- ICH GCP
- Registro degli studi clinici negli Stati Uniti
- Sperimentazione clinica NCT06149273
Trattamento dell'insonnia nello studio sulle cure primarie (TIP)
L'obiettivo di questo studio clinico è conoscere il trattamento dell'insonnia tra i pazienti di assistenza primaria affetti da insonnia cronica.
La domanda principale a cui si intende rispondere è:
• La Scuola del Sonno (una terapia per l'insonnia) funziona bene per ridurre i danni dell'insonnia? I partecipanti parteciperanno a un intervento di terapia di gruppo una volta alla settimana per sei settimane.
I ricercatori confronteranno la Scuola del sonno con il trattamento abituale (breve consulenza da parte di un infermiere esperto) per vedere se la Scuola del sonno funziona meglio del trattamento abituale nel ridurre i danni dell'insonnia.
Panoramica dello studio
Stato
Condizioni
Intervento / Trattamento
Tipo di studio
Iscrizione (Stimato)
Fase
- Non applicabile
Contatti e Sedi
Contatto studio
- Nome: Elina Bergman, PhD
- Email: elkaro@utu.fi
Backup dei contatti dello studio
- Nome: Ansa Rantanen, PhD
- Email: atsipp@utu.fi
Luoghi di studio
-
-
-
Turku, Finlandia, 20014
- University of Turku
-
-
Criteri di partecipazione
Criteri di ammissibilità
Età idonea allo studio
- Adulto
- Adulto più anziano
Accetta volontari sani
Descrizione
Criterio di inclusione:
- Punteggio dell'indice di gravità dell'insonnia (ISI) almeno 8
- i sintomi dell'insonnia sono presenti almeno per 3 mesi
Criteri di esclusione:
- demenza diagnosticata sulla base delle cartelle cliniche
- suicidalità acuta
- sintomi psicotici acuti
Piano di studio
Come è strutturato lo studio?
Dettagli di progettazione
- Scopo principale: Trattamento
- Assegnazione: Randomizzato
- Modello interventistico: Assegnazione parallela
- Mascheramento: Nessuno (etichetta aperta)
Armi e interventi
Gruppo di partecipanti / Arm |
Intervento / Trattamento |
---|---|
Sperimentale: Scuola del sonno
I partecipanti frequentano la Scuola del sonno una volta alla settimana per sei settimane.
|
La scuola del sonno è un metodo strutturato per il trattamento dell'insonnia, basato sulla terapia cognitivo comportamentale per l'insonnia (CBT-I).
L'elemento centrale del metodo è un quaderno di esercizi per i pazienti.
Le parti essenziali del metodo sono il rafforzamento dell'autoefficacia del paziente, l'introduzione degli esercizi terapeutici e il sostegno all'uso continuato degli esercizi.
I temi principali della Scuola del sonno sono informazioni sul sonno e sui fattori che lo influenzano, componenti comportamentali della CBT-I, come limitare il tempo trascorso a letto, componenti cognitivi della CBT-I, come esercizi di preoccupazione costruttiva, e gli esercizi che mirano a per calmare la mente e il sistema nervoso autonomo.
La Scuola del Sonno è tenuta da un'infermiera istruita.
|
Comparatore attivo: Trattamento come al solito
I partecipanti ricevono una breve consulenza sull'insonnia durante la visita di iscrizione.
|
Informazioni orali e scritte sul miglioramento delle abitudini del sonno fornite da un'infermiera istruita.
|
Cosa sta misurando lo studio?
Misure di risultato primarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
---|---|---|
Variazione media rispetto al basale del punteggio dell'indice di gravità dell'insonnia (ISI) a 8 settimane
Lasso di tempo: Riferimento e settimana 8
|
L'ISI è uno strumento di autovalutazione convalidato per valutare la gravità e l'impatto degli attuali sintomi di insonnia.
Si compone di 7 domande su scala Likert con un punteggio totale compreso tra 0 e 28 (con punteggi più alti che indicano un'insonnia più grave).
Variazione = Punteggio della settimana 8 - Punteggio di base.
|
Riferimento e settimana 8
|
Misure di risultato secondarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
---|---|---|
Variazione media rispetto al basale nel Patient Health Questionnaire 9 (PHQ-9) a 8 settimane
Lasso di tempo: Riferimento e settimana 8
|
PHQ-9 è uno strumento autosomministrato convalidato che valuta ciascuno dei 9 criteri del Manuale diagnostico e statistico dei disturbi mentali (DSM)-IV per la depressione da 0 (per niente) a 3 (quasi ogni giorno) e la gravità della depressione. .
I punteggi possibili vanno da 0 a 27.
Variazione = Punteggio della settimana 8 - Punteggio di base.
|
Riferimento e settimana 8
|
Variazione media rispetto al basale dell’indice EUROHIS a 8 elementi sulla qualità della vita a 8 settimane
Lasso di tempo: Riferimento e settimana 8
|
EUROHIS Quality of Life 8-item Index è uno strumento validato per la valutazione della qualità generale della vita.
Ci sono complessivamente otto domande sugli aspetti generali, fisici, psicologici, sociali e ambientali della qualità della vita.
Ad ogni domanda viene assegnato un punteggio da 1 (molto scarso) a 5 (molto buono).
Tutti i punteggi possono essere sommati e divisi per 8 (la somma delle domande) per ottenere il punteggio medio di EUROHIS-QOL.
Variazione = Punteggio della settimana 8 - Punteggio di base.
|
Riferimento e settimana 8
|
Variazione media rispetto al basale del punteggio di abilità lavorativa (WAS) a 8 settimane
Lasso di tempo: Riferimento e settimana 8
|
Il WAS è la prima voce del Work Ability Index (WAI), uno strumento validato per la valutazione della capacità lavorativa.
WS è una singola domanda: "Qual è la tua attuale capacità lavorativa rispetto alla migliore della tua vita?"
Ha una scala di risposta da 0 a 10, dove 0 sta per "completamente incapace di lavorare" e 10 sta per "capacità lavorativa al suo meglio".
È stato dimostrato che il WAS ha una forte associazione con il WAI ed è affidabile nella valutazione della capacità lavorativa.
Variazione = Punteggio della settimana 8 - Punteggio di base.
|
Riferimento e settimana 8
|
Altre misure di risultato
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
---|---|---|
Durata del sonno al basale
Lasso di tempo: Linea di base
|
Le informazioni sulla durata del sonno vengono raccolte con orologi intelligenti utilizzando un metodo convalidato.
Il metodo si basa sulla valutazione di segnali biologici con algoritmi di intelligenza artificiale.
Con uno smartwatch, la frequenza cardiaca, i movimenti, la saturazione di ossigeno e il segnale fotopletismografico del partecipante vengono misurati dal polso.
Il segnale fotopletismografico misura otticamente le variazioni del volume sanguigno, consentendo la valutazione della funzione del sistema nervoso simpatico e parasimpatico.
Pur avendo unità diverse, le nostre applicazioni di deep learning sviluppate in precedenza utilizzano informazioni provenienti da frequenza cardiaca, movimenti, saturazione di ossigeno e segnali fotopletismografici per valutare la durata del sonno.
Pertanto, indipendentemente dalle unità dei segnali misurati, le informazioni di tutti questi segnali vengono combinate da algoritmi automatici per riportare un unico valore: la durata del sonno.
|
Linea di base
|
Fasi del sonno al basale
Lasso di tempo: Linea di base
|
Le informazioni sulle fasi del sonno vengono raccolte con orologi intelligenti utilizzando un metodo convalidato.
Il metodo si basa sulla valutazione di segnali biologici con algoritmi di intelligenza artificiale.
Con uno smartwatch, la frequenza cardiaca, i movimenti, la saturazione di ossigeno e il segnale fotopletismografico del partecipante vengono misurati dal polso.
Il segnale fotopletismografico misura otticamente le variazioni del volume sanguigno, consentendo la valutazione della funzione del sistema nervoso simpatico e parasimpatico.
Pur avendo unità diverse, le nostre applicazioni di deep learning sviluppate in precedenza utilizzano informazioni provenienti da frequenza cardiaca, movimenti, saturazione di ossigeno e segnali fotopletismografici per valutare le fasi del sonno.
Pertanto, indipendentemente dalle unità dei segnali misurati, le informazioni di tutti questi segnali vengono combinate da algoritmi automatici per riportare un unico valore: le fasi del sonno.
|
Linea di base
|
Qualità del sonno al basale
Lasso di tempo: Linea di base
|
Le informazioni sulla qualità oggettiva del sonno vengono raccolte con orologi intelligenti utilizzando un metodo convalidato.
Il metodo si basa sulla valutazione di segnali biologici con algoritmi di intelligenza artificiale.
Con uno smartwatch, la frequenza cardiaca, i movimenti, la saturazione di ossigeno e il segnale fotopletismografico del partecipante vengono misurati dal polso.
Il segnale fotopletismografico misura otticamente le variazioni del volume sanguigno, consentendo la valutazione della funzione del sistema nervoso simpatico e parasimpatico.
Pur avendo unità diverse, le nostre applicazioni di deep learning sviluppate in precedenza utilizzano informazioni provenienti da frequenza cardiaca, movimenti, saturazione di ossigeno e segnali fotopletismografici per valutare la qualità del sonno.
Pertanto, indipendentemente dalle unità dei segnali misurati, le informazioni di tutti questi segnali vengono combinate da algoritmi automatici per riportare un unico valore: la qualità del sonno.
|
Linea di base
|
Durata del sonno a 8 settimane
Lasso di tempo: Settimana 8
|
Le informazioni sulla durata del sonno vengono raccolte con orologi intelligenti utilizzando un metodo convalidato.
Il metodo si basa sulla valutazione di segnali biologici con algoritmi di intelligenza artificiale.
Con uno smartwatch, la frequenza cardiaca, i movimenti, la saturazione di ossigeno e il segnale fotopletismografico del partecipante vengono misurati dal polso.
Il segnale fotopletismografico misura otticamente le variazioni del volume sanguigno, consentendo la valutazione della funzione del sistema nervoso simpatico e parasimpatico.
Pur avendo unità diverse, le nostre applicazioni di deep learning sviluppate in precedenza utilizzano informazioni provenienti da frequenza cardiaca, movimenti, saturazione di ossigeno e segnali fotopletismografici per valutare la durata del sonno.
Pertanto, indipendentemente dalle unità dei segnali misurati, le informazioni di tutti questi segnali vengono combinate da algoritmi automatici per riportare un unico valore: la durata del sonno.
|
Settimana 8
|
Fasi del sonno a 8 settimane
Lasso di tempo: Settimana 8
|
Le informazioni sulle fasi del sonno vengono raccolte con orologi intelligenti utilizzando un metodo convalidato.
Il metodo si basa sulla valutazione di segnali biologici con algoritmi di intelligenza artificiale.
Con uno smartwatch, la frequenza cardiaca, i movimenti, la saturazione di ossigeno e il segnale fotopletismografico del partecipante vengono misurati dal polso.
Il segnale fotopletismografico misura otticamente le variazioni del volume sanguigno, consentendo la valutazione della funzione del sistema nervoso simpatico e parasimpatico.
Pur avendo unità diverse, le nostre applicazioni di deep learning sviluppate in precedenza utilizzano informazioni provenienti da frequenza cardiaca, movimenti, saturazione di ossigeno e segnali fotopletismografici per valutare le fasi del sonno.
Pertanto, indipendentemente dalle unità dei segnali misurati, le informazioni di tutti questi segnali vengono combinate da algoritmi automatici per riportare un unico valore: le fasi del sonno.
|
Settimana 8
|
Qualità del sonno a 8 settimane
Lasso di tempo: Settimana 8
|
Le informazioni sulla qualità oggettiva del sonno vengono raccolte con orologi intelligenti utilizzando un metodo convalidato.
Il metodo si basa sulla valutazione di segnali biologici con algoritmi di intelligenza artificiale.
Con uno smartwatch, la frequenza cardiaca, i movimenti, la saturazione di ossigeno e il segnale fotopletismografico del partecipante vengono misurati dal polso.
Il segnale fotopletismografico misura otticamente le variazioni del volume sanguigno, consentendo la valutazione della funzione del sistema nervoso simpatico e parasimpatico.
Pur avendo unità diverse, le nostre applicazioni di deep learning sviluppate in precedenza utilizzano informazioni provenienti da frequenza cardiaca, movimenti, saturazione di ossigeno e segnali fotopletismografici per valutare la qualità del sonno.
Pertanto, indipendentemente dalle unità dei segnali misurati, le informazioni di tutti questi segnali vengono combinate da algoritmi automatici per riportare un unico valore: la qualità del sonno.
|
Settimana 8
|
Variazione media da 8 settimane nel punteggio dell'Insomnia Severity Index (ISI) a 16 settimane
Lasso di tempo: Settimana 8 e Settimana 16
|
L'ISI è uno strumento di autovalutazione convalidato per valutare la gravità e l'impatto degli attuali sintomi di insonnia.
Si compone di 7 domande su scala Likert con un punteggio totale compreso tra 0 e 28 (con punteggi più alti che indicano un'insonnia più grave).
Variazione = punteggio della settimana 16 - punteggio della settimana 8.
|
Settimana 8 e Settimana 16
|
Variazione media rispetto al basale nel Patient Health Questionnaire 9 (PHQ-9) a 16 settimane
Lasso di tempo: Riferimento e settimana 16
|
PHQ-9 è uno strumento autosomministrato convalidato che valuta ciascuno dei 9 criteri del DSM-IV per la depressione da 0 (per niente) a 3 (quasi ogni giorno) e la gravità della depressione.
I punteggi possibili vanno da 0 a 27.
Variazione = Punteggio della settimana 16 - Punteggio di base.
|
Riferimento e settimana 16
|
Variazione media rispetto al basale dell’indice EUROHIS a 8 elementi sulla qualità della vita a 16 settimane
Lasso di tempo: Riferimento e settimana 16
|
EUROHIS Quality of Life 8-item Index è uno strumento validato per la valutazione della qualità generale della vita.
Ci sono complessivamente otto domande sugli aspetti generali, fisici, psicologici, sociali e ambientali della qualità della vita.
Ad ogni domanda viene assegnato un punteggio da 1 (molto scarso) a 5 (molto buono).
Tutti i punteggi possono essere sommati e divisi per 8 (la somma delle domande) per ottenere il punteggio medio di EUROHIS-QOL.
Variazione = Punteggio della settimana 16 - Punteggio di base.
|
Riferimento e settimana 16
|
Variazione media rispetto al basale del punteggio di abilità lavorativa (WAS) a 16 settimane
Lasso di tempo: Riferimento e settimana 16
|
Il WAS è la prima voce del Work Ability Index (WAI), uno strumento validato per la valutazione della capacità lavorativa.
WS è una singola domanda: "Qual è la tua attuale capacità lavorativa rispetto alla migliore della tua vita?"
Ha una scala di risposta da 0 a 10, dove 0 sta per "completamente incapace di lavorare" e 10 sta per "capacità lavorativa al suo meglio".
È stato dimostrato che il WAS ha una forte associazione con il WAI ed è affidabile nella valutazione della capacità lavorativa.
Variazione = Punteggio della settimana 16 - Punteggio di base.
|
Riferimento e settimana 16
|
Durata del sonno a 16 settimane
Lasso di tempo: Settimana 16
|
Le informazioni sulla durata del sonno vengono raccolte con orologi intelligenti utilizzando un metodo convalidato.
Il metodo si basa sulla valutazione di segnali biologici con algoritmi di intelligenza artificiale.
Con uno smartwatch, la frequenza cardiaca, i movimenti, la saturazione di ossigeno e il segnale fotopletismografico del partecipante vengono misurati dal polso.
Il segnale fotopletismografico misura otticamente le variazioni del volume sanguigno, consentendo la valutazione della funzione del sistema nervoso simpatico e parasimpatico.
Pur avendo unità diverse, le nostre applicazioni di deep learning sviluppate in precedenza utilizzano informazioni provenienti da frequenza cardiaca, movimenti, saturazione di ossigeno e segnali fotopletismografici per valutare la durata del sonno.
Pertanto, indipendentemente dalle unità dei segnali misurati, le informazioni di tutti questi segnali vengono combinate da algoritmi automatici per riportare un unico valore: la durata del sonno.
|
Settimana 16
|
Fasi del sonno a 16 settimane
Lasso di tempo: Settimana 16
|
Le informazioni sulle fasi del sonno vengono raccolte con orologi intelligenti utilizzando un metodo convalidato.
Il metodo si basa sulla valutazione di segnali biologici con algoritmi di intelligenza artificiale.
Con uno smartwatch, la frequenza cardiaca, i movimenti, la saturazione di ossigeno e il segnale fotopletismografico del partecipante vengono misurati dal polso.
Il segnale fotopletismografico misura otticamente le variazioni del volume sanguigno, consentendo la valutazione della funzione del sistema nervoso simpatico e parasimpatico.
Pur avendo unità diverse, le nostre applicazioni di deep learning sviluppate in precedenza utilizzano informazioni provenienti da frequenza cardiaca, movimenti, saturazione di ossigeno e segnali fotopletismografici per valutare le fasi del sonno.
Pertanto, indipendentemente dalle unità dei segnali misurati, le informazioni di tutti questi segnali vengono combinate da algoritmi automatici per riportare un unico valore: le fasi del sonno.
|
Settimana 16
|
Qualità del sonno a 16 settimane
Lasso di tempo: Settimana 16
|
Le informazioni sulla qualità oggettiva del sonno vengono raccolte con orologi intelligenti utilizzando un metodo convalidato.
Il metodo si basa sulla valutazione di segnali biologici con algoritmi di intelligenza artificiale.
Con uno smartwatch, la frequenza cardiaca, i movimenti, la saturazione di ossigeno e il segnale fotopletismografico del partecipante vengono misurati dal polso.
Il segnale fotopletismografico misura otticamente le variazioni del volume sanguigno, consentendo la valutazione della funzione del sistema nervoso simpatico e parasimpatico.
Pur avendo unità diverse, le nostre applicazioni di deep learning sviluppate in precedenza utilizzano informazioni provenienti da frequenza cardiaca, movimenti, saturazione di ossigeno e segnali fotopletismografici per valutare la qualità del sonno.
Pertanto, indipendentemente dalle unità dei segnali misurati, le informazioni di tutti questi segnali vengono combinate da algoritmi automatici per riportare un unico valore: la qualità del sonno.
|
Settimana 16
|
Variazione media rispetto a 8 settimane nel punteggio dell'Insomnia Severity Index (ISI) a 26 settimane
Lasso di tempo: Settimana 8 e Settimana 26
|
L'ISI è uno strumento di autovalutazione convalidato per valutare la gravità e l'impatto degli attuali sintomi di insonnia.
Si compone di 7 domande su scala Likert con un punteggio totale compreso tra 0 e 28 (con punteggi più alti che indicano un'insonnia più grave).
Variazione = Punteggio della settimana 26 - Punteggio della settimana 8.
|
Settimana 8 e Settimana 26
|
Variazione media rispetto al basale nel Patient Health Questionnaire 9 (PHQ-9) a 26 settimane
Lasso di tempo: Riferimento e settimana 26
|
PHQ-9 è uno strumento autosomministrato convalidato che valuta ciascuno dei 9 criteri del DSM-IV per la depressione da 0 (per niente) a 3 (quasi ogni giorno) e la gravità della depressione.
I punteggi possibili vanno da 0 a 27.
Variazione = Punteggio della settimana 26 - Riferimento.
|
Riferimento e settimana 26
|
Variazione media rispetto al basale dell’indice EUROHIS a 8 elementi sulla qualità della vita a 26 settimane
Lasso di tempo: Riferimento e settimana 26
|
EUROHIS Quality of Life 8-item Index è uno strumento validato per la valutazione della qualità generale della vita.
Ci sono complessivamente otto domande sugli aspetti generali, fisici, psicologici, sociali e ambientali della qualità della vita.
Ad ogni domanda viene assegnato un punteggio da 1 (molto scarso) a 5 (molto buono).
Tutti i punteggi possono essere sommati e divisi per 8 (la somma delle domande) per ottenere il punteggio medio di EUROHIS-QOL.
Variazione = Punteggio della settimana 26 - Punteggio di base.
|
Riferimento e settimana 26
|
Variazione media rispetto al basale del punteggio di abilità lavorativa (WAS) a 26 settimane
Lasso di tempo: Riferimento e settimana 26
|
Il WAS è la prima voce del Work Ability Index (WAI), uno strumento validato per la valutazione della capacità lavorativa.
WS è una singola domanda: "Qual è la tua attuale capacità lavorativa rispetto alla migliore della tua vita?"
Ha una scala di risposta da 0 a 10, dove 0 sta per "completamente incapace di lavorare" e 10 sta per "capacità lavorativa al suo meglio".
È stato dimostrato che il WAS ha una forte associazione con il WAI ed è affidabile nella valutazione della capacità lavorativa.
Variazione = Punteggio della settimana 26 - Punteggio di base.
|
Riferimento e settimana 26
|
Durata del sonno a 26 settimane
Lasso di tempo: Settimana 26
|
Le informazioni sulla durata del sonno vengono raccolte con orologi intelligenti utilizzando un metodo convalidato.
Il metodo si basa sulla valutazione di segnali biologici con algoritmi di intelligenza artificiale.
Con uno smartwatch, la frequenza cardiaca, i movimenti, la saturazione di ossigeno e il segnale fotopletismografico del partecipante vengono misurati dal polso.
Il segnale fotopletismografico misura otticamente le variazioni del volume sanguigno, consentendo la valutazione della funzione del sistema nervoso simpatico e parasimpatico.
Pur avendo unità diverse, le nostre applicazioni di deep learning sviluppate in precedenza utilizzano informazioni provenienti da frequenza cardiaca, movimenti, saturazione di ossigeno e segnali fotopletismografici per valutare la durata del sonno.
Pertanto, indipendentemente dalle unità dei segnali misurati, le informazioni di tutti questi segnali vengono combinate da algoritmi automatici per riportare un unico valore: la durata del sonno.
|
Settimana 26
|
Fasi del sonno a 26 settimane
Lasso di tempo: Settimana 26
|
Le informazioni sulle fasi del sonno vengono raccolte con orologi intelligenti utilizzando un metodo convalidato.
Il metodo si basa sulla valutazione di segnali biologici con algoritmi di intelligenza artificiale.
Con uno smartwatch, la frequenza cardiaca, i movimenti, la saturazione di ossigeno e il segnale fotopletismografico del partecipante vengono misurati dal polso.
Il segnale fotopletismografico misura otticamente le variazioni del volume sanguigno, consentendo la valutazione della funzione del sistema nervoso simpatico e parasimpatico.
Pur avendo unità diverse, le nostre applicazioni di deep learning sviluppate in precedenza utilizzano informazioni provenienti da frequenza cardiaca, movimenti, saturazione di ossigeno e segnali fotopletismografici per valutare le fasi del sonno.
Pertanto, indipendentemente dalle unità dei segnali misurati, le informazioni di tutti questi segnali vengono combinate da algoritmi automatici per riportare un unico valore: le fasi del sonno.
|
Settimana 26
|
Qualità del sonno a 26 settimane
Lasso di tempo: Settimana 26
|
Le informazioni sulla qualità oggettiva del sonno vengono raccolte con orologi intelligenti utilizzando un metodo convalidato.
Il metodo si basa sulla valutazione di segnali biologici con algoritmi di intelligenza artificiale.
Con uno smartwatch, la frequenza cardiaca, i movimenti, la saturazione di ossigeno e il segnale fotopletismografico del partecipante vengono misurati dal polso.
Il segnale fotopletismografico misura otticamente le variazioni del volume sanguigno, consentendo la valutazione della funzione del sistema nervoso simpatico e parasimpatico.
Pur avendo unità diverse, le nostre applicazioni di deep learning sviluppate in precedenza utilizzano informazioni provenienti da frequenza cardiaca, movimenti, saturazione di ossigeno e segnali fotopletismografici per valutare la qualità del sonno.
Pertanto, indipendentemente dalle unità dei segnali misurati, le informazioni di tutti questi segnali vengono combinate da algoritmi automatici per riportare un unico valore: la qualità del sonno.
|
Settimana 26
|
Variazione media rispetto a 8 settimane nel punteggio dell'Insomnia Severity Index (ISI) a 12 mesi
Lasso di tempo: Settimana 8 e 12 mesi
|
L'ISI è uno strumento di autovalutazione convalidato per valutare la gravità e l'impatto degli attuali sintomi di insonnia.
Si compone di 7 domande su scala Likert con un punteggio totale compreso tra 0 e 28 (con punteggi più alti che indicano un'insonnia più grave).
Variazione = punteggio a 12 mesi - punteggio alla settimana 8.
|
Settimana 8 e 12 mesi
|
Variazione media rispetto al basale nel Patient Health Questionnaire 9 (PHQ-9) a 12 mesi
Lasso di tempo: Baseline e 12 mesi
|
PHQ-9 è uno strumento autosomministrato convalidato che valuta ciascuno dei 9 criteri del DSM-IV per la depressione da 0 (per niente) a 3 (quasi ogni giorno) e la gravità della depressione.
I punteggi possibili vanno da 0 a 27.
Variazione = Punteggio su 12 mesi - Punteggio di base.
|
Baseline e 12 mesi
|
Variazione media rispetto al basale dell’indice EUROHIS a 8 elementi sulla qualità della vita a 12 mesi
Lasso di tempo: Baseline e 12 mesi
|
EUROHIS Quality of Life 8-item Index è uno strumento validato per la valutazione della qualità generale della vita.
Ci sono complessivamente otto domande sugli aspetti generali, fisici, psicologici, sociali e ambientali della qualità della vita.
Ad ogni domanda viene assegnato un punteggio da 1 (molto scarso) a 5 (molto buono).
Tutti i punteggi possono essere sommati e divisi per 8 (la somma delle domande) per ottenere il punteggio medio di EUROHIS-QOL.
Variazione = Punteggio su 12 mesi - Punteggio di base.
|
Baseline e 12 mesi
|
Variazione media rispetto al basale del punteggio di abilità lavorativa (WAS) a 12 mesi
Lasso di tempo: Baseline e 12 mesi
|
Il WAS è la prima voce del Work Ability Index (WAI), uno strumento validato per la valutazione della capacità lavorativa.
WS è una singola domanda: "Qual è la tua attuale capacità lavorativa rispetto alla migliore della tua vita?"
Ha una scala di risposta da 0 a 10, dove 0 sta per "completamente incapace di lavorare" e 10 sta per "capacità lavorativa al suo meglio".
È stato dimostrato che il WAS ha una forte associazione con il WAI ed è affidabile nella valutazione della capacità lavorativa.
Variazione = Punteggio su 12 mesi - Punteggio di base.
|
Baseline e 12 mesi
|
Collaboratori e investigatori
Sponsor
Collaboratori
Investigatori
- Investigatore principale: Päivi Korhonen, PhD, University of Turku
Pubblicazioni e link utili
Pubblicazioni generali
- van Straten A, van der Zweerde T, Kleiboer A, Cuijpers P, Morin CM, Lancee J. Cognitive and behavioral therapies in the treatment of insomnia: A meta-analysis. Sleep Med Rev. 2018 Apr;38:3-16. doi: 10.1016/j.smrv.2017.02.001. Epub 2017 Feb 9.
- Riemann D, Baglioni C, Bassetti C, Bjorvatn B, Dolenc Groselj L, Ellis JG, Espie CA, Garcia-Borreguero D, Gjerstad M, Goncalves M, Hertenstein E, Jansson-Frojmark M, Jennum PJ, Leger D, Nissen C, Parrino L, Paunio T, Pevernagie D, Verbraecken J, Weess HG, Wichniak A, Zavalko I, Arnardottir ES, Deleanu OC, Strazisar B, Zoetmulder M, Spiegelhalder K. European guideline for the diagnosis and treatment of insomnia. J Sleep Res. 2017 Dec;26(6):675-700. doi: 10.1111/jsr.12594. Epub 2017 Sep 5.
- Daley M, Morin CM, LeBlanc M, Gregoire JP, Savard J, Baillargeon L. Insomnia and its relationship to health-care utilization, work absenteeism, productivity and accidents. Sleep Med. 2009 Apr;10(4):427-38. doi: 10.1016/j.sleep.2008.04.005. Epub 2008 Aug 26.
- Lallukka T, Kaikkonen R, Harkanen T, Kronholm E, Partonen T, Rahkonen O, Koskinen S. Sleep and sickness absence: a nationally representative register-based follow-up study. Sleep. 2014 Sep 1;37(9):1413-25. doi: 10.5665/sleep.3986.
- Javaheri S, Redline S. Insomnia and Risk of Cardiovascular Disease. Chest. 2017 Aug;152(2):435-444. doi: 10.1016/j.chest.2017.01.026. Epub 2017 Jan 30.
- Kyle SD, Morgan K, Espie CA. Insomnia and health-related quality of life. Sleep Med Rev. 2010 Feb;14(1):69-82. doi: 10.1016/j.smrv.2009.07.004. Epub 2009 Dec 4.
- Overland S, Glozier N, Sivertsen B, Stewart R, Neckelmann D, Krokstad S, Mykletun A. A comparison of insomnia and depression as predictors of disability pension: the HUNT Study. Sleep. 2008 Jun;31(6):875-80. doi: 10.1093/sleep/31.6.875.
- Johnson KA, Gordon CJ, Chapman JL, Hoyos CM, Marshall NS, Miller CB, Grunstein RR. The association of insomnia disorder characterised by objective short sleep duration with hypertension, diabetes and body mass index: A systematic review and meta-analysis. Sleep Med Rev. 2021 Oct;59:101456. doi: 10.1016/j.smrv.2021.101456. Epub 2021 Jan 23.
- Baglioni C, Battagliese G, Feige B, Spiegelhalder K, Nissen C, Voderholzer U, Lombardo C, Riemann D. Insomnia as a predictor of depression: a meta-analytic evaluation of longitudinal epidemiological studies. J Affect Disord. 2011 Dec;135(1-3):10-9. doi: 10.1016/j.jad.2011.01.011. Epub 2011 Feb 5.
- Ragnoli B, Pochetti P, Raie A, Malerba M. Comorbid Insomnia and Obstructive Sleep Apnea (COMISA): Current Concepts of Patient Management. Int J Environ Res Public Health. 2021 Sep 1;18(17):9248. doi: 10.3390/ijerph18179248.
- Ballesio A, Aquino MRJV, Feige B, Johann AF, Kyle SD, Spiegelhalder K, Lombardo C, Rucker G, Riemann D, Baglioni C. The effectiveness of behavioural and cognitive behavioural therapies for insomnia on depressive and fatigue symptoms: A systematic review and network meta-analysis. Sleep Med Rev. 2018 Feb;37:114-129. doi: 10.1016/j.smrv.2017.01.006. Epub 2017 Feb 7.
- Alimoradi Z, Jafari E, Brostrom A, Ohayon MM, Lin CY, Griffiths MD, Blom K, Jernelov S, Kaldo V, Pakpour AH. Effects of cognitive behavioral therapy for insomnia (CBT-I) on quality of life: A systematic review and meta-analysis. Sleep Med Rev. 2022 Aug;64:101646. doi: 10.1016/j.smrv.2022.101646. Epub 2022 May 10.
- van der Zweerde T, Bisdounis L, Kyle SD, Lancee J, van Straten A. Cognitive behavioral therapy for insomnia: A meta-analysis of long-term effects in controlled studies. Sleep Med Rev. 2019 Dec;48:101208. doi: 10.1016/j.smrv.2019.08.002. Epub 2019 Aug 12.
Studiare le date dei record
Studia le date principali
Inizio studio (Stimato)
Completamento primario (Stimato)
Completamento dello studio (Stimato)
Date di iscrizione allo studio
Primo inviato
Primo inviato che soddisfa i criteri di controllo qualità
Primo Inserito (Effettivo)
Aggiornamenti dei record di studio
Ultimo aggiornamento pubblicato (Effettivo)
Ultimo aggiornamento inviato che soddisfa i criteri QC
Ultimo verificato
Maggiori informazioni
Termini relativi a questo studio
Parole chiave
Termini MeSH pertinenti aggiuntivi
Altri numeri di identificazione dello studio
- VARHA/480/13.02.02/2023
Piano per i dati dei singoli partecipanti (IPD)
Hai intenzione di condividere i dati dei singoli partecipanti (IPD)?
Descrizione del piano IPD
Informazioni su farmaci e dispositivi, documenti di studio
Studia un prodotto farmaceutico regolamentato dalla FDA degli Stati Uniti
Studia un dispositivo regolamentato dalla FDA degli Stati Uniti
Queste informazioni sono state recuperate direttamente dal sito web clinicaltrials.gov senza alcuna modifica. In caso di richieste di modifica, rimozione o aggiornamento dei dettagli dello studio, contattare register@clinicaltrials.gov. Non appena verrà implementata una modifica su clinicaltrials.gov, questa verrà aggiornata automaticamente anche sul nostro sito web .
Prove cliniche su Scuola del sonno
-
University Hospital of FerraraCompletato
-
Arizona State UniversityNational Institute of Mental Health (NIMH)CompletatoDepressione | Disturbo della condottaStati Uniti
-
VA Office of Research and DevelopmentEmory UniversityCompletato
-
Ministry of Health, MalaysiaCompletato
-
McGill UniversityObservatory for Children's Education and HealthNon ancora reclutamento
-
University of VigoNon ancora reclutamentoSano | Lombalgia | EsercizioSpagna
-
Charite University, Berlin, GermanyTerminatoDolore lombare cronicoGermania
-
The University of QueenslandRestorative Outcomes Australia; Department of Education, Queensland; Queensland... e altri collaboratoriSconosciutoComportamento antisociale | Frequenza scolastica | Dipendenza dal benessereAustralia
-
Leiden UniversityBioClock Consortium; Caring UniveristiesCompletato
-
Cereve, Inc.Completato