- ICH GCP
- Registro de ensayos clínicos de EE. UU.
- Ensayo clínico NCT04725799
Señales adicionales para ejercicio, estrés y sueño y predicción de niveles de glucosa para sistemas AP
Señales adicionales para la detección de los efectos del ejercicio, el estrés y el sueño y la predicción de los niveles de glucosa para los sistemas AP de próxima generación
Descripción general del estudio
Estado
Condiciones
Descripción detallada
El enfoque del trabajo propuesto es determinar las variables más informativas para las comidas, el ejercicio, el estrés agudo y el sueño (MESS), identificar sensores seleccionados que reporten estas variables y desarrollar los algoritmos para detectar la ocurrencia de MESS, discriminarlos y determinar sus características. Se necesita investigación para identificar qué dispositivos portátiles informan las variables más informativas y predictivas de MESS con la precisión y exactitud deseadas, determinar la mejor ubicación para usarlos para recopilar datos confiables e informativos, y extraer conocimientos precisos de los datos informados por sensores portátiles. Los datos y su interpretación deben ser informativos para varios tipos de actividades físicas, etapas del sueño y tipos e intensidades de estrés agudo, y la ocurrencia simultánea de factores MESS.
En el primer año de la investigación, los investigadores utilizarán varios dispositivos para recopilar datos y evaluar su contenido de información y su contribución a la mejora de la predicción de la glucosa sérica, las mejores ubicaciones para recopilar información precisa y confiable y su aceptación por parte de los usuarios. En el segundo año del proyecto, seleccionaremos un solo dispositivo portátil, realizaremos experimentos clínicos y de vida libre adicionales en el hogar para evaluar las contribuciones de la información del dispositivo portátil seleccionado para mejorar la precisión de la predicción de glucosa y el rendimiento de el AP multivariable.
Los objetivos de la investigación propuesta son determinar las variables más informativas y las ubicaciones de los sensores para capturar información confiable y precisa que complemente las mediciones de concentración de glucosa (MCG) y desarrollar algoritmos para determinar la presencia de ejercicio, estrés o sueño en un momento dado para estimar concentraciones de glucosa y toma de decisiones de control por un sistema de páncreas artificial multivariable. La investigación propuesta se llevará a cabo mediante la consecución de los siguientes objetivos específicos:
Para perturbar sistemáticamente los factores MESS dentro de experimentos estandarizados en el laboratorio y en el hogar para analizar sus efectos e interacciones en las concentraciones de glucosa; para identificar los enfoques de medición más informativos y confiables (es decir, tipos de sensores portátiles y ubicaciones en el cuerpo) para discriminar factores MESS; desarrollar relaciones cuantitativas que identifiquen el tipo y las características de actividades MESS específicas, desarrollar algoritmos para detectar la presencia de actividades MESS específicas, identificarlas y predecir concentraciones de glucosa con modelos recursivos en tiempo real (para una futura integración con sistemas de control de AP adaptativos) ; y evaluar el rendimiento de los modelos multivariables con datos de dispositivos portátiles y CGM en control de circuito cerrado con AP durante experimentos clínicos exploratorios.
El estudio se llevará a cabo durante un período de 3 a 4 semanas para un total de 6 visitas de estudio. Los sujetos serán monitoreados continuamente usando CGM (DEXCOM [US G5 PLATINUM]); 3 actividad de los siguientes monitores de actividad; (Empatica E4, BiostampRC™, Equivital™ Life Monitor) y Actigraph durante toda la noche. Además, los sujetos utilizarán un monitor de sueño (Zmachine® Insight & Insight+ Model DT-200 y Zephyr Bioharness) durante el período de 3 semanas. Los sujetos vendrán a una visita de estudio 3 veces durante la primera semana durante la cual los investigadores medirán la capacidad de oxígeno y la fuerza muscular de los sujetos durante una prueba de esfuerzo de ejercicio pico (VO2 pico) y una prueba de fuerza muscular máxima (1-RM) , respectivamente. Los resultados de esta prueba establecerán una línea de base a partir de la cual podemos calcular la intensidad de las series de ejercicios aeróbicos y de resistencia submáximos. Las próximas 3 visitas del estudio ocurrirán durante las siguientes 3 a 4 semanas. Durante este tiempo los sujetos realizarán actividades que producen estrés fisiológico y psicológico solos, combinados o próximos entre sí. Las mujeres se realizarán una prueba de embarazo en orina antes de cada día de recopilación de datos. Además, los sujetos realizarán una serie de actividades físicas en casa que serán programadas con el asistente de investigación. El asistente de investigación llamará a los sujetos periódicamente y les pedirá que realicen actividades estresantes, como desafíos mentales.
Tipo de estudio
Inscripción (Actual)
Contactos y Ubicaciones
Ubicaciones de estudio
-
-
Illinois
-
Chicago, Illinois, Estados Unidos, 60612
- University of Illinois at Chicago
-
-
Criterios de participación
Criterio de elegibilidad
Edades elegibles para estudiar
Acepta Voluntarios Saludables
Géneros elegibles para el estudio
Método de muestreo
Población de estudio
Descripción
Criterios de inclusión:
- Hombres y mujeres con DM1
- 18-60 años de edad
- usuario de bomba de insulina
Criterio de exclusión:
- Inestabilidad metabólica evidenciada por hospitalizaciones por diabetes u otras complicaciones relacionadas con la diabetes (p. ej., cetoacidosis diabética y convulsiones hipoglucémicas) en los tres meses anteriores;
- Enfermedad macrovascular grave, evidenciada por enfermedad arterial periférica grave; antecedentes de infarto de miocardio, insuficiencia cardíaca, enfermedad tromboembólica o angina inestable; hipertensión no controlada; electrocardiograma en reposo anormal;
- Prueba de esfuerzo con ejercicio máximo con bradicardia/taquiarritmia significativa, latidos ectópicos, bloqueo de rama o signos de isquemia aguda;
- Enfermedad microvascular grave evidenciada por antecedentes de enfermedad retiniana proliferativa o no proliferativa que amenaza la visión; nefropatía;
- Cualquier condición no musculoesquelética no controlada que limitaría la capacidad del sujeto para participar en el programa de ejercicios (p. ej., enfermedad obstructiva crónica de las vías respiratorias);
- Afecciones musculoesqueléticas, como afecciones neurológicas u ortopédicas que afectan la fuerza y la movilidad de las extremidades inferiores (p. ej., apoplejía, pie insensible);
- El embarazo;
- Condición médica documentada o impedimento físico que el profesional de la salud juzgue que contraindica el ejercicio.
Plan de estudios
¿Cómo está diseñado el estudio?
Detalles de diseño
Cohortes e Intervenciones
Grupo / Cohorte |
|---|
|
MESS con y sin estímulos estresantes
Los sujetos participan en actividades de comida, ejercicio, sueño solos o en combinación con estímulos estresantes.
|
¿Qué mide el estudio?
Medidas de resultado primarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Medición de la concentración de glucosa
Periodo de tiempo: 3,5 años
|
• La concentración de glucosa (mg/dl) se medirá mediante: Monitor continuo de glucosa (DEXCOM [US G5 PLATINUM/G6]
|
3,5 años
|
Colaboradores e Investigadores
Patrocinador
Investigadores
- Investigador principal: Ali Cinar, PhD, Illinois Institute of Technoloy
Publicaciones y enlaces útiles
Publicaciones Generales
- Turksoy K, Samadi S, Feng J, Littlejohn E, Quinn L, Cinar A. Meal Detection in Patients With Type 1 Diabetes: A New Module for the Multivariable Adaptive Artificial Pancreas Control System. IEEE J Biomed Health Inform. 2016 Jan;20(1):47-54. doi: 10.1109/JBHI.2015.2446413. Epub 2015 Jun 16.
- Eren-Oruklu M, Cinar A, Rollins DK, Quinn L. Adaptive System Identification for Estimating Future Glucose Concentrations and Hypoglycemia Alarms. Automatica (Oxf). 2012 Aug;48(8):1892-1897. doi: 10.1016/j.automatica.2012.05.076. Epub 2012 Jun 22.
- Turksoy K, Bayrak ES, Quinn L, Littlejohn E, Rollins D, Cinar A. Hypoglycemia Early Alarm Systems Based On Multivariable Models. Ind Eng Chem Res. 2013 Sep 4;52(35):10.1021/ie3034015. doi: 10.1021/ie3034015.
- Bayrak ES, Turksoy K, Cinar A, Quinn L, Littlejohn E, Rollins D. Hypoglycemia early alarm systems based on recursive autoregressive partial least squares models. J Diabetes Sci Technol. 2013 Jan 1;7(1):206-14. doi: 10.1177/193229681300700126.
- Turksoy K, Roy A, Cinar A. Real-Time Model-Based Fault Detection of Continuous Glucose Sensor Measurements. IEEE Trans Biomed Eng. 2017 Jul;64(7):1437-1445. doi: 10.1109/TBME.2016.2535412. Epub 2016 Feb 25.
Fechas de registro del estudio
Fechas importantes del estudio
Inicio del estudio (ACTUAL)
Finalización primaria (ACTUAL)
Finalización del estudio (ACTUAL)
Fechas de registro del estudio
Enviado por primera vez
Primero enviado que cumplió con los criterios de control de calidad
Publicado por primera vez (ACTUAL)
Actualizaciones de registros de estudio
Última actualización publicada (ACTUAL)
Última actualización enviada que cumplió con los criterios de control de calidad
Última verificación
Más información
Términos relacionados con este estudio
Palabras clave
Términos MeSH relevantes adicionales
Otros números de identificación del estudio
- 2017-1016
Plan de datos de participantes individuales (IPD)
¿Planea compartir datos de participantes individuales (IPD)?
Información sobre medicamentos y dispositivos, documentos del estudio
Estudia un producto farmacéutico regulado por la FDA de EE. UU.
Estudia un producto de dispositivo regulado por la FDA de EE. UU.
Esta información se obtuvo directamente del sitio web clinicaltrials.gov sin cambios. Si tiene alguna solicitud para cambiar, eliminar o actualizar los detalles de su estudio, comuníquese con register@clinicaltrials.gov. Tan pronto como se implemente un cambio en clinicaltrials.gov, también se actualizará automáticamente en nuestro sitio web. .