- ICH GCP
- Yhdysvaltain kliinisten tutkimusten rekisteri
- Kliininen tutkimus NCT04757233
Diabeteksen itsehallinnan personointi – Pilottitutkimus
Diabeteksen itsehallinnan ongelmanratkaisutoimien dynaaminen räätälöinti itsevalvontatietojen avulla
Tutkimuksen yleiskatsaus
Yksityiskohtainen kuvaus
Kasvava näyttö tuo esiin merkittäviä eroja yksilöiden fysiologiassa ja glykeemisissä toiminnoissa sekä heidän kulttuurisissa, sosiaalisissa ja taloudellisissa olosuhteissa, jotka vaikuttavat diabeteksen itsehallintaan. Nämä löydöt tasoittivat tietä tarkkuuslääketieteelle – lähestymistapaan lääketieteellisen hoidon mukauttamiseen yksilön geneettisen rakenteen, kliinisen historian ja elämäntavan mukaan. Laskennallisia oppimismenetelmiä on käytetty menestyksekkäästi sairauksien kliinisten fenotyyppien ja havaittavien ilmenemismuotojen tunnistamisessa. Tutkimukset osoittivat räätälöinnin edut paitsi lääkehoidon, myös käyttäytymiseen liittyvien interventioiden; räätälöinti perustuu kuitenkin tyypillisesti räätälöintimuuttujien ja päätössääntöjen asiantuntijan tunnistamiseen sekä vakiotutkimuksiin. Itsevalvonnalla kerätyt tiedot voivat heijastaa tarkemmin yksilön käyttäytymistä ja glykeemisiä malleja, mikä korostaa hänen "käyttäytymisfenotyyppejä", mutta sellaisia tietoja käytetään harvoin räätälöinnissa.
Tämän tutkimuksen jatkuva painopiste on diabeteksen itsehallinnan ongelmanratkaisun helpottamisessa. Hyvin kehittyneet ongelmanratkaisutaidot ovat välttämättömiä diabeteksen hallinnassa, mikä johtaa parempaan diabeteksen itsehoitokäyttäytymiseen, mikä parantaa kliinisiä tuloksia ja sitä voidaan edistää kasvokkain tapahtuvilla interventioilla. Aiemmat tutkimukset ehdottivat ongelmien tunnistamista ja vaihtoehtojen luomista kriittisiksi vaiheiksi diabeteksen ongelmanratkaisussa. Aiemmassa työssään tutkijat kehittivät tietotekniikan interventiota, joka perustui asiantuntijoiden tuottamaan tietoon auttaakseen yksilöitä näissä ongelmanratkaisuvaiheissa. Tässä pilottitoteutettavuustutkimuksessa tutkijat tutkivat vaihtoehtoista ratkaisua, joka perustuu itsevalvontatekniikoilla kerättyjen tietojen laskennalliseen mallianalyysiin, jotta ongelmanratkaisuapu voidaan räätälöidä yksilöiden ainutlaatuisten käyttäytymisfenotyyppien mukaan. Interventio, GlucoType käyttää laskennallisia oppimismenetelmiä yksilöiden ruokavalion, fyysisen toiminnan ja unen systemaattisten mallien tunnistamiseen, jotka on tallennettu räätälöidyillä ja kaupallisilla itsevalvontatekniikoilla, ja korreloi nämä mallit yksilöiden verensokeritason vaihteluiden kanssa. GlucoType käyttää sitten näitä tietoja 1) tunnistaakseen korkeaan glykeemiseen kiertoon liittyviä käyttäytymismalleja, 2) muotoillakseen yksilöllisiä tavoitteita näiden käyttäytymismallien muuttamiseksi, 3) tarjotakseen hetkellistä päätöksentekotukea auttaakseen yksilöitä olemaan johdonmukaisempia tavoitteidensa saavuttamisessa.
Opintotyyppi
Ilmoittautuminen (Todellinen)
Vaihe
- Ei sovellettavissa
Yhteystiedot ja paikat
Opiskelupaikat
-
-
New York
-
New York, New York, Yhdysvallat, 10032
- Columbia University Medical Center
-
New York, New York, Yhdysvallat, 10018
- Clinical Directors Network
-
-
Osallistumiskriteerit
Kelpoisuusvaatimukset
Opintokelpoiset iät
Hyväksyy terveitä vapaaehtoisia
Sukupuolet, jotka voivat opiskella
Kuvaus
Sisällyttämiskriteerit:
- Ikä 18-65 vuotta
- Diagnoosi tyypin 2 diabetes.
- Washington Heights/Inwood Informatics Infrastructure for Comparative Effectiveness Researchin (WICER) osallistuja, AIM-klinikan potilas tai osallistuva Federally Qualified Health Centerin (FQHC) terveyskeskuksen potilas vähintään 6 kuukauden ajan
- On osallistunut vähintään yhteen diabetesvalistustilaisuuteen osallistuvassa paikassa viimeisen 6 kuukauden aikana
- Englannin tai espanjan kielen taito
- Pitää omistaa peruskännykkä
Poissulkemiskriteerit:
- Raskaus
- Vakavan sairauden esiintyminen (esim. syöpädiagnoosi aktiivisella hoidolla, pitkälle edennyt sydämen vajaatoiminta, multippeliskleroosi)
- Kognitiivisen vajaatoiminnan esiintyminen
- Suunnitelmat jättävänsä terveydenhuollon tarjoajansa seuraavan 12 kuukauden aikana
- Ei ole tietokonetta ja/tai Internet-yhteyttä
Opintosuunnitelma
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
- Ensisijainen käyttötarkoitus: Muut
- Jako: Ei käytössä
- Inventiomalli: Yksittäinen ryhmätehtävä
- Naamiointi: Ei mitään (avoin tarra)
Aseet ja interventiot
Osallistujaryhmä / Arm |
Interventio / Hoito |
---|---|
Muut: Yksi käsi
Interventio: GlucoType Single hand -tutkimus; kaikki osallistujat, jotka on määrätty käyttämään interventiota
|
GlucoType on mobiili terveydenhuollon interventio, joka helpottaa iPhone- ja Android-älypuhelimille rakennetun T2DM:n itsehallintaa.
GlucoType sisältää räätälöidyn käyttöliittymän ruokavalion ja verensokerin (BG) mittaamiseen, ja se luottaa kaupalliseen FitBitiin unen ja fyysisen aktiivisuuden mittaamiseen.
Sitten se soveltaa laskennallisia fenotyypitystekniikoita päivittäisten toimintojen ja VS-tason muutosten välisten assosiaatiomallien tunnistamiseen.
GlucoType käyttää tutkimusryhmämme kehittämää asiantuntijajärjestelmää kääntääkseen tunnistetut fenotyypit automaattisesti luoduiksi yksilöllisiksi käyttäytymistavoitteiksi, joilla parannetaan verensokerin hallintaa luonnollisella kielellä.
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
---|---|---|
Muutos diabeteksen itsehoitotoimintojen kyselylomakkeen (SDSCA) pistemäärässä
Aikaikkuna: Perustasosta 4 viikkoon
|
Muutos pistemäärässä Diabetes Self-Care Activity Questionnaire (SDSCA) -kyselylomakkeessa - 12 kohta, jossa on 5 alaasteikkoa (ruokavalio, liikunta, verensokerin mittaus kotona, jalkojen hoito, tupakointi).
Vastaajalta kysytään, kuinka monena päivänä viimeisen viikon aikana hän on käyttäytynyt (vaihtelee 0-7); korkeammat pisteet osoittavat parempaa suorituskykyä.
|
Perustasosta 4 viikkoon
|
Yhteistyökumppanit ja tutkijat
Sponsori
Yhteistyökumppanit
Tutkijat
- Päätutkija: Olena Mamykina, Ph.D., Columbia University
Julkaisuja ja hyödyllisiä linkkejä
Yleiset julkaisut
- Collins FS, Varmus H. A new initiative on precision medicine. N Engl J Med. 2015 Feb 26;372(9):793-5. doi: 10.1056/NEJMp1500523. Epub 2015 Jan 30.
- Zeevi D, Korem T, Zmora N, Israeli D, Rothschild D, Weinberger A, Ben-Yacov O, Lador D, Avnit-Sagi T, Lotan-Pompan M, Suez J, Mahdi JA, Matot E, Malka G, Kosower N, Rein M, Zilberman-Schapira G, Dohnalova L, Pevsner-Fischer M, Bikovsky R, Halpern Z, Elinav E, Segal E. Personalized Nutrition by Prediction of Glycemic Responses. Cell. 2015 Nov 19;163(5):1079-1094. doi: 10.1016/j.cell.2015.11.001.
- Haas L, Maryniuk M, Beck J, Cox CE, Duker P, Edwards L, Fisher EB, Hanson L, Kent D, Kolb L, McLaughlin S, Orzeck E, Piette JD, Rhinehart AS, Rothman R, Sklaroff S, Tomky D, Youssef G; 2012 Standards Revision Task Force. National standards for diabetes self-management education and support. Diabetes Care. 2013 Jan;36 Suppl 1(Suppl 1):S100-8. doi: 10.2337/dc13-S100. No abstract available.
- Liao KP, Cai T, Savova GK, Murphy SN, Karlson EW, Ananthakrishnan AN, Gainer VS, Shaw SY, Xia Z, Szolovits P, Churchill S, Kohane I. Development of phenotype algorithms using electronic medical records and incorporating natural language processing. BMJ. 2015 Apr 24;350:h1885. doi: 10.1136/bmj.h1885.
- Hastie T, Tibshirani R, Friedman J. The Elements of Statistical Learning [Internet]. New York, NY: Springer New York; 2009 [cited 2016 Jun 4]. (Springer Series in Statistics)
- Hripcsak G, Albers DJ. Next-generation phenotyping of electronic health records. J Am Med Inform Assoc. 2013 Jan 1;20(1):117-21. doi: 10.1136/amiajnl-2012-001145. Epub 2012 Sep 6.
Opintojen ennätyspäivät
Opi tärkeimmät päivämäärät
Opiskelun aloitus (Todellinen)
Ensisijainen valmistuminen (Todellinen)
Opintojen valmistuminen (Todellinen)
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Ensimmäinen Lähetetty (Todellinen)
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Viimeksi vahvistettu
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Avainsanat
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- AAAM0057(a)
- R56DK113189 (Yhdysvaltain NIH-apuraha/sopimus)
Lääke- ja laitetiedot, tutkimusasiakirjat
Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta
Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta
Nämä tiedot haettiin suoraan verkkosivustolta clinicaltrials.gov ilman muutoksia. Jos sinulla on pyyntöjä muuttaa, poistaa tai päivittää tutkimustietojasi, ota yhteyttä register@clinicaltrials.gov. Heti kun muutos on otettu käyttöön osoitteessa clinicaltrials.gov, se päivitetään automaattisesti myös verkkosivustollemme .
Kliiniset tutkimukset Tyypin 2 diabetes mellitus
-
Griffin HospitalCalifornia Walnut CommissionValmisTYYPIN DIABETES MELLITUS 2Yhdysvallat
-
Diabetes Free, Inc.Ei vielä rekrytointiaDiabetes mellitus tyyppi 2 - Insuliinilla hoidettu
-
Chengdu Brilliant Pharmaceutical Co., Ltd.Ei vielä rekrytointiaTyypin 2 diabetes mellitus
-
Endogenex, Inc.Ei vielä rekrytointiaDiabetes mellitus, tyyppi 2 | Diabetes | Tyypin 2 diabetes mellitus | Tyypin 2 diabetes | Tyypin 2 diabetes
-
Nanjing First Hospital, Nanjing Medical UniversityRekrytointiTyypin 2 diabetes mellitusKiina
-
Xiangya Hospital of Central South UniversityRekrytointi
-
University of Alabama at BirminghamValmisTyypin 2 diabetes mellitusYhdysvallat
-
Imperial College LondonAstraZeneca; Huma; North West London Collaboration of CCGs (NWL CCGs); Imperial...ValmisTyypin 2 diabetes mellitusYhdistynyt kuningaskunta
-
Universiti Sains MalaysiaValmis
-
University of Alabama at BirminghamUnited States Department of Defense; Loma Linda University; Brenda Davis Nutrition... ja muut yhteistyökumppanitValmisTyypin 2 diabetes mellitus