- ICH GCP
- Registre américain des essais cliniques
- Essai clinique NCT05912439
Intervention sur les comportements de santé basée sur le smartphone pour les adolescents
Intervention sur les comportements de santé basée sur le smartphone pour les adolescents ; Taux d'utilisation et taux d'attrition quotidiens.
Aperçu de l'étude
Statut
Les conditions
Intervention / Traitement
Description détaillée
Au cours de la dernière décennie, la possession et l'accès aux smartphones et aux appareils mobiles ont considérablement augmenté chez les adolescents et les jeunes du monde entier. La croissance a été telle que la possession ou l'accès aux smartphones chez les adolescents américains était de 95 % il y a quatre ans et avait augmenté de 23 % au cours des quatre années précédentes. Une évolution similaire a été observée dans la majorité des économies développées où l'accès et la possession d'un smartphone par les adolescents sont supérieurs au 90e centile. Les smartphones sont si largement distribués et utilisés qu'environ 45 % des adolescents passent presque toutes leurs heures d'éveil en ligne. Cependant, des projections modestes d'utilisation quotidienne indiquent que beaucoup passent beaucoup moins de temps en ligne chaque jour, bien que ce soit généralement plus de 4 heures.
L'utilisation extrême du smartphone chez les adolescents et les jeunes a été largement couverte, mais un côté plus positif de l'utilisation du mobile est qu'une proportion importante d'adolescents recherchent des informations sur la santé et une aide clinique en ligne via leurs appareils mobiles, offrant de nombreuses opportunités pour atteindre les adolescents à risque avec des connaissances scientifiques. méthodes axées sur l'amélioration de la santé. Les problèmes de santé, c'est-à-dire la santé mentale et les maladies liées au mode de vie, pèsent de manière disproportionnée sur les groupes socioéconomiques inférieurs ainsi que sur divers groupes minoritaires et les smartphones pourraient devenir un outil essentiel pour éliminer ces disparités, car l'accès et la possession d'un smartphone ne sont pas liés au statut socioéconomique, au sexe ou à la race dans diverses économies. . Le marché mHealth devient régulièrement saturé d'applications et l'augmentation annuelle du nombre d'applications disponibles a explosé ces dernières années, avec environ 350 000 applications mHealth actuellement sur le marché. Cependant, seuls 8% des adolescents semblent utiliser des applications de santé pour améliorer leur santé, soulignant l'écart apparent entre un accès facile, une utilisation quotidienne intensive et un manque d'intérêt pour les applications mHealth chez les adolescents.
Le manque d'activité physique a été qualifié de pandémie mondiale et signalé comme la 4e cause de décès dans le monde. L'inactivité physique augmente le risque de maladies liées au mode de vie, telles que les maladies cardiaques, le diabète de type 2 et le cancer, entraînant plus de 5 millions de décès annuels dans le monde. En outre, le fardeau financier annuel estimé de l'inactivité physique est de près de 54 milliards de dollars en coûts de soins de santé dans le monde. Il semble y avoir une baisse de l'activité physique à l'adolescence et une grande partie des adolescents sont en dessous des niveaux d'activité physique recommandés par l'Organisation mondiale de la santé (OMS). Le manque d'activité physique suffisante a tendance à persister à l'âge adulte et les recherches suggèrent que la majorité des adolescents de l'UE n'atteignent même pas 30 % de l'activité physique quotidienne recommandée. De plus, les adolescents semblent avoir le régime alimentaire le moins sain de tous les groupes d'âge et l'adolescence est une période particulièrement sensible à la prise de poids. La recherche a révélé à plusieurs reprises une relation significative entre le comportement nutritionnel et l'activité physique en termes de gestion du poids. Une augmentation considérable de l'obésité chez les adolescents dans le monde a été observée au cours des dernières décennies et la prévalence a par exemple triplé depuis 1975. Des interventions rentables pour augmenter l'activité physique et améliorer le comportement nutritionnel des populations adolescentes sont donc absolument nécessaires.
L'inactivité physique et des habitudes nutritionnelles inadéquates sont souvent liées à des problèmes émotionnels invalidants et des stratégies intégrées devraient inclure les trois piliers pour améliorer le bien-être physique et mental des populations adolescentes. Les interventions de santé mobiles ciblant les problèmes émotionnels invalidants chez les adolescents ont révélé des résultats encourageants, malgré le fait que les taux d'attrition dans ces interventions sont généralement élevés. Les différentes définitions de l'attrition ont compliqué la recherche sur ce sujet, mais l'attrition est définie comme l'abandon du traitement avant d'avoir atteint le niveau d'amélioration requis ou d'avoir atteint les objectifs d'intervention. La recherche sur les interventions de santé mentale mobile chez les adolescents a souvent manqué de données détaillées sur l'attrition liée au temps, ainsi que de définitions et d'analyses précises des raisons de l'attrition, bien que des études récentes soient prometteuses à cet égard. L'attrition est régulièrement signalée à deux moments distincts ; début et fin d'intervention. Une mesure continue de l'utilisation par rapport à la non-utilisation dans les interventions mHealth pour les adolescents tout en obtenant simultanément des données d'utilisation détaillées afin de prévenir ou de retarder les heures exactes d'attrition dans les interventions futures serait peut-être une meilleure représentation de l'attrition.
Des connaissances accrues sur les facteurs et les modèles d'attrition réels dans les populations adolescentes à partir des interventions de santé mobile sont absolument nécessaires. Mieux comprendre comment le soutien motivationnel motive les adolescents à utiliser les applications mHealth et pourquoi ils maintiennent ou perdent leur intérêt à les utiliser pour améliorer leur santé est d'une importance vitale. Le soutien motivationnel dans les interventions mHealth, défini comme des stratégies visant à renforcer la motivation et à contrer l'attrition pour surmonter les obstacles au changement de comportement, comprend souvent la définition d'objectifs, la rétroaction, le soutien social et les récompenses. Examens systématiques examinant les moteurs possibles derrière l'utilisation du point d'utilisation pour la personnalisation des groupes et des tâches, la localisation, le support utilisateur fonctionnel, la gamification des tâches de santé et la rétroaction visuelle immédiate mais simplifiée sur l'action de l'utilisateur tandis que les fonctionnalités de soutien motivationnel liées au sexe pourraient être des facteurs contributifs. Le moment du soutien motivationnel personnalisé, par le biais d'interventions adaptatives juste à temps (JITAI), doit également être pris en compte lors de la mise en œuvre d'interventions de santé mobile pour adolescents, car l'individualisation basée sur le temps pourrait contrer les taux d'attrition élevés. Compte tenu de l'ampleur des problèmes de santé signalés chez les adolescents et du manque d'interventions rentables sur les comportements de santé spécifiquement développées pour les populations adolescentes, le besoin de mieux comprendre les raisons de l'attrition dans les interventions mHealth pour adolescents est énorme. Le but de cette étude est d'abord de rechercher une meilleure compréhension des taux d'attrition continue d'une intervention mHealth appelée SidekickHealth dans une population adolescente et des effets du soutien motivationnel sur les taux d'attrition. Deuxièmement, l'objectif est d'examiner l'efficacité de l'intervention dans le but d'améliorer les comportements de santé mentale, nutritionnelle et physique au quotidien.
Type d'étude
Inscription (Estimé)
Phase
- N'est pas applicable
Contacts et emplacements
Lieux d'étude
-
-
Reykjavik
-
Reykjavík, Reykjavik, Islande, 101
- University of Iceland
-
-
Critères de participation
Critère d'éligibilité
Âges éligibles pour étudier
- Enfant
Accepte les volontaires sains
La description
Critère d'intégration:
- Tous les enfants qui fréquentent les 3 classes les plus anciennes des trois écoles élémentaires publiques participantes en Islande sont éligibles. Tous les enfants des écoles publiques de la commune sont équipés d'un iPad à partir de 10 ans.
Critère d'exclusion:
- Les critères d'exclusion sont le diagnostic d'un trouble grave du développement intellectuel et/ou d'une maladie physique, développementale et mentale limitant considérablement la capacité à utiliser les applications mobiles.
Plan d'étude
Comment l'étude est-elle conçue ?
Détails de conception
- Objectif principal: Science basique
- Répartition: Randomisé
- Modèle interventionnel: Affectation parallèle
- Masquage: Aucun (étiquette ouverte)
Armes et Interventions
Groupe de participants / Bras |
Intervention / Traitement |
|---|---|
|
Aucune intervention: Contrôle
Les mesures pour les participants du groupe témoin sont obtenues au départ et 42 jours plus tard.
Le groupe de contrôle ne reçoit plus de contact, d'accès à l'application mHealth ou d'informations jusqu'à ce que les mesures du questionnaire de fin d'étude soient fournies.
|
|
|
Comparateur actif: Traitement habituel
Pour les participants du groupe Traitement habituel (TAU), les mesures sont obtenues au départ et 42 jours plus tard.
Les participants reçoivent une introduction d'environ 10 minutes concernant les spécifications de l'étude et l'application mHealth.
La participation active au groupe TAU est définie comme le téléchargement de l'application Sidekick et la réalisation d'au moins 3 exercices de santé en son sein.
Le temps d'exercice est défini comme l'horodatage à la fin de l'exercice dans l'un des trois types de catégories d'exercice (activité physique, nutrition et santé mentale) de l'application.
La fréquence des exercices fait référence à la fréquence à laquelle un exercice donné a été effectué par un participant du groupe TAU.
L'heure d'attrition est définie comme l'horodatage du dernier exercice de santé effectué au sein du Sidekick tout au long de la période d'intervention.
Les participants du groupe TAU utilisent l'application individuellement tout au long de la période d'essai sans aucun soutien motivationnel.
|
Utilisation de l'application mobile appelée SidekickHealth.
Autres noms:
|
|
Expérimental: Intervention
Pour les participants au groupe d'intervention, les mesures sont obtenues au départ et 42 jours plus tard.
Les participants reçoivent une introduction d'environ 10 minutes concernant les spécifications de l'étude et l'application mHealth.
La participation active au groupe d'intervention est définie comme le téléchargement de l'application Sidekick et la réalisation d'au moins 3 exercices de santé en son sein.
Le temps d'exercice est défini comme l'horodatage à la fin de l'exercice dans l'un des trois types de catégories d'exercice (activité physique, nutrition et santé mentale) de l'application.
La fréquence des exercices fait référence à la fréquence à laquelle un exercice donné a été effectué par un participant du groupe TAU.
L'heure d'attrition est définie comme l'horodatage du dernier exercice de santé effectué au sein du Sidekick tout au long de la période d'intervention.
Les participants au groupe d'intervention reçoivent un soutien motivationnel hebdomadaire sous forme de commentaires individuels et de groupe sur l'utilisation, la participation à des compétitions amicales de tâches de santé et des récompenses altruistes hebdomadaires pour l'utilisation.
|
Utilisation de l'application mobile appelée SidekickHealth.
Autres noms:
|
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Utilisation des applications
Délai: De l'admission à la sortie, jusqu'à 6 semaines.
|
Horodatage en jours, minutes et secondes de chaque activité de santé effectuée dans l'application mobile
|
De l'admission à la sortie, jusqu'à 6 semaines.
|
Mesures de résultats secondaires
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Symptômes d'anxiété et de dépression
Délai: De l'admission à la sortie, jusqu'à 6 semaines.
|
Les symptômes d'anxiété et de dépression sont évalués à l'aide de l'échelle révisée d'anxiété et de dépression des enfants (RCADS), un outil d'auto-évaluation pour les enfants et les jeunes.
L'échelle est une échelle de Likert à quatre points, couvre 47 questions et est divisée en 6 sous-échelles; symptômes d'anxiété de séparation, symptômes d'anxiété générale, symptômes de compulsion obsessionnelle, symptômes d'anxiété sociale, symptômes de panique, symptômes de dépression.
Un T-score supérieur à 65 marquait un seuil clinique.
La psychométrie de l'inventaire a été étudiée avec des résultats acceptables dans les populations pédiatriques américaines et islandaises
|
De l'admission à la sortie, jusqu'à 6 semaines.
|
|
Auto-efficacité générale
Délai: De l'admission à la sortie, jusqu'à 6 semaines.
|
L'échelle générale d'auto-efficacité (GSE), un questionnaire d'auto-évaluation en 10 éléments avec des scores totaux allant de 10 à 40, est utilisée pour mesurer les niveaux d'auto-efficacité où un score plus élevé entraîne une augmentation de l'auto-efficacité.
Des propriétés psychométriques acceptables pour le questionnaire ont été obtenues et il est utilisé à l'échelle mondiale dans les populations de jeunes.
|
De l'admission à la sortie, jusqu'à 6 semaines.
|
|
Habitudes de sommeil
Délai: De l'admission à la sortie, jusqu'à 6 semaines.
|
L'algorithme de dépistage du sommeil BEARS est utilisé pour évaluer les problèmes de sommeil comportementaux des participants.
C'est un instrument de dépistage pour les enfants de 2 à 18 ans, un outil binaire (0-1) parental ou d'auto-évaluation dont la psychométrie a été étudiée avec des résultats acceptables dans les populations pédiatriques.
L'auto-évaluation est appliquée à la population étudiée.
|
De l'admission à la sortie, jusqu'à 6 semaines.
|
Collaborateurs et enquêteurs
Parrainer
Publications et liens utiles
Publications générales
- Mohr DC, Burns MN, Schueller SM, Clarke G, Klinkman M. Behavioral intervention technologies: evidence review and recommendations for future research in mental health. Gen Hosp Psychiatry. 2013 Jul-Aug;35(4):332-8. doi: 10.1016/j.genhosppsych.2013.03.008. Epub 2013 May 8.
- Lee IM, Shiroma EJ, Lobelo F, Puska P, Blair SN, Katzmarzyk PT; Lancet Physical Activity Series Working Group. Effect of physical inactivity on major non-communicable diseases worldwide: an analysis of burden of disease and life expectancy. Lancet. 2012 Jul 21;380(9838):219-29. doi: 10.1016/S0140-6736(12)61031-9.
- Kohl HW 3rd, Craig CL, Lambert EV, Inoue S, Alkandari JR, Leetongin G, Kahlmeier S; Lancet Physical Activity Series Working Group. The pandemic of physical inactivity: global action for public health. Lancet. 2012 Jul 21;380(9838):294-305. doi: 10.1016/S0140-6736(12)60898-8.
- Nahum-Shani I, Smith SN, Spring BJ, Collins LM, Witkiewitz K, Tewari A, Murphy SA. Just-in-Time Adaptive Interventions (JITAIs) in Mobile Health: Key Components and Design Principles for Ongoing Health Behavior Support. Ann Behav Med. 2018 May 18;52(6):446-462. doi: 10.1007/s12160-016-9830-8.
- Eysenbach G. The law of attrition. J Med Internet Res. 2005 Mar 31;7(1):e11. doi: 10.2196/jmir.7.1.e11.
- Telama R, Yang X, Viikari J, Valimaki I, Wanne O, Raitakari O. Physical activity from childhood to adulthood: a 21-year tracking study. Am J Prev Med. 2005 Apr;28(3):267-73. doi: 10.1016/j.amepre.2004.12.003.
- Rose T, Barker M, Maria Jacob C, Morrison L, Lawrence W, Strommer S, Vogel C, Woods-Townsend K, Farrell D, Inskip H, Baird J. A Systematic Review of Digital Interventions for Improving the Diet and Physical Activity Behaviors of Adolescents. J Adolesc Health. 2017 Dec;61(6):669-677. doi: 10.1016/j.jadohealth.2017.05.024. Epub 2017 Aug 16.
- Ding D, Lawson KD, Kolbe-Alexander TL, Finkelstein EA, Katzmarzyk PT, van Mechelen W, Pratt M; Lancet Physical Activity Series 2 Executive Committee. The economic burden of physical inactivity: a global analysis of major non-communicable diseases. Lancet. 2016 Sep 24;388(10051):1311-24. doi: 10.1016/S0140-6736(16)30383-X. Epub 2016 Jul 28.
- Jones EAK, Mitra AK, Bhuiyan AR. Impact of COVID-19 on Mental Health in Adolescents: A Systematic Review. Int J Environ Res Public Health. 2021 Mar 3;18(5):2470. doi: 10.3390/ijerph18052470.
- Kormendi A. [Smartphone usage among adolescents]. Psychiatr Hung. 2015;30(3):297-302. Hungarian.
- Birnbaum ML, Rizvi AF, Confino J, Correll CU, Kane JM. Role of social media and the Internet in pathways to care for adolescents and young adults with psychotic disorders and non-psychotic mood disorders. Early Interv Psychiatry. 2017 Aug;11(4):290-295. doi: 10.1111/eip.12237. Epub 2015 Mar 23. Erratum In: Early Interv Psychiatry. 2017 Dec;11(6):539.
- Lawlor, A. & Kirakowski, J. (2014). Online support groups for mental health: A space for challenging self-stigma or a means of social avoidance? Computers in Human Behavior, 32, 152-161. https://doi.org/10.1016/j.chb.2013.11.015
- Pretorius C, Chambers D, Coyle D. Young People's Online Help-Seeking and Mental Health Difficulties: Systematic Narrative Review. J Med Internet Res. 2019 Nov 19;21(11):e13873. doi: 10.2196/13873.
- McLaughlin KA, Costello EJ, Leblanc W, Sampson NA, Kessler RC. Socioeconomic status and adolescent mental disorders. Am J Public Health. 2012 Sep;102(9):1742-50. doi: 10.2105/AJPH.2011.300477. Epub 2012 Feb 16.
- Radomski AD, Wozney L, McGrath P, Huguet A, Hartling L, Dyson MP, Bennett K, Newton AS. Design and Delivery Features That May Improve the Use of Internet-Based Cognitive Behavioral Therapy for Children and Adolescents With Anxiety: A Realist Literature Synthesis With a Persuasive Systems Design Perspective. J Med Internet Res. 2019 Feb 5;21(2):e11128. doi: 10.2196/11128.
- IQVIA Institute. (2021, July 1). Digital Health Trends 2021. IQVIA. https://www.iqvia.com/-/media/iqvia/pdfs/institute-reports/digital-health-trends-2021/iqvia-institute-digital-health-trends-2021.pdf
- Chan, A., Kow, R. & Cheng, J. K. (2017). Adolescents' perceptions on smartphone applications (apps) for health management. Journal of Mobile Technology in Medicine, 6(2), 47-55. https://doi.org/10.7309/jmtm.6.2.6
- Sember V, Jurak G, Kovac M, Duric S, Starc G. Decline of physical activity in early adolescence: A 3-year cohort study. PLoS One. 2020 Mar 11;15(3):e0229305. doi: 10.1371/journal.pone.0229305. eCollection 2020.
- World Health Organization (2010). Global Recommendations on Physical Activity for Health, Executive Summary. Geneva, Switzerland: World Health Organization. Available from: https://www.ncbi.nlm.nih.gov/books/NBK305060/
- OECD (2016). Health at a Glance: Europe 2016 - State of Health in the EU Cycle. Paris, France: OECD Publishing. https://doi.org/10.1787/9789264265592-en
- Craigie AM, Lake AA, Kelly SA, Adamson AJ, Mathers JC. Tracking of obesity-related behaviours from childhood to adulthood: A systematic review. Maturitas. 2011 Nov;70(3):266-84. doi: 10.1016/j.maturitas.2011.08.005. Epub 2011 Sep 15.
- Kouvari M, Karipidou M, Tsiampalis T, Mamalaki E, Poulimeneas D, Bathrellou E, Panagiotakos D, Yannakoulia M. Digital Health Interventions for Weight Management in Children and Adolescents: Systematic Review and Meta-analysis. J Med Internet Res. 2022 Feb 14;24(2):e30675. doi: 10.2196/30675.
- WHO (2021, June 9th). Obesity and Overweight. World Health Organization. Retrieved January 26, 2023, from https://www.who.int/news-room/fact-sheets/detail/obesity-and-overweight#cms
- Meyerowitz-Katz G, Ravi S, Arnolda L, Feng X, Maberly G, Astell-Burt T. Rates of Attrition and Dropout in App-Based Interventions for Chronic Disease: Systematic Review and Meta-Analysis. J Med Internet Res. 2020 Sep 29;22(9):e20283. doi: 10.2196/20283.
- Topooco N, Bylehn S, Dahlstrom Nysater E, Holmlund J, Lindegaard J, Johansson S, Aberg L, Bergman Nordgren L, Zetterqvist M, Andersson G. Evaluating the Efficacy of Internet-Delivered Cognitive Behavioral Therapy Blended With Synchronous Chat Sessions to Treat Adolescent Depression: Randomized Controlled Trial. J Med Internet Res. 2019 Nov 1;21(11):e13393. doi: 10.2196/13393.
- Adelman CB, Panza KE, Bartley CA, Bontempo A, Bloch MH. A meta-analysis of computerized cognitive-behavioral therapy for the treatment of DSM-5 anxiety disorders. J Clin Psychiatry. 2014 Jul;75(7):e695-704. doi: 10.4088/JCP.13r08894.
- Maenhout L, Peuters C, Cardon G, Crombez G, DeSmet A, Compernolle S. Nonusage Attrition of Adolescents in an mHealth Promotion Intervention and the Role of Socioeconomic Status: Secondary Analysis of a 2-Arm Cluster-Controlled Trial. JMIR Mhealth Uhealth. 2022 May 10;10(5):e36404. doi: 10.2196/36404.
- Twomey C, O'Reilly G, Byrne M, Bury M, White A, Kissane S, McMahon A, Clancy N. A randomized controlled trial of the computerized CBT programme, MoodGYM, for public mental health service users waiting for interventions. Br J Clin Psychol. 2014 Nov;53(4):433-50. doi: 10.1111/bjc.12055. Epub 2014 May 15.
- Melville KM, Casey LM, Kavanagh DJ. Dropout from Internet-based treatment for psychological disorders. Br J Clin Psychol. 2010 Nov;49(Pt 4):455-71. doi: 10.1348/014466509X472138. Epub 2009 Oct 1.
- Mitchell, A. J. & Selmes, T. (2007). Why don't patients attend their appointments? Maintaining engagement with psychiatric services. Advances in psychiatric treatment, 13(6).423-434. https://doi.org/10.1192/apt.bp.106.003202
- Vigerland S, Lenhard F, Bonnert M, Lalouni M, Hedman E, Ahlen J, Olen O, Serlachius E, Ljotsson B. Internet-delivered cognitive behavior therapy for children and adolescents: A systematic review and meta-analysis. Clin Psychol Rev. 2016 Dec;50:1-10. doi: 10.1016/j.cpr.2016.09.005. Epub 2016 Sep 20.
- Jeminiwa RN, Hohmann NS, Fox BI. Developing a Theoretical Framework for Evaluating the Quality of mHealth Apps for Adolescent Users: A Systematic Review. J Pediatr Pharmacol Ther. 2019 Jul-Aug;24(4):254-269. doi: 10.5863/1551-6776-24.4.254.
- Palos-Sanchez PR, Saura JR, Rios Martin MA, Aguayo-Camacho M. Toward a Better Understanding of the Intention to Use mHealth Apps: Exploratory Study. JMIR Mhealth Uhealth. 2021 Sep 9;9(9):e27021. doi: 10.2196/27021.
- Egilsson E, Bjarnason R, Njardvik U. Usage and Weekly Attrition in a Smartphone-Based Health Behavior Intervention for Adolescents: Pilot Randomized Controlled Trial. JMIR Form Res. 2021 Feb 17;5(2):e21432. doi: 10.2196/21432.
- Bear HA, Ayala Nunes L, DeJesus J, Liverpool S, Moltrecht B, Neelakantan L, Harriss E, Watkins E, Fazel M. Determination of Markers of Successful Implementation of Mental Health Apps for Young People: Systematic Review. J Med Internet Res. 2022 Nov 9;24(11):e40347. doi: 10.2196/40347.
Dates d'enregistrement des études
Dates principales de l'étude
Début de l'étude (Réel)
Achèvement primaire (Réel)
Achèvement de l'étude (Estimé)
Dates d'inscription aux études
Première soumission
Première soumission répondant aux critères de contrôle qualité
Première publication (Réel)
Mises à jour des dossiers d'étude
Dernière mise à jour publiée (Réel)
Dernière mise à jour soumise répondant aux critères de contrôle qualité
Dernière vérification
Plus d'information
Termes liés à cette étude
Autres numéros d'identification d'étude
- UI-2023-mHealth
Plan pour les données individuelles des participants (IPD)
Prévoyez-vous de partager les données individuelles des participants (DPI) ?
Description du régime IPD
Informations sur les médicaments et les dispositifs, documents d'étude
Étudie un produit pharmaceutique réglementé par la FDA américaine
Étudie un produit d'appareil réglementé par la FDA américaine
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 .