenahmeverfahren
Studienpopulation
Beschreibung
Einschlusskriterien Alter 65 Jahre oder älter; Klinischer Verdacht auf MCI, frühe AD Patienten, die bei Bewusstsein, orientiert und in der Lage sind, Fragebögen zu beantworten; Fähigkeit und Bereitschaft, tragbare Geräte für 30 Tage zu nutzen; Unterschrift des informierten Einverständnisses (ICF)
Nicht-Einschlusskriterien Fortgeschrittene Demenz Schwere unkontrollierte psychiatrische Störung Schwere Seh- oder Hörbehinderung, die die Kommunikation verhindert Schwere körperliche oder kognitive Unfähigkeit, tragbare Geräte zu nutzen Herzschrittmacher, der mit den Geräten inkompatibel ist
Ausschlusskriterien Nicht bestätigte Diagnose von MCI oder früher AD; Freiwilliger Rückzug in jeder Phase der Studie; Tod während des Forschungszeitraums; Unangemessene Nutzung oder Nicht-Einhaltung der Nutzung tragbarer Geräte Ablehnung oder Unfähigkeit, die angeforderten Tests und Untersuchungen vollständig durchzuführen.
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
Kohorten und Interventionen
Gruppe / Kohorte |
|---|
|
Kontrollgruppe
Personen ohne wesentliche Auffälligkeiten bei bildgebenden Untersuchungen, Biomarkern oder neuropsychologischer Beurteilung.
|
|
Leichte kognitive Beeinträchtigung (MCI)
Teilnehmer mit Auffälligkeiten in kognitiven Fragebogen-Scores und/oder Laborbiomarkern, aber ohne signifikante funktionelle Beeinträchtigung.
|
|
Alzheimer-Krankheit im Frühstadium (eAD)
Personen mit veränderten Labor- und/oder Bildgebungsergebnissen, die mit der Anfangsphase der Neurodegeneration vereinbar sind.
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Genauigkeit eines prädiktiven Modells zur Identifizierung von leichter kognitiver Beeinträchtigung und früher Alzheimer-Krankheit
Zeitfenster: Bis zu 30 Tage kontinuierliche Wearable-Überwachung
|
Bewertung der Genauigkeit, definiert als der Anteil der korrekt klassifizierten Teilnehmer, eines prädiktiven Modells, das entwickelt wurde, um leichte kognitive Beeinträchtigungen und Alzheimer-Krankheit im Frühstadium anhand von Daten zu identifizieren, die von tragbaren Technologien und digitalen Fragebögen gesammelt wurden, unter Verwendung etablierter klinischer und standardisierter neuropsychologischer Diagnosen als Referenzstandard.
|
Bis zu 30 Tage kontinuierliche Wearable-Überwachung
|
Sekundäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Zusammenhang zwischen Sprach- und Stimmmerkmalen aus Smartphone-Audio und klinischer Gruppe
Zeitfenster: Bis zu 30 Tage
|
Bewertung der Beziehung zwischen Sprach- und Stimmmerkmalen, die aus Smartphone-basierten Audioaufnahmen extrahiert wurden, einschließlich Sprechgeschwindigkeit, Artikulation, Pausenmuster, Tonhöhenvariabilität und Stimmqualitätsmaßen, und der klinischen Gruppeneinteilung (Kontrollgruppe, leichte kognitive Beeinträchtigung und frühe Alzheimer-Krankheit), einschließlich Korrelationen mit kognitiven und funktionalen Scores.
|
Bis zu 30 Tage
|
|
Zusammenhang zwischen tragbaren Geräten abgeleiteten Schlafmetriken und klinischer Gruppe
Zeitfenster: Bis zu 30 Tagen
|
Evaluierung des Zusammenhangs zwischen tragbaren Geräten abgeleiteten Schlafparametern einschließlich Gesamtschlafzeit, Schlafeffizienz, Schlaflatenz, Wachzeit nach Schlafbeginn und Schlafstadienverteilung sowie der klinischen Gruppeneinteilung kognitiv unbeeinträchtigte Kontrollgruppe, leichte kognitive Beeinträchtigung und frühe Alzheimer-Krankheit, sowie Korrelationen zwischen Schlafmetriken und standardisierten kognitiven und funktionellen Bewertungsscores.
|
Bis zu 30 Tagen
|
|
Zusammenhang zwischen tragbaren Geräten abgeleiteten körperlichen Aktivitätsmetriken und klinischer Gruppe
Zeitfenster: Bis zu 30 Tagen
|
Bewertung der Beziehung zwischen tragbaren Geräten abgeleiteten physischen Aktivitätsmetriken einschließlich täglicher Schrittzahl, Aktivitätsintensitätsniveaus, sitzender Zeit und Energieverbrauch und klinischer Gruppeneinteilung Kontrolle, leichte kognitive Beeinträchtigung und frühe Alzheimer-Krankheit, einschließlich Korrelationen mit kognitiven und funktionalen Leistungsmaßen.
|
Bis zu 30 Tagen
|
|
Zusammenhang zwischen tragbaren Geräten abgeleiteten Herzfrequenz- und Herzfrequenzvariabilitätsmetriken und klinischer Gruppe
Zeitfenster: Bis zu 30 Tagen
|
Analyse des Zusammenhangs zwischen von Wearables abgeleiteten Herzfrequenz- und Herzfrequenzvariabilitätsparametern, einschließlich Ruheherzfrequenz und Zeitbereichs- und Frequenzbereichs-HRV-Indizes, und der klinischen Gruppeneinteilung Kontrolle, leichte kognitive Beeinträchtigung und frühe Alzheimer-Krankheit sowie Korrelationen mit kognitiven und funktionellen Scores
|
Bis zu 30 Tagen
|
|
Unterschiede in der Timed Up and Go-Leistung über klinische Gruppen hinweg
Zeitfenster: Baseline-Bewertung Tag 1 (bis zu 30 Tagen)
|
Vergleich der Timed-Up-and-Go-Testleistung zwischen klinischen Gruppen (Kontrollgruppe, leichte kognitive Beeinträchtigung und frühe Alzheimer-Krankheit) und Bewertung der Korrelationen zwischen TUG-Leistung und tragbaren Sensoren abgeleiteten Metriken für körperliche Aktivität und Schlaf.
|
Baseline-Bewertung Tag 1 (bis zu 30 Tagen)
|
|
Zusammenhang zwischen Gesichtsausdrucksmerkmalen aus Smartphone-Videos und klinischer Gruppe
Zeitfenster: Bis zu 30 Tagen
|
Bewertung des Zusammenhangs zwischen aus Smartphone-Videoaufnahmen extrahierten Gesichtsausdrucksmerkmalen, einschließlich Gesichtsaktionscodes, emotionaler Ausdrucksfähigkeit und Bewegungsdynamik, und der klinischen Gruppenklassifikation (Kontrollgruppe, leichte kognitive Beeinträchtigung und frühe Alzheimer-Krankheit).
|
Bis zu 30 Tagen
|
|
Zusammenhang zwischen Smartphone-basierten Augenbewegungsmerkmalen und klinischer Gruppe
Zeitfenster: Bis zu 30 Tagen
|
Bewertung des Zusammenhangs zwischen Augenbewegungen und okulären Tracking-Merkmalen, die aus Smartphone-basierten Bewertungen abgeleitet werden, einschließlich Sakkadenmetriken, Fixationsstabilität und Verfolgungsleistung, und der klinischen Gruppeneinteilung (Kontrollgruppe, leichte kognitive Beeinträchtigung und frühe Alzheimer-Krankheit).
|
Bis zu 30 Tagen
|
|
Zusammenhang zwischen Elektroenzephalographie (EEG)-Klassifizierung und klinischer Gruppe
Zeitfenster: Bis zu 30 Tagen
|
Bewertung des Zusammenhangs zwischen der EEG-Klassifikation normal versus abnormal und der Art der Abnormalität sowie der klinischen Gruppeneinteilung Kontrolle, leichte kognitive Beeinträchtigung und frühe Alzheimer-Krankheit, sowie Korrelationen zwischen EEG-Befunden und tragbaren Geräten abgeleiteten Schlaf- und körperlichen Aktivitätsmetriken.
|
Bis zu 30 Tagen
|
|
Zusammenhang zwischen nicht-invasiven intrakraniellen Compliance-Metriken und klinischer Gruppe
Zeitfenster: Bis zu 30 Tage
|
Bewertung der Beziehung zwischen nicht-invasiven intrakraniellen Compliance-Metriken, die mit dem Brain4Care-Gerät erfasst werden, einschließlich des P2-P1-Verhältnisses und der Wellenformmorphologie, und der klinischen Gruppeneinteilung (Kontrollgruppe, leichte kognitive Beeinträchtigung und frühe Alzheimer-Krankheit), einschließlich Korrelationen mit tragbaren Geräten abgeleiteten Schlaf- und körperlichen Aktivitätsmetriken.
|
Bis zu 30 Tage
|
|
Zusammenhang zwischen Karotis- und Vertebralis-Doppler-Befunden und klinischer Gruppe
Zeitfenster: Bis zu 30 Tagen
|
Bewertung des Zusammenhangs zwischen Befunden der Karotis- und Vertebralis-Dopplersonographie einschließlich Intima-Media-Dicke und Vorhandensein oder Grad der arteriellen Stenose und klinischer Gruppeneinteilung Kontrolle, leichte kognitive Beeinträchtigung und frühe Alzheimer-Krankheit.
|
Bis zu 30 Tagen
|
|
Machbarkeit und Einhaltung kontinuierlicher tragbarer Überwachung
Zeitfenster: Bis zu 30 Tagen
|
Bewertung der Machbarkeit und Teilnehmeradhärenz an kontinuierlichem Wearable-Monitoring, einschließlich des Prozentsatzes der Tage mit gültigen Wearable-Daten, der durchschnittlichen täglichen Tragedauer und der Studienabbruchrate.
|
Bis zu 30 Tagen
|
|
Zusammenhang zwischen kognitiver und neuropsychologischer Leistung und klinischer Gruppe
Zeitfenster: Bis zu 30 Tagen
|
Bewertung der Beziehung zwischen globaler und domainspezifischer kognitiver und neuropsychologischer Leistung, einschließlich Screening-Maßnahmen und standardisierter neuropsychologischer Tests zur Beurteilung von Gedächtnis, exekutiven Funktionen, Aufmerksamkeit, Sprache, Verarbeitungsgeschwindigkeit und visuell-räumlichen Fähigkeiten, und klinischer Gruppeneinteilung Kontrolle, leichte kognitive Beeinträchtigung und frühe Alzheimer-Krankheit.
|
Bis zu 30 Tagen
|
|
Zusammenhang zwischen funktionalen, neuropsychiatrischen und verhaltensbezogenen Maßnahmen und klinischer Gruppe
Zeitfenster: Bis zu 30 Tagen
|
Bewertung des Zusammenhangs zwischen funktioneller Kapazität, neuropsychiatrischen Symptomen und Verhaltensmaßen, einschließlich instrumenteller Aktivitäten des täglichen Lebens, Angst- und Depressionssymptomen, und klinischer Gruppeneinteilung (Kontrollgruppe, leichte kognitive Beeinträchtigung und frühe Alzheimer-Krankheit), einschließlich Korrelationen mit kognitiven und digitalen Biomarkern.
|
Bis zu 30 Tagen
|
|
Zusammenhang zwischen blutbasierten Biomarkern und klinischer Gruppe
Zeitfenster: Bis zu 30 Tagen
|
Bewertung der Beziehung zwischen blutbasierten Biomarkern, einschließlich routinemäßiger Laborparameter und Plasmabiomarker der Alzheimer-Krankheitspathologie, und der klinischen Gruppeneinteilung Kontrolle, leichte kognitive Beeinträchtigung und frühe Alzheimer-Krankheit, einschließlich Korrelationen mit kognitiven, funktionellen und neuroimaging-Messungen.
|
Bis zu 30 Tagen
|
|
Zusammenhang zwischen neurophysiologischen Messwerten und klinischer Gruppe
Zeitfenster: Bis zu 30 Tagen
|
Bewertung des Zusammenhangs zwischen neurophysiologischen Merkmalen, einschließlich elektroenzephalographischer Muster und nicht-invasiver intrakranieller Compliance-Wellenformmetriken, und klinischer Gruppenklassifikation (Kontrollgruppe, leichte kognitive Beeinträchtigung, frühe Alzheimer-Krankheit), einschließlich Korrelationen mit kognitiven und neuroimaging-Ergebnissen.
|
Bis zu 30 Tagen
|
|
Zusammenhang zwischen bildgebenden Merkmalen und klinischer Gruppe
Zeitfenster: Bis zu 30 Tage
|
Bewertung der Beziehung zwischen strukturellen neuroimaging- und zerebrovaskulären Merkmalen, einschließlich kortikaler und medialer temporaler Atrophie, Erkrankungen der weißen Substanz, Mikroblutungen, Infarkten, volumetrischen und kortikalen Dickemessungen sowie klinischer Gruppeneinteilung Kontrolle, leichte kognitive Beeinträchtigung und frühe Alzheimer-Krankheit.
|
Bis zu 30 Tage
|
Mitarbeiter und Ermittler
Ermittler
- Studienleiter: Marly Guimarães Fernandes Costa, Federal University of Amazonas
- Hauptermittler: Robson Luís Oliveira de Amorim, Getúlio Vargas University Hospital
- Studienstuhl: Caio Eduardo Rodrigues Falcão, Getúlio Vargas University Hospital
- Studienleiter: Eliana Brasil Alves, Getúlio Vargas University Hospital
- Studienleiter: Cícero Ferreira Fernandes Costa Filho, Federal University of Amazonas
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Geschätzt)
Primärer Abschluss (Geschätzt)
Studienabschluss (Geschätzt)
Studienanmeldedaten
Zuerst eingereicht
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst gepostet (Tatsächlich)
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Zuletzt verifiziert
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Schlüsselwörter
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
- 93783525.5.0000.5020
- Convênio No 02/2025 (Andere Zuschuss-/Finanzierungsnummer: SAMSUNG ELETRÔNICA DA AMAZONIA)
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 .