Predict + Protect: Satunnaistettu kontrolloitu kokeilu, jossa tutkitaan ennakoivan terveyskasvatuksen tehokkuutta influenssan kaltaiseen sairauteen (ILI) liittyvien suojakäyttäytymisten omaksumiseksi
torstai 15. helmikuuta 2024 päivittänyt: Evidation Health
Tämän tulevan, digitaalisen satunnaistetun kontrolloidun kokeen tavoitteena on arvioida ennustavan ILI-tunnistusalgoritmin ja siihen liittyvien hälytysten tehokkuutta influenssakauden aikana Yhdysvalloissa asuvien aikuisten osalta.
Tutkimuksen päätavoitteina on arvioida ennakoivan ILI-tunnistusalgoritmin ja niihin liittyvien ILI:hen liittyvien suojakäyttäytymisvaroitusten tehokkuutta sekä arvioida ennustavan ILI-tunnistusalgoritmin tarkkuutta käyttämällä osallistujan itse ilmoittamia ILI-oireita ja diagnoosia.
Tutkimuksen yleiskatsaus
Tila
Ilmoittautuminen kutsusta
Opintotyyppi
Interventio
Ilmoittautuminen (Arvioitu)
15000
Vaihe
- Ei sovellettavissa
Yhteystiedot ja paikat
Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.
Opiskeluyhteys
- Nimi: Ernesto Ramirez, PhD
- Puhelinnumero: 415-650-4741
- Sähköposti: help@evidation.com
Tutki yhteystietojen varmuuskopiointi
- Nimi: Joyce HN Nortey, MPH, MSBH
- Puhelinnumero: 415-650-4741
- Sähköposti: help@evidation.com
Opiskelupaikat
-
-
California
-
San Mateo, California, Yhdysvallat, 94402
- Evidation Health
-
-
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
Sisällyttämiskriteerit:
- Evidation-alustan jäsen
- 18 vuotta tai vanhempi
- Asuu Yhdysvalloissa
- Tällä hetkellä omistaa ja käyttää kuluttajille puettavan aktiivisuusmittarin (Apple Watch, Garmin tai Fitbit), joka on linkitetty Evidation-tiliinsä
- Täyttää puettavien tietojen tiheysvaatimukset: Askel- ja syketiedot ovat voimassa 15 % viimeisten 60 päivän ajalta (tai vähintään 2 päivää yhteensä alle 60 päivää vanhoilla Evidation-tileillä)
Poissulkemiskriteerit:
- Hänellä ei ole Evidation-tiliä
- Ei 18 vuotta tai vanhempi
- Ei asu Yhdysvalloissa
- Heillä ei ole Evidation-tiliinsä linkitettyä aktiivisuusseurantaa
- Ilmoittautunut Evidation-tuettuun ILI-seuranta- ja sitouttamisohjelmaan tai kliiniseen tutkimukseen (esim. FluSmart)
Opintosuunnitelma
Tässä osiossa on tietoja tutkimussuunnitelmasta, mukaan lukien kuinka tutkimus on suunniteltu ja mitä tutkimuksella mitataan.
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
- Ensisijainen käyttötarkoitus: Ennaltaehkäisy
- Jako: Satunnaistettu
- Inventiomalli: Tehtävätehtävä
- Naamiointi: Yksittäinen
Aseet ja interventiot
Osallistujaryhmä / Arm |
Interventio / Hoito |
|---|---|
|
Kokeellinen: Ennakoiva ILI-sisältö ja ennusteet
Osallistujat saavat ennakoivia hälytyksiä, reagoivaa sisältöä oireiden ilmoittamisen tai oireettoman ennusteen jälkeen sekä ILI:hen liittyvää terveyskasvatussisältöä
|
Osallistujat saavat ILI-aiheista koulutusta, palautetta ja mahdollisuuksia itseseurata ILI-oireita, lisäksi he saavat hälytyksiä mahdollisista ILI-sairaudista sekä reaktiivista ja henkilökohtaista sisältöä suojelevasta terveyskäyttäytymisestä.
|
|
Kokeellinen: Ei ennakoivaa ILI-sisältöä ja ennusteita
Osallistujat saavat ennakoivia hälytyksiä ja reagoivaa sisältöä oireiden ilmoittamisen tai oireettoman ennusteen jälkeen, mutta he eivät saa ennakoivaa ILI-sisältöä
|
Osallistujat saavat hälytyksiä mahdollisista ILI-sairaudista sekä reaktiivista ja henkilökohtaista sisältöä suojelevasta terveyskäyttäytymisestä.
|
|
Kokeellinen: Ennakoiva ILI-sisältö ja ei ennusteita
Osallistujat eivät saa ennakoivia hälytyksiä tai reagoivaa sisältöä oireiden ilmoittamisen jälkeen, mutta he saavat ennakoivaa ILI-sisältöä
|
Osallistujat saavat ILI:hen liittyvää koulutusta, palautetta ja mahdollisuuksia itse seurata ILI:n oireita.
|
|
Kokeellinen: Ei ennakoivaa ILI-sisältöä ja ei ennusteita
Osallistujat eivät saa ennakoivia hälytyksiä tai reagoivaa sisältöä oireiden tai ennakoivan ILI-sisällön ilmoittamisen jälkeen
|
Osallistujat eivät saa ennakoivia hälytyksiä tai reagoivaa sisältöä oireiden ilmoittamisen tai ennakoivan IILI:hen liittyvän terveyskasvatussisällön jälkeen
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Tämän tutkimuksen ensisijaisena tavoitteena on arvioida ennustavan ILI:n havaitsemisalgoritmin ja siihen liittyvien ILI:hen liittyvien terveyteen ja käyttäytymiseen liittyvien hälytysten tehokkuutta.
Aikaikkuna: Opintojen suorittamisen aikana noin 10 kuukautta
|
Ero ennakoivan hälytyksen ja ei ennakoivaa hälytystä olevien ryhmien välillä niiden kohortin jäsenten osuudessa, jotka suorittivat tavoiteterveyskäyttäytymisen 1–4 (ts.
suorittanut vähintään yhden seuraavista: vähentynyt leviäminen, testattu, hakeutunut lääkärin hoitoon tai noudattanut hoitoa)
|
Opintojen suorittamisen aikana noin 10 kuukautta
|
Toissijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Toissijaisena tavoitteena on arvioida ILI-tunnistusalgoritmin tarkkuus itse ilmoittamien oireiden ja ILI-diagnoosin avulla.
Aikaikkuna: Opintojen suorittamisen aikana noin 10 kuukautta
|
Arvioi algoritmin suorituskyky (itse ilmoittamien ILI-oireiden ja/tai itse ilmoittaman positiivisen diagnoosin merkintöjen perusteella) yleisesti ja käytettyä mallia kohti.
Algoritmin suorituskykyä arvioidaan useilla eri ulottuvuuksilla, mukaan lukien ROC AUC, herkkyys, spesifisyys, PPV ja NPV
|
Opintojen suorittamisen aikana noin 10 kuukautta
|
Muut tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Tutkivana tavoitteena on arvioida tehokkuuden eroja neljän ryhmän välillä ILI:hen liittyvissä terveys- ja käyttäytymistuloksissa.
Aikaikkuna: Opintojen suorittamisen aikana noin 10 kuukautta
|
Ero kaikkien ryhmien välillä mitä tahansa tavoiteterveyskäyttäytymistä suorittaneiden kohortin jäsenten osuudessa 1-4 (ts.
suorittanut vähintään yhden seuraavista: vähentynyt leviäminen, testattu, hakeutunut lääkärin hoitoon tai noudattanut hoitoa)
|
Opintojen suorittamisen aikana noin 10 kuukautta
|
Yhteistyökumppanit ja tutkijat
Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.
Sponsori
Yhteistyökumppanit
Tutkijat
- Päätutkija: Ernesto H.N. Ramirez, PhD, Evidation
Julkaisuja ja hyödyllisiä linkkejä
Tutkimusta koskevien tietojen syöttämisestä vastaava henkilö toimittaa nämä julkaisut vapaaehtoisesti. Nämä voivat koskea mitä tahansa tutkimukseen liittyvää.
Yleiset julkaisut
- McCambridge J, Witton J, Elbourne DR. Systematic review of the Hawthorne effect: new concepts are needed to study research participation effects. J Clin Epidemiol. 2014 Mar;67(3):267-77. doi: 10.1016/j.jclinepi.2013.08.015. Epub 2013 Nov 22.
- Tokars JI, Olsen SJ, Reed C. Seasonal Incidence of Symptomatic Influenza in the United States. Clin Infect Dis. 2018 May 2;66(10):1511-1518. doi: 10.1093/cid/cix1060.
- Wiemken TL, Khan F, Puzniak L, Yang W, Simmering J, Polgreen P, Nguyen JL, Jodar L, McLaughlin JM. Seasonal trends in COVID-19 cases, hospitalizations, and mortality in the United States and Europe. Sci Rep. 2023 Mar 8;13(1):3886. doi: 10.1038/s41598-023-31057-1.
- Temple DS, Hegarty-Craver M, Furberg RD, Preble EA, Bergstrom E, Gardener Z, Dayananda P, Taylor L, Lemm NM, Papargyris L, McClain MT, Nicholson BP, Bowie A, Miggs M, Petzold E, Woods CW, Chiu C, Gilchrist KH. Wearable Sensor-Based Detection of Influenza in Presymptomatic and Asymptomatic Individuals. J Infect Dis. 2023 Apr 12;227(7):864-872. doi: 10.1093/infdis/jiac262.
- Mezlini A, Shapiro A, Daza EJ, Caddigan E, Ramirez E, Althoff T, Foschini L. Estimating the Burden of Influenza-like Illness on Daily Activity at the Population Scale Using Commercial Wearable Sensors. JAMA Netw Open. 2022 May 2;5(5):e2211958. doi: 10.1001/jamanetworkopen.2022.11958.
- Shapiro A, Marinsek N, Clay I, Bradshaw B, Ramirez E, Min J, Trister A, Wang Y, Althoff T, Foschini L. Characterizing COVID-19 and Influenza Illnesses in the Real World via Person-Generated Health Data. Patterns (N Y). 2020 Dec 13;2(1):100188. doi: 10.1016/j.patter.2020.100188. eCollection 2021 Jan 8.
- Hunter V, Shapiro A, Chawla D, Drawnel F, Ramirez E, Phillips E, Tadesse-Bell S, Foschini L, Ukachukwu V. Characterization of Influenza-Like Illness Burden Using Commercial Wearable Sensor Data and Patient-Reported Outcomes: Mixed Methods Cohort Study. J Med Internet Res. 2023 Mar 23;25:e41050. doi: 10.2196/41050.
- Mayer C, Tyler J, Fang Y, Flora C, Frank E, Tewari M, Choi SW, Sen S, Forger DB. Consumer-grade wearables identify changes in multiple physiological systems during COVID-19 disease progression. Cell Rep Med. 2022 Apr 19;3(4):100601. doi: 10.1016/j.xcrm.2022.100601. eCollection 2022 Apr 19.
- Nestor B, Hunter J, Kainkaryam R, Drysdale E, Inglis JB, Shapiro A, Nagaraj S, Ghassemi M, Foschini L, Goldenberg A. Machine learning COVID-19 detection from wearables. Lancet Digit Health. 2023 Apr;5(4):e182-e184. doi: 10.1016/S2589-7500(23)00045-6. No abstract available.
- Merrill MA, Safranchik E, Kolbeinsson A, Gade P, Ramirez E, Schmidt L, Foshchini L, Althoff T. Homekit2020: A benchmark for time series classification on a large mobile sensing dataset with laboratory tested ground truth of influenza infections. Proceedings of Machine Learning Research LEAVE UNSET:1-22, 2023.
- Rosenstock, I. M. (2000). Health Belief Model. In A. E. Kazdin (Ed.), Encyclopedia of psychology (Vol. 4, pp. 78-80). Oxford University Press.
- Zewdie A, Mose A, Sahle T, Bedewi J, Gashu M, Kebede N, Yimer A. The health belief model's ability to predict COVID-19 preventive behavior: A systematic review. SAGE Open Med. 2022 Jul 22;10:20503121221113668. doi: 10.1177/20503121221113668. eCollection 2022.
- Mercadante AR, Law AV. Will they, or Won't they? Examining patients' vaccine intention for flu and COVID-19 using the Health Belief Model. Res Social Adm Pharm. 2021 Sep;17(9):1596-1605. doi: 10.1016/j.sapharm.2020.12.012. Epub 2020 Dec 30.
- Gutierrez F, Wolfe J. Using the Health Belief Model to improve influenza vaccination rates. JAAPA. 2022 Oct 1;35(10):46-47. doi: 10.1097/01.JAA.0000873832.52485.65.
- Richardson KM, Jospe MR, Saleh AA, Clarke TN, Bedoya AR, Behrens N, Marano K, Cigan L, Liao Y, Scott ER, Guo JS, Aguinaga A, Schembre SM. Use of Biological Feedback as a Health Behavior Change Technique in Adults: Scoping Review. J Med Internet Res. 2023 Sep 25;25:e44359. doi: 10.2196/44359.
- Mansournia MA, Higgins JP, Sterne JA, Hernan MA. Biases in Randomized Trials: A Conversation Between Trialists and Epidemiologists. Epidemiology. 2017 Jan;28(1):54-59. doi: 10.1097/EDE.0000000000000564. Erratum In: Epidemiology. 2018 Sep;29(5):e49.
- LaFave SE, Granbom M, Cudjoe TKM, Gottsch A, Shorb G, Szanton SL. Attention control group activities and perceived benefit in a trial of a behavioral intervention for older adults. Res Nurs Health. 2019 Dec;42(6):476-482. doi: 10.1002/nur.21992. Epub 2019 Oct 24.
- Lee JL, Foschini L, Kumar S, Juusola J, Liska J, Mercer M, Tai C, Buzzetti R, Clement M, Cos X, Ji L, Kanumilli N, Kerr D, Montanya E, Muller-Wieland D, Ostenson CG, Skolnik N, Woo V, Burlet N, Greenberg M, Samson SI. Digital intervention increases influenza vaccination rates for people with diabetes in a decentralized randomized trial. NPJ Digit Med. 2021 Sep 17;4(1):138. doi: 10.1038/s41746-021-00508-2.
Hyödyllisiä linkkejä
- Centers for Disease Control and Prevention, National Center for Immunization and Respiratory Diseases (NCIRD). Past Seasons Estimated Influenza Disease Burden
- Centers for Disease Control and Prevention, National Center for Immunization and Respiratory Diseases (NCIRD). Past Seasons Estimated Influenza Disease Burden
- Centers for Disease Control and Prevention. COVID Data Tracker.
- Centers for Disease Control and Prevention, Office of Public Health Data, Surveillance, and Technology. 2023. RESP-NET Interactive Dashboard.
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)
Maanantai 12. helmikuuta 2024
Ensisijainen valmistuminen (Arvioitu)
Lauantai 1. kesäkuuta 2024
Opintojen valmistuminen (Arvioitu)
Sunnuntai 1. joulukuuta 2024
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Perjantai 19. tammikuuta 2024
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Perjantai 19. tammikuuta 2024
Ensimmäinen Lähetetty (Todellinen)
Maanantai 29. tammikuuta 2024
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Tiistai 20. helmikuuta 2024
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Torstai 15. helmikuuta 2024
Viimeksi vahvistettu
Torstai 1. helmikuuta 2024
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Avainsanat
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- Predict + Protect Study
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 .
Kliiniset tutkimukset COVID-19
-
Yang I. PachankisAktiivinen, ei rekrytointiCOVID-19 hengitystieinfektio | COVID-19 stressisyndrooma | COVID-19-rokotteen haittavaikutus | COVID-19:ään liittyvä tromboembolia | COVID-19:n jälkeinen tehohoidon oireyhtymä | COVID-19:ään liittyvä aivohalvausKiina
-
Dr. Soetomo General HospitalIndonesia-MoH; Universitas Airlangga; Biotis Pharmaceuticals, IndonesiaRekrytointiCovid-19-pandemia | Covid-19-rokotteet | COVID-19 virustautiIndonesia
-
Indonesia UniversityRekrytointiCOVID-19 jälkeinen oireyhtymä | Pitkä COVID | COVID-19 jälkeinen tila | COVID-jälkeinen oireyhtymä | Pitkä COVID-19Indonesia
-
University of Roma La SapienzaQueen Mary University of London; Università degli studi di Roma Foro Italico ja muut yhteistyökumppanitValmisCOVID-19:n akuutit jälkiseuraukset | COVID-19 jälkeinen tila | Pitkä COVID | Krooninen COVID-19-oireyhtymäItalia
-
University Hospital, Ioannina1st Division of Internal Medicine, University Hospital of IoanninaRekrytointiCOVID-19-keuhkokuume | COVID-19 hengitystieinfektio | Covid-19-pandemia | COVID-19 akuutti hengitysvaikeusoireyhtymä | COVID-19:ään liittyvä keuhkokuume | COVID 19:ään liittyvä koagulopatia | COVID-19 (koronavirustauti 2019) | COVID-19:ään liittyvä tromboemboliaKreikka
-
First Affiliated Hospital Xi'an Jiaotong UniversityShangluo Central Hospital; Ankang Central Hospital; Hanzhong Central Hospital ja muut yhteistyökumppanitRekrytointiCOVID-19 | COVID-19 jälkeinen oireyhtymä | Postakuutti COVID-19 | Akuutti COVID-19Kiina
-
Erasmus Medical CenterDa Vinci Clinic; HGC RijswijkEi vielä rekrytointiaCOVIDin jälkeisen taudin hoito hyperbarisella happiterapialla: satunnaistettu, kontrolloitu tutkimusCOVID-19 jälkeinen oireyhtymä | Pitkä COVID | Pitkä Covid19 | COVID-19 jälkeinen tila | COVID-jälkeinen oireyhtymä | COVID-19 jälkeinen tila, määrittelemätön | COVID-jälkeinen tilaAlankomaat
-
University of Witten/HerdeckeInstitut für Rehabilitationsforschung NorderneyValmisCOVID-19 jälkeinen oireyhtymä | Pitkäaikainen COVID-19-oireyhtymäSaksa
-
Endourage, LLCRekrytointiPitkä COVID | Pitkä Covid19 | Postakuutti COVID-19 | Pitkän matkan COVID | Pitkän matkan COVID-19 | Postakuutti COVID-19-oireyhtymäYhdysvallat