Tämä sivu käännettiin automaattisesti, eikä käännösten tarkkuutta voida taata. Katso englanninkielinen versio lähdetekstiä varten.

SenseToKnow Autismin seulontalaitteen validointitutkimus

keskiviikko 4. maaliskuuta 2026 päivittänyt: Duke University

SenseToKnow STAR -tutkimus: Tutkimus tekniikoista lasten kehityksen arviointiin

Tämä on keskeinen, tulevaisuuden kaksoissokkotutkimus, jonka tarkoituksena on arvioida SenseToKnow-sovelluksen herkkyyttä ja spesifisyyttä autismikirjon häiriön havaitsemiseksi 16–36 kuukauden ikäisillä lapsilla.

Tutkimuksen yleiskatsaus

Tila

Rekrytointi

Yksityiskohtainen kuvaus

Tämä on keskeinen, prospektiivinen, kaksoissokkotutkimus, jonka tarkoituksena on arvioida SenseToKnow-sovelluksen herkkyyttä ja spesifisyyttä autismikirjon häiriön luokittelussa, kun vanhemmat antavat sovelluksen 16–36 kuukauden ikäisille potilaille. Kokeilusuunnitelma on ei-interventiivinen poikkileikkaustutkimus, jossa verrataan SenseToKnow-sovelluksen autismikirjon häiriön ("autismi") luokittelua ei-autismiin potilaan diagnostiseen tilaan, joka perustuu asiantuntijan kliiniseen diagnoosiin lapsipotilaiden populaatiossa.

Opintotyyppi

Havainnollistava

Ilmoittautuminen (Arvioitu)

350

Yhteystiedot ja paikat

Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.

Opiskeluyhteys

Tutki yhteystietojen varmuuskopiointi

Opiskelupaikat

    • North Carolina
      • Durham, North Carolina, Yhdysvallat, 27705
        • Rekrytointi
        • Duke University
        • Ottaa yhteyttä:
          • Geraldine Dawson, PhD
          • Puhelinnumero: 919-668-0070

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

  • Lapsi

Hyväksyy terveitä vapaaehtoisia

Joo

Näytteenottomenetelmä

Ei-todennäköisyysnäyte

Tutkimusväestö

Osallistujat ovat 16–36 kuukauden ikäisiä potilaita, jotka on rekrytoitu > 6:sta lastenlääkäriklinikasta, jotka ovat osa laajempaa Duke Universityn terveysjärjestelmää Pohjois-Carolinassa.

Kuvaus

Sisällyttämiskriteerit:

  1. Duke Healthin lapsipotilas ilmoittautumisen yhteydessä
  2. Ilmoittautumisen yhteydessä 16-<37 kk
  3. Vanhempi/laillinen huoltaja puhuu englantia tai espanjaa
  4. Vanhempi/laillinen huoltaja ymmärtää ja antaa vapaaehtoisesti tietoon perustuvan suostumuksen

Poissulkemiskriteerit:

  1. Vaikea motorinen vajaatoiminta, joka estää tutkimuksen suorittamisen
  2. Tunnetut geneettiset häiriöt
  3. Vaikea kuulon tai näön heikkeneminen fyysisen tarkastuksen perusteella
  4. Akuutit sairaudet, jotka todennäköisesti estävät onnistuneen tai pätevän tiedonkeruun
  5. Hallitsematon epilepsia tai kohtaushäiriö
  6. Kliinisesti merkittävän lääketieteellisen sairauden historia tai olemassaolo tai henkinen tila, joka voi hämmentää tutkimusta tai olla haitallinen tutkijalle
  7. Kroonisten sairauksien akuutit pahenemisvaiheet, jotka todennäköisesti estävät onnistuneen tai pätevän tiedonkeruun
  8. Näkökykyyn vaikuttavien hoitojen saaminen
  9. Vanhempi/laillinen huoltaja ja/tai tutkija uskoo, että lapsi ei pysty/ei halua istua vanhemman sylissä katsomassa sovellusvideoita
  10. Vanhempi/laillinen huoltaja ilmoittaa, että hän tai hänen lapsensa ei halua tai pysty suorittamaan sovelluksen hallintaa, kyselyitä tai diagnostista arviointia
  11. Osallistujat, joiden tutkija on muutoin katsonut kyvyttömiksi noudattaa protokollaa
  12. Mikä tahansa muu tekijä, jonka tutkija kokee, tekisi tutkimustoimenpiteistä kelpaamattomia

Opintosuunnitelma

Tässä osiossa on tietoja tutkimussuunnitelmasta, mukaan lukien kuinka tutkimus on suunniteltu ja mitä tutkimuksella mitataan.

Miten tutkimus on suunniteltu?

Suunnittelun yksityiskohdat

Kohortit ja interventiot

Ryhmä/Kohortti
Lastipotilaat, 16–36 kuukauden ikäisiä, jotka on rekrytoitu lastentautien poliklinikoiden kautta
Peräkkäiset lasten osallistujat rekrytoidaan ja otetaan mukaan vähintään kuuden osallistuvan toimipisteen kautta, jotka koostuvat lastenlääketieteen klinikoista (esim. perusterveydenhuolto- ja perhelääketieteen klinikat). Nämä toimipisteet ovat osa laajempaa Duke University Health System (DUHS) -terveysjärjestelmää, joka sijaitsee Pohjois-Carolinassa. Osallistujien määrä kerätään, kunnes saavutetaan tavoitteet: N = 150 autismikirjon häiriöön diagnosoitua osallistujaa ja N = 200 osallistujaa ilman autismia.

Mitä tutkimuksessa mitataan?

Ensisijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
SenseToKnow-seulontalaitteen herkkyys perustuu koneoppimisalgoritmiin, joka yhdistää SenseToKnow-digitaaliset tiedot SenseToKnow-hoitajakyselyn tiedoista autismin havaitsemiseksi
Aikaikkuna: Lasketaan perustietojen / Aikapiste 1 tietojen perusteella
Herkkyys = #osallistujat, jotka ovat autismin positiivisia sekä (1) SenseToKnow-seulontalaite, joka perustuu koneoppimisalgoritmiin, joka yhdistää SenseToKnow-digitaaliset tiedot ja SenseToKnow Caregiver Survey -kyselytiedot, että (2) asiantuntijalääkärin kliininen diagnoosi / #osallistujat, jotka ovat autismin positiivisia sekä SenseToKnow- että asiantuntijalääkärin kliinisessä diagnoosissa
Lasketaan perustietojen / Aikapiste 1 tietojen perusteella
SenseToKnow-seulontalaiteherkkyys perustuen koneoppimisalgoritmiin, joka yhdistää SenseToKnow-digitaalitiedot SenseToKnow-hoitajakyselyn tiedoihin autismin havaitsemiseksi
Aikaikkuna: Lasketaan perustietojen / Aikapiste 1 tietojen perusteella
Spesifisyys = #osallistujat, jotka ovat negatiivisia autismille sekä (1) SenseToKnow-seulontalaitteella, joka perustuu koneoppimisalgoritmiin, joka yhdistää SenseToKnow-digitaaliset tiedot SenseToKnow-hoitajakyselyn tietoihin, että (2) asiantuntijakliininen diagnoosi / #osallistujat, jotka ovat negatiivisia autismille asiantuntijakliinisellä diagnoosilla
Lasketaan perustietojen / Aikapiste 1 tietojen perusteella

Toissijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
SenseToKnow-seulontalaiteen (perustuen koneoppimisalgoritmiin, joka käyttää SenseToKnow-digitaalista dataa yhdistettynä SenseToKnow-hoitajakyselydatan kanssa) positiivinen ennustearvo autismin havaitsemisessa verrattuna asiantuntijalääkärin kliiniseen diagnoosiin
Aikaikkuna: Lasketaan perustietojen aikapisteen 1 mukaisesti
Todennäköisyys, että osallistujalla, jolla on positiivinen testitulos (perustuen koneoppimisalgoritmiin, joka käyttää SenseToKnow-digitaalista dataa yhdistettynä SenseToKnow-hoitajakyselydatan kanssa), on autismin diagnoosi (perustuen asiantuntijan kliiniseen diagnoosiin). Positiivinen ennustearvo lasketaan sekä ilman että väestön esiintyvyyden mukaisella säätelyllä.
Lasketaan perustietojen aikapisteen 1 mukaisesti
SenseToKnow-seulontalaitteen negatiivinen ennustearvo (perustuu koneoppimisalgoritmiin, joka käyttää SenseToKnow-digitaalista dataa yhdistettynä SenseToKnow Caregiver Survey -kyselydataan) autismin havaitsemisessa verrattuna asiantuntijakliiniseen diagnoosiin
Aikaikkuna: Lasketaan perustietojen / Aikapisteen 1 tietojen perusteella
Todennäköisyys, että osallistujalla, jolla on negatiivinen testitulos (perustuen koneoppimisalgoritmiin, joka käyttää SenseToKnow-digitaalista dataa yhdistettynä SenseToKnow-hoitajakyselydatan kanssa), ei ole autismin diagnoosia (perustuen asiantuntijakliiniseen diagnoosiin). Negatiivinen ennustearvo lasketaan väestön esiintyvyyden mukaisella säätöillä ja ilman sitä.
Lasketaan perustietojen / Aikapisteen 1 tietojen perusteella
Receiver Operating Characteristic -käyrä ja käyrän alla oleva pinta-ala suhteessa SenseToKnow-seulontalaitteen (käyttäen SenseToKnow-digitaalista dataa ja SenseToKnow-huoltajan kyselydataa) tarkkuuteen autismin versus ei-autismin luokittelussa
Aikaikkuna: Lasketaan perustietojen / Aikapisteen 1 tietojen perusteella
Receiver Operating Characteristic -käyrä (ROC) on graafinen esitys, joka havainnollistaa binääriluokittelujärjestelmän diagnostista kykyä sen erottelukynnyksen muuttuessa. Käyrän alla oleva pinta-ala (AUC) mittaa koko ROC-käyrän alla olevan alueen. Testin tarkkuus perustuu koneoppimisalgoritmiin, jossa käytetään SenseToKnow-digitaalista dataa yhdistettynä SenseToKnow-hoitajakyselydatan kanssa verrattuna asiantuntijalääketieteelliseen diagnoosiin.
Lasketaan perustietojen / Aikapisteen 1 tietojen perusteella
SenseToKnow-seulontalaiteherkkyys perustuen koneoppimisalgoritmiin, joka käyttää vain SenseToKnow-digitaalista dataa autismin havaitsemiseen
Aikaikkuna: Lasketaan perustietojen / Aikapisteen 1 tietojen perusteella
Herkkyys = #osallistujat, jotka olivat positiivisia autismille sekä (1) SenseToKnow-seulontalaitteella, joka perustuu koneoppimisalgoritmiin käyttäen vain SenseToKnow-digitaalista dataa, että (2) asiantuntijalääkärin kliinisellä diagnoosilla / # osallistujat, jotka olivat positiivisia autismille asiantuntijalääkärin kliinisellä diagnoosilla
Lasketaan perustietojen / Aikapisteen 1 tietojen perusteella
SenseToKnow-screeninglaitteen spesifisyys perustuen koneoppimisalgoritmiin, joka käyttää vain SenseToKnow-digitaalista dataa autismin havaitsemiseen
Aikaikkuna: Lasketaan perustietojen / Aikapisteen 1 tietojen perusteella
Spesifisyys = #osallistujat, joilla ei ole autismia sekä (1) SenseToKnow-seulontalaite, joka perustuu koneoppimisalgoritmiin käyttäen vain SenseToKnow-digitaalista dataa ja (2) asiantuntijan kliininen diagnoosi / #osallistujat, joilla ei ole autismia asiantuntijan kliinisen diagnoosin perusteella.
Lasketaan perustietojen / Aikapisteen 1 tietojen perusteella
SenseToKnow-seulontalaitteen positiivisen ennustearvon koneoppimisalgoritmin perusteella, joka käyttää vain SenseToKnow:n digitaalisia tietoja autismin havaitsemiseksi verrattuna asiantuntevaan kliiniseen diagnoosiin
Aikaikkuna: Lasketaan perustuen Baseline/Timepoint 1 -tietoihin
Todennäköisyys, että positiivisen testituloksen saaneella osallistujalla on autismin diagnoosi (perustuen asiantuntijan kliiniseen diagnoosiin). Positiivista ennustearvoa lasketaan populaation esiintyvyyden mukaisella ja ilman sopeutusta.
Lasketaan perustuen Baseline/Timepoint 1 -tietoihin
SenseToKnow-seulontalaitteen negatiivinen ennustearvo perustuen koneoppimisalgoritmiin, joka käyttää vain SenseToKnow:n digitaalista dataa autismin havaitsemiseksi verrattuna asiantuntijakliiniseen diagnoosiin
Aikaikkuna: Lasketaan perustietoihin / Aikapiste 1 perustuen
Todennäköisyys, että osallistujalla, jolla on negatiivinen testitulos, ei ole autismin diagnoosia (perustuen asiantuntijakliiniseen diagnoosiin). Negatiivista ennustearvoa lasketaan sekä ilman että populaation esiintyvyyden mukaisella säätelyllä.
Lasketaan perustietoihin / Aikapiste 1 perustuen
Receiver Operating Characteristic -käyrä ja käyrän alla oleva pinta-ala suhteessa SenseToKnow-laitteen tarkkuuteen käyttäen vain SenseToKnow:n digitaalista dataa autismin ja ei-autismin luokittelussa
Aikaikkuna: Lasketaan perustietoihin / Aikapiste 1 perustuen
Receiver Operating Characteristic -käyrä (ROC) on graafinen käyrä, joka havainnollistaa binääriluokittelijajärjestelmän diagnostista kykyä sen erottelukynnyksen muuttuessa. Käyrän alla oleva pinta-ala (AUC) mittaa koko ROC-käyrän alla olevaa aluetta. Testin tarkkuus perustuu koneoppimisalgoritmiin, joka käyttää vain SenseToKnow-digitaalista dataa verrattuna asiantuntijoiden kliiniseen diagnoosiin.
Lasketaan perustietoihin / Aikapiste 1 perustuen

Yhteistyökumppanit ja tutkijat

Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.

Sponsori

Tutkijat

  • Päätutkija: Geraldine Dawson, PhD, Duke University

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)

Perjantai 7. heinäkuuta 2023

Ensisijainen valmistuminen (Arvioitu)

Keskiviikko 1. joulukuuta 2027

Opintojen valmistuminen (Arvioitu)

Keskiviikko 1. joulukuuta 2027

Opintoihin ilmoittautumispäivät

Ensimmäinen lähetetty

Perjantai 12. toukokuuta 2023

Ensimmäinen toimitettu, joka täytti QC-kriteerit

Perjantai 12. toukokuuta 2023

Ensimmäinen Lähetetty (Todellinen)

Torstai 25. toukokuuta 2023

Tutkimustietojen päivitykset

Viimeisin päivitys julkaistu (Todellinen)

Perjantai 6. maaliskuuta 2026

Viimeisin lähetetty päivitys, joka täytti QC-kriteerit

Keskiviikko 4. maaliskuuta 2026

Viimeksi vahvistettu

Sunnuntai 1. helmikuuta 2026

Lisää tietoa

Tähän tutkimukseen liittyvät termit

Muut tutkimustunnusnumerot

  • Pro00111371
  • 2P50HD093074 (Yhdysvaltain NIH-apuraha/sopimus)

Yksittäisten osallistujien tietojen suunnitelma (IPD)

Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?

JOO

IPD-suunnitelman kuvaus

Kaikki henkilötason tiedot, jotka täyttävät PHI- ja IRB-luottamuksellisuusvaatimukset, toimitetaan NIH/NIMH-tietovarastoon myöntämiskauden loppuun mennessä.

IPD-jaon aikakehys

Toimitamme lopullisen, vertaisarvioidun työn sähköisen version, joka sisältää tilastollisen analyysin koodin, Lääketieteen kirjaston PubMed Centraliin, joka on julkisesti saatavilla viimeistään 12 kuukauden kuluttua virallisesta julkaisupäivästä.

IPD-jaon käyttöoikeuskriteerit

Julkisesti saatavilla PubMed Centralin kautta

IPD-jakamista tukeva tietotyyppi

  • ANALYTIC_CODE

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 .

Tilaa