Lapsuuden astmariskin passiivisen digitaalisen markkerin kehittäminen
tiistai 23. kesäkuuta 2026 päivittänyt: Arthur H. Owora, MPH, PhD, Indiana University
Alidiagnosointi ja alihoito on suuri ongelma lasten astman hoidossa, erityisesti esikouluikäisillä lapsilla. Nykyisillä riskipisteisiin perustuvia työkaluja käyttävillä prognostisilla lähestymistavoilla on heikko tai vaatimaton tarkkuus, ne ovat epäkäytännöllisiä ja niillä on rajoitetusti näyttöä tehosta kliinisissä olosuhteissa, joten niitä ei käytetä laajasti käytännössä.
Tutkimuksen tavoitteena on selvittää lastenlääkäreiden astman passiivisen digitaalisen markkerin (PDM) käytettävyys, hyväksyttävyys, toteutettavuus ja alustava tehokkuus. Tutkimukseen osallistuu IU Health Networkin toimivia lastenlääkäreitä.
Tutkimuksen yleiskatsaus
Tila
Lopetettu
Ehdot
Interventio / Hoito
Opintotyyppi
Interventio
Ilmoittautuminen (Todellinen)
34
Vaihe
- Ei sovellettavissa
Yhteystiedot ja paikat
Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.
Opiskelupaikat
-
-
Indiana
-
Indianapolis, Indiana, Yhdysvallat, 46202
- Indiana University
-
-
Osallistumiskriteerit
Tutkijat etsivät ihmisiä, jotka sopivat tiettyyn kuvaukseen, jota kutsutaan kelpoisuuskriteereiksi. Joitakin esimerkkejä näistä kriteereistä ovat henkilön yleinen terveydentila tai aiemmat hoidot.
Kelpoisuusvaatimukset
Opintokelpoiset iät
- Aikuinen
- Vanhempi Aikuinen
Hyväksyy terveitä vapaaehtoisia
Joo
Kuvaus
Sisällytämiskriteerit: Harjoittavat lastenlääkärit IU:n terveysverkostossa
Poissulkemiskriteerit: IU:n terveysverkostoon kuulumattomat lastenlääkärit
Opintosuunnitelma
Tässä osiossa on tietoja tutkimussuunnitelmasta, mukaan lukien kuinka tutkimus on suunniteltu ja mitä tutkimuksella mitataan.
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
- Ensisijainen käyttötarkoitus: Seulonta
- Jako: Satunnaistettu
- Inventiomalli: Rinnakkaistehtävä
- Naamiointi: Yksittäinen
Aseet ja interventiot
Osallistujaryhmä / Arm |
Interventio / Hoito |
|---|---|
|
Ei väliintuloa: Kontrollikliinikot - vain testin jälkeen
N = 25 lastenlääkärin kontrollia, jotka saavat vain jälkitestin.
Kullekin lääkärille esitetään 10 satunnaisesti valittua vinjettiä 10 lapsesta [5 astmaa sairastavaa ja 5 ei ilman astmaa], ja niitä pyydetään antamaan ennuste lapsen astmariskistä 6–10 vuoden iässä.
|
|
|
Kokeellinen: PDM Intervention Clinicians - vain testin jälkeen
N = 25 interventiolastenlääkäriä, jotka saavat vain jälkitestin.
PDM:n avulla kullekin lääkärille esitetään 10 satunnaisesti valittua vinjettiä 10 lapsesta [5 astmaa sairastavaa ja 5 ilman astmaatonta] ja pyydetään antamaan ennuste lapsen astmariskistä 6–10 vuoden iässä.
|
Lapsuuden astman Passive Digital Marker (PDM) on ML-algoritmi, joka pystyy hakemaan ja syntetisoimaan olemassa olevia "passiivisesti" kerättyjä äiti-/lapsidiadien ennustetietoja "digitaalisessa" sähköisessä sairauskertomuksessa (EHR) objektiivisen ja mitattavissa olevan " lapsen riskin (todennäköisyyden) ja siihen liittyvän patofysiologisen fenotyypin markkeri, joka antaa tietoa kliinikon päätöksenteosta hoitopisteessä.
Muut nimet:
|
|
Ei väliintuloa: Kontrollikliinikot - ennen testiä ja sen jälkeen
N = 25 verrokkilastenlääkäriä, jotka saavat pre- ja post-testin.
Kullekin lääkärille esitetään 10 satunnaisesti valittua vinjettiä 10 lapsesta [5 astmaa sairastavaa ja 5 ei ilman astmaa], ja niitä pyydetään antamaan ennuste lapsen astmariskistä 6–10 vuoden iässä.
|
|
|
Active Comparator: PDM Intervention Clinicians - ennen ja jälkeen testi
N = 25 interventiolastenlääkäriä, jotka saavat pre- ja post-testin.
PDM:n avulla kullekin lääkärille esitetään 10 satunnaisesti valittua vinjettiä 10 lapsesta [5 astmaa sairastavaa ja 5 ilman astmaatonta] ja pyydetään antamaan ennuste lapsen astmariskistä 6–10 vuoden iässä.
|
Lapsuuden astman Passive Digital Marker (PDM) on ML-algoritmi, joka pystyy hakemaan ja syntetisoimaan olemassa olevia "passiivisesti" kerättyjä äiti-/lapsidiadien ennustetietoja "digitaalisessa" sähköisessä sairauskertomuksessa (EHR) objektiivisen ja mitattavissa olevan " lapsen riskin (todennäköisyyden) ja siihen liittyvän patofysiologisen fenotyypin markkeri, joka antaa tietoa kliinikon päätöksenteosta hoitopisteessä.
Muut nimet:
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Perceived PDM Acceptance
Aikaikkuna: 8 to 12 months
|
Mean Perceived PDM acceptance measured using a Behavioral Intention scale (BIS) with a score Likert scale score of 0-5.
Here, higher score values represent a higher acceptability of the PDM (i.e., better outcome).
|
8 to 12 months
|
|
Perceived PDM Usability
Aikaikkuna: 8 to 12 months
|
Mean Perceived Usability measured using a modified Simplified System Usability Scale (SUS) with a score Likert scale of 0-5.
Here, higher score values represent a higher perceived usability of the PDM (i.e., better outcome).
|
8 to 12 months
|
|
Study Feasibility
Aikaikkuna: 8 to 12 months
|
Percent of successful study enrollment of eligible clinicians (>80%)
|
8 to 12 months
|
Toissijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Prognostic Accuracy
Aikaikkuna: 3 to 12 months
|
Clinician prognostic accuracy was defined as the proportion of correctly classified vignettes.
Accuracy was calculated as: correct vignette classifications ÷ total vignettes evaluated.
Values ranged from 0 to 1, with higher values indicating greater prognostic accuracy.
Each clinician assessed 10 vignettes (5 cases and 5 controls) and classified them as either high or low risk.
A correct classification was high risk for a case and low risk for a control vignette.
|
3 to 12 months
|
Yhteistyökumppanit ja tutkijat
Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.
Sponsori
Yhteistyökumppanit
Julkaisuja ja hyödyllisiä linkkejä
Tutkimusta koskevien tietojen syöttämisestä vastaava henkilö toimittaa nämä julkaisut vapaaehtoisesti. Nämä voivat koskea mitä tahansa tutkimukseen liittyvää.
Opintojen ennätyspäivät
Nämä päivämäärät seuraavat ClinicalTrials.gov-sivustolle lähetettyjen tutkimustietueiden ja yhteenvetojen edistymistä. National Library of Medicine (NLM) tarkistaa tutkimustiedot ja raportoidut tulokset varmistaakseen, että ne täyttävät tietyt laadunvalvontastandardit, ennen kuin ne julkaistaan julkisella verkkosivustolla.
Opi tärkeimmät päivämäärät
Opiskelun aloitus (Todellinen)
Lauantai 1. kesäkuuta 2024
Ensisijainen valmistuminen (Todellinen)
Maanantai 16. kesäkuuta 2025
Opintojen valmistuminen (Todellinen)
Maanantai 16. kesäkuuta 2025
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Keskiviikko 12. huhtikuuta 2023
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Keskiviikko 12. huhtikuuta 2023
Ensimmäinen Lähetetty (Todellinen)
Maanantai 24. huhtikuuta 2023
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Tiistai 21. heinäkuuta 2026
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Tiistai 23. kesäkuuta 2026
Viimeksi vahvistettu
Maanantai 1. kesäkuuta 2026
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Avainsanat
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- 15873
- K01HL166436 (Yhdysvaltain NIH-apuraha/sopimus)
Lääke- ja laitetiedot, tutkimusasiakirjat
Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta
Ei
Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta
Ei
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 .