- ICH GCP
- Registre américain des essais cliniques
- Essai clinique NCT05874466
Étude de validation du dispositif de dépistage de l'autisme SenseToKnow
4 mars 2026 mis à jour par: Duke University
Étude SenseToKnow STAR : une étude des technologies d'évaluation du développement des enfants
Il s'agit d'une étude pivot, prospective, en double aveugle, visant à évaluer la sensibilité et la spécificité de l'application SenseToKnow pour la détection des troubles du spectre autistique chez les enfants de 16 à 36 mois.
Aperçu de l'étude
Statut
Recrutement
Les conditions
Description détaillée
Il s'agit d'une étude pivot, prospective, en double aveugle, visant à évaluer la sensibilité et la spécificité de l'application SenseToKnow pour la classification des troubles du spectre autistique lorsqu'elle est administrée par les parents à un échantillon de patients âgés de 16 à 36 mois.
La conception de l'essai est une étude transversale non interventionnelle comparant la classification de l'application SenseToKnow des troubles du spectre autistique ("autisme") par rapport au non-autisme avec le statut diagnostique du patient basé sur un diagnostic clinique expert dans une population de patients pédiatriques.
Type d'étude
Observationnel
Inscription (Estimé)
350
Contacts et emplacements
Cette section fournit les coordonnées de ceux qui mènent l'étude et des informations sur le lieu où cette étude est menée.
Coordonnées de l'étude
- Nom: Geraldine Dawson, PhD
- Numéro de téléphone: 9196680070
- E-mail: geraldine.dawson@duke.edu
Sauvegarde des contacts de l'étude
- Nom: Charlotte Stoute, BA
- Numéro de téléphone: 919-681-9730
- E-mail: charlotte.stoute@duke.edu
Lieux d'étude
-
-
North Carolina
-
Durham, North Carolina, États-Unis, 27705
- Recrutement
- Duke University
-
Contact:
- Geraldine Dawson, PhD
- Numéro de téléphone: 919-668-0070
-
-
Critères de participation
Les chercheurs recherchent des personnes qui correspondent à une certaine description, appelée critères d'éligibilité. Certains exemples de ces critères sont l'état de santé général d'une personne ou des traitements antérieurs.
Critère d'éligibilité
Âges éligibles pour étudier
- Enfant
Accepte les volontaires sains
Oui
Méthode d'échantillonnage
Échantillon non probabiliste
Population étudiée
Les participants seront des patients âgés de 16 à 36 mois recrutés dans plus de 6 sites comprenant des cliniques médicales pédiatriques faisant partie du système de santé de l'Université Duke en Caroline du Nord.
La description
Critère d'intégration:
- Patient pédiatrique Duke Health à l'inscription
- 16-<37 mois à l'inscription
- Parent/tuteur légal parle anglais ou espagnol
- Le parent/tuteur légal comprend et donne volontairement son consentement éclairé
Critère d'exclusion:
- Déficience motrice grave qui empêche l'achèvement de la mesure de l'étude
- Troubles génétiques connus
- Déficience auditive ou visuelle grave déterminée lors d'un examen physique
- Maladies aiguës susceptibles d'empêcher une collecte de données réussie ou valide
- Épilepsie ou trouble convulsif non contrôlé
- Antécédents ou présence d'une maladie médicale cliniquement significative, ou d'un état mental qui pourrait confondre l'étude ou être préjudiciable au sujet tel que déterminé par l'investigateur
- Exacerbations aiguës de maladies chroniques susceptibles d'empêcher une collecte de données réussie ou valide
- Recevoir des thérapies qui affectent la vision
- Le parent/tuteur légal et/ou l'enquêteur pense que l'enfant ne pourra pas/ne voudra pas s'asseoir sur les genoux du parent pour regarder les vidéos de l'application
- Le parent/tuteur légal indique qu'eux-mêmes ou leur enfant ne veulent pas ou ne peuvent pas terminer l'administration de l'application, les enquêtes ou l'évaluation diagnostique
- Participants qui sont par ailleurs jugés incapables de se conformer au protocole par l'investigateur
- Tout autre facteur qui, selon l'investigateur, rendrait les mesures de l'étude invalides
Plan d'étude
Cette section fournit des détails sur le plan d'étude, y compris la façon dont l'étude est conçue et ce que l'étude mesure.
Comment l'étude est-elle conçue ?
Détails de conception
Cohortes et interventions
Groupe / Cohorte |
|---|
|
Patients pédiatriques, âgés de 16 à 36 mois, recrutés par le biais de cliniques médicales pédiatriques
Des participants pédiatriques consécutifs seront recrutés et inscrits via >= 6 sites participants composés de cliniques médicales pédiatriques (par exemple, cliniques de soins primaires et de médecine familiale) qui font partie du système de santé plus large de l'Université Duke (DUHS) situé en Caroline du Nord.
L'inscription se poursuivra jusqu'à ce que les objectifs de N = 150 participants diagnostiqués avec un trouble du spectre autistique et N = 200 sans autisme soient atteints.
|
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Sensibilité de l'appareil de dépistage SenseToKnow basée sur un algorithme d'apprentissage automatique qui combine les données numériques SenseToKnow avec les données de l'enquête SenseToKnow Caregiver pour la détection de l'autisme
Délai: Sera calculé sur la base des données du point de référence/point temporel 1
|
Sensibilité = #participants positifs pour l'autisme à la fois (1) sur l'appareil de dépistage SenseToKnow basé sur un algorithme d'apprentissage automatique qui combine les données numériques SenseToKnow avec les données de l'enquête des aidants SenseToKnow et (2) sur le diagnostic clinique expert / #participants positifs pour l'autisme à la fois sur SenseToKnow et sur le diagnostic clinique expert
|
Sera calculé sur la base des données du point de référence/point temporel 1
|
|
Spécificité du dispositif de dépistage SenseToKnow basé sur un algorithme d'apprentissage automatique qui combine les données numériques SenseToKnow avec les données de l'enquête SenseToKnow Caregiver pour la détection de l'autisme
Délai: Sera calculé sur la base des données du point de référence/point temporel 1
|
Spécificité = #participants négatifs pour l'autisme à la fois (1) sur l'appareil de dépistage SenseToKnow basé sur un algorithme d'apprentissage automatique qui combine les données numériques SenseToKnow avec les données de l'enquête SenseToKnow Caregiver Survey, et (2) sur le diagnostic clinique expert / #participants négatifs pour l'autisme par diagnostic clinique expert
|
Sera calculé sur la base des données du point de référence/point temporel 1
|
Mesures de résultats secondaires
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Valeur prédictive positive du dispositif de dépistage SenseToKnow (basé sur un algorithme d'apprentissage automatique utilisant les données numériques SenseToKnow, combinées aux données de l'enquête SenseToKnow Caregiver) pour la détection de l'autisme par rapport au diagnostic clinique expert
Délai: Sera calculé sur la base des données du point de référence/Point temporel 1
|
La probabilité qu'un participant ayant un résultat de test positif (basé sur un algorithme d'apprentissage automatique utilisant les données numériques SenseToKnow, combinées aux données de l'enquête SenseToKnow Caregiver) reçoive un diagnostic d'autisme (basé sur un diagnostic clinique expert).
La Valeur Prédictive Positive sera calculée avec et sans ajustement pour la prévalence dans la population.
|
Sera calculé sur la base des données du point de référence/Point temporel 1
|
|
Valeur prédictive négative du dispositif de dépistage SenseToKnow (basé sur un algorithme d'apprentissage automatique utilisant les données numériques SenseToKnow, combinées aux données de l'enquête SenseToKnow Caregiver) pour la détection de l'autisme par rapport au diagnostic clinique d'expert
Délai: Sera calculé sur la base des données du point de référence/point temporel 1
|
La probabilité qu'un participant avec un résultat de test négatif (basé sur un algorithme d'apprentissage automatique utilisant les données numériques SenseToKnow, combinées avec les données de l'enquête SenseToKnow Caregiver) n'ait pas de diagnostic d'autisme (basé sur un diagnostic clinique expert).
La valeur prédictive négative sera calculée avec et sans ajustement pour la prévalence de la population.
|
Sera calculé sur la base des données du point de référence/point temporel 1
|
|
Courbe de Caractéristique de Fonctionnement du Récepteur et Aire sous la Courbe par rapport à la précision du dispositif de dépistage SenseToKnow (utilisant les données numériques SenseToKnow et les données d'enquête SenseToKnow Caregiver) pour la classification autisme versus non-autisme
Délai: Sera calculé sur la base des données du point de référence/Point temporel 1
|
La courbe ROC (Receiver Operating Characteristic) est un graphique qui illustre la capacité de diagnostic d'un système de classificateur binaire lorsque son seuil de discrimination varie.
L'AUC (Area Under the Curve) mesure la surface sous l'ensemble de la courbe ROC.
La précision du test est basée sur un algorithme d'apprentissage automatique utilisant les données numériques SenseToKnow, combinées aux données de l'enquête SenseToKnow Caregiver, en comparaison avec le diagnostic clinique expert.
|
Sera calculé sur la base des données du point de référence/Point temporel 1
|
|
Sensibilité du dispositif de dépistage SenseToKnow basé sur un algorithme d'apprentissage automatique utilisant uniquement les données numériques SenseToKnow pour la détection de l'autisme
Délai: Sera calculé sur la base des données de Baseline/Timepoint 1
|
Sensibilité = #participants positifs pour l'autisme à la fois sur (1) l'appareil de dépistage SenseToKnow basé sur un algorithme d'apprentissage automatique utilisant uniquement les données numériques SenseToKnow et (2) le diagnostic clinique expert / # participants positifs pour l'autisme sur le diagnostic clinique expert
|
Sera calculé sur la base des données de Baseline/Timepoint 1
|
|
Spécificité du dispositif de dépistage SenseToKnow basé sur un algorithme d'apprentissage automatique utilisant uniquement les données numériques SenseToKnow pour la détection de l'autisme
Délai: Sera calculé sur la base des données du point de référence/point temporel 1
|
Spécificité = #participants négatifs pour l'autisme à la fois (1) sur l'appareil de dépistage SenseToKnow basé sur un algorithme d'apprentissage automatique utilisant uniquement les données numériques SenseToKnow et (2) selon le diagnostic clinique d'expert / #participants négatifs pour l'autisme selon le diagnostic clinique d'expert.
|
Sera calculé sur la base des données du point de référence/point temporel 1
|
|
Valeur prédictive positive du dispositif de dépistage SenseToKnow basé sur un algorithme d'apprentissage automatique utilisant uniquement les données numériques SenseToKnow pour la détection de l'autisme en comparaison avec le diagnostic clinique expert
Délai: Sera calculé sur la base des données de Baseline/Timepoint 1
|
La probabilité qu'un participant avec un résultat de test positif reçoive un diagnostic d'autisme (basé sur un diagnostic clinique expert).
La Valeur Prédictive Positive sera calculée avec et sans ajustement pour la prévalence dans la population.
|
Sera calculé sur la base des données de Baseline/Timepoint 1
|
|
Valeur Prédictive Négative du dispositif de dépistage SenseToKnow basé sur un algorithme d'apprentissage automatique utilisant uniquement les données numériques SenseToKnow pour la détection de l'autisme en comparaison avec le diagnostic clinique d'expert
Délai: Sera calculé sur la base des données du point de référence/du point temporel 1
|
La probabilité qu'un participant avec un résultat de test négatif ne reçoive pas de diagnostic d'autisme (basé sur le diagnostic clinique d'un expert).
La Valeur Prédictive Négative sera calculée avec et sans ajustement pour la prévalence dans la population.
|
Sera calculé sur la base des données du point de référence/du point temporel 1
|
|
Courbe Caractéristique de Récepteur et Aire sous la Courbe concernant la précision de l'appareil SenseToKnow utilisant uniquement les données numériques SenseToKnow pour la classification autisme versus non-autisme
Délai: Sera calculé sur la base des données de Baseline/Timepoint 1
|
La courbe ROC (Receiver Operating Characteristic) est un graphique qui illustre la capacité diagnostique d'un système de classificateur binaire lorsque son seuil de discrimination varie.
L'AUC (Area Under the Curve) mesure la surface sous l'ensemble de la courbe ROC.
La précision du test est basée sur un algorithme d'apprentissage automatique utilisant uniquement les données numériques SenseToKnow, par rapport au diagnostic clinique d'expert.
|
Sera calculé sur la base des données de Baseline/Timepoint 1
|
Collaborateurs et enquêteurs
C'est ici que vous trouverez les personnes et les organisations impliquées dans cette étude.
Parrainer
Collaborateurs
Les enquêteurs
- Chercheur principal: Geraldine Dawson, PhD, Duke University
Dates d'enregistrement des études
Ces dates suivent la progression des dossiers d'étude et des soumissions de résultats sommaires à ClinicalTrials.gov. Les dossiers d'étude et les résultats rapportés sont examinés par la Bibliothèque nationale de médecine (NLM) pour s'assurer qu'ils répondent à des normes de contrôle de qualité spécifiques avant d'être publiés sur le site Web public.
Dates principales de l'étude
Début de l'étude (Réel)
7 juillet 2023
Achèvement primaire (Estimé)
1 décembre 2027
Achèvement de l'étude (Estimé)
1 décembre 2027
Dates d'inscription aux études
Première soumission
12 mai 2023
Première soumission répondant aux critères de contrôle qualité
12 mai 2023
Première publication (Réel)
25 mai 2023
Mises à jour des dossiers d'étude
Dernière mise à jour publiée (Réel)
6 mars 2026
Dernière mise à jour soumise répondant aux critères de contrôle qualité
4 mars 2026
Dernière vérification
1 février 2026
Plus d'information
Termes liés à cette étude
Mots clés
Termes MeSH pertinents supplémentaires
Autres numéros d'identification d'étude
- Pro00111371
- 2P50HD093074 (Subvention/contrat des NIH des États-Unis)
Plan pour les données individuelles des participants (IPD)
Prévoyez-vous de partager les données individuelles des participants (DPI) ?
OUI
Description du régime IPD
Toutes les données au niveau individuel qui répondent aux exigences de confidentialité PHI et IRB seront soumises au référentiel de données NIH / NIMH d'ici la fin de la période de subvention.
Délai de partage IPD
Nous soumettrons une version électronique du travail final revu par des pairs, y compris le code d'analyse statistique, à la National Library of Medicine PubMed Central, qui sera rendu public au plus tard 12 mois après la date officielle de publication.
Critères d'accès au partage IPD
Disponible publiquement via PubMed Central
Type d'informations de prise en charge du partage d'IPD
- ANALYTIC_CODE
Informations sur les médicaments et les dispositifs, documents d'étude
Étudie un produit pharmaceutique réglementé par la FDA américaine
Non
Étudie un produit d'appareil réglementé par la FDA américaine
Non
Ces informations ont été extraites directement du site Web clinicaltrials.gov sans aucune modification. Si vous avez des demandes de modification, de suppression ou de mise à jour des détails de votre étude, veuillez contacter register@clinicaltrials.gov. Dès qu'un changement est mis en œuvre sur clinicaltrials.gov, il sera également mis à jour automatiquement sur notre site Web .