- ICH GCP
- Registro degli studi clinici negli Stati Uniti
- Sperimentazione clinica NCT06229444
Predire + Proteggere: uno studio controllato randomizzato che esplora l'efficacia di un intervento predittivo di educazione sanitaria sull'adozione di comportamenti protettivi correlati alle malattie simil-influenzali (ILI)
27 agosto 2024 aggiornato da: Evidation Health
L'obiettivo di questo studio prospettico, randomizzato e controllato digitale è valutare l'efficacia di un algoritmo predittivo di rilevamento ILI e degli avvisi associati durante la stagione influenzale per gli adulti che vivono negli Stati Uniti contigenti.
Gli obiettivi principali dello studio sono valutare l'efficacia dell'algoritmo predittivo di rilevamento ILI e degli avvisi associati sui comportamenti protettivi correlati all'ILI e valutare l'accuratezza di un algoritmo predittivo di rilevamento ILI utilizzando sintomi e diagnosi ILI auto-riferiti dai partecipanti.
Panoramica dello studio
Stato
Attivo, non reclutante
Tipo di studio
Interventistico
Iscrizione (Stimato)
15000
Fase
- Non applicabile
Contatti e Sedi
Questa sezione fornisce i recapiti di coloro che conducono lo studio e informazioni su dove viene condotto lo studio.
Luoghi di studio
-
-
California
-
San Mateo, California, Stati Uniti, 94402
- Evidation Health
-
-
Criteri di partecipazione
I ricercatori cercano persone che corrispondano a una certa descrizione, chiamata criteri di ammissibilità. Alcuni esempi di questi criteri sono le condizioni generali di salute di una persona o trattamenti precedenti.
Criteri di ammissibilità
Età idonea allo studio
- Adulto
- Adulto più anziano
Accetta volontari sani
Sì
Descrizione
Criterio di inclusione:
- Membro della piattaforma Evidation
- 18 anni o più
- Vive negli Stati Uniti
- Attualmente possiede e utilizza un rilevatore di attività indossabile di consumo (Apple Watch, Garmin o Fitbit) collegato al proprio account Evidation
- Soddisfa i requisiti di densità dei dati per i dati indossabili: dati sui passi e sulla frequenza cardiaca presenti per il 15% degli ultimi 60 giorni (o non meno di 2 giorni totali per gli account Evidation risalenti a meno di 60 giorni)
Criteri di esclusione:
- Non ha un account di Evidation
- Non avere 18 anni o più
- Non vive negli Stati Uniti
- Non ha un tracker di attività collegato al proprio account Evidation
- Iscritto a un programma di monitoraggio e coinvolgimento ILI supportato da Evidation o a uno studio clinico (ad esempio, FluSmart)
Piano di studio
Questa sezione fornisce i dettagli del piano di studio, compreso il modo in cui lo studio è progettato e ciò che lo studio sta misurando.
Come è strutturato lo studio?
Dettagli di progettazione
- Scopo principale: Prevenzione
- Assegnazione: Randomizzato
- Modello interventistico: Assegnazione fattoriale
- Mascheramento: Separare
Armi e interventi
Gruppo di partecipanti / Arm |
Intervento / Trattamento |
|---|---|
|
Sperimentale: Contenuti e previsioni ILI proattivi
I partecipanti riceveranno avvisi predittivi, contenuti reattivi dopo aver segnalato sintomi o ricevuto una previsione asintomatica e contenuti educativi sanitari relativi all'ILI
|
I partecipanti ricevono formazione, feedback e opportunità relativi all'ILI relativi all'ILI, oltre a ricevere avvisi sulla potenziale malattia ILI e contenuti reattivi e personalizzati sui comportamenti protettivi per la salute.
|
|
Sperimentale: Nessun contenuto e previsioni ILI proattivi
I partecipanti riceveranno avvisi predittivi e contenuti reattivi dopo aver segnalato sintomi o ricevuto una previsione asintomatica, ma non riceveranno contenuti ILI proattivi
|
I partecipanti ricevono avvisi su potenziali malattie ILI e contenuti reattivi e personalizzati sui comportamenti protettivi per la salute.
|
|
Sperimentale: Contenuti ILI proattivi e nessuna previsione
I partecipanti non riceveranno avvisi predittivi o contenuti reattivi dopo aver segnalato i sintomi, ma riceveranno contenuti ILI proattivi
|
I partecipanti ricevono formazione, feedback e opportunità di automonitoraggio dei sintomi dell'ILI.
|
|
Sperimentale: Nessun contenuto ILI proattivo e nessuna previsione
I partecipanti non riceveranno avvisi predittivi o contenuti reattivi dopo aver segnalato sintomi o contenuti ILI proattivi
|
I partecipanti non riceveranno avvisi predittivi o contenuti reattivi dopo aver segnalato sintomi o contenuti educativi sanitari proattivi relativi all'IILI
|
Cosa sta misurando lo studio?
Misure di risultato primarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
L'obiettivo principale di questo studio è valutare l'efficacia di un algoritmo predittivo di rilevamento ILI e degli avvisi associati sugli esiti sanitari e comportamentali correlati all'ILI
Lasso di tempo: Fino al completamento degli studi, circa 10 mesi
|
La differenza tra i gruppi con allarme predittivo e quelli senza allarme predittivo nella percentuale di membri della coorte che hanno eseguito qualsiasi comportamento sanitario target 1-4 (cioè
eseguito almeno uno tra: diffusione ridotta, test, richiesta di assistenza medica o aderenza al trattamento)
|
Fino al completamento degli studi, circa 10 mesi
|
Misure di risultato secondarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
L'obiettivo secondario è valutare l'accuratezza di un algoritmo di rilevamento ILI utilizzando sintomi auto-riferiti e diagnosi ILI
Lasso di tempo: Fino al completamento degli studi, circa 10 mesi
|
Valutare le prestazioni dell'algoritmo (rispetto alle etichette dei sintomi ILI auto-riferiti e/o delle diagnosi positive auto-riferite) in generale e per modello distribuito.
Le prestazioni dell'algoritmo saranno valutate in base a una varietà di dimensioni tra cui ROC AUC, sensibilità, specificità, PPV e NPV
|
Fino al completamento degli studi, circa 10 mesi
|
Altre misure di risultato
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
L'obiettivo esplorativo è valutare le differenze di efficacia tra i quattro gruppi sugli esiti sanitari e comportamentali correlati all'ILI
Lasso di tempo: Fino al completamento degli studi, circa 10 mesi
|
La differenza tra tutti i gruppi nella proporzione di membri della coorte che hanno eseguito qualsiasi comportamento sanitario target 1-4 (cioè
eseguito almeno uno tra: diffusione ridotta, test, richiesta di assistenza medica o aderenza al trattamento)
|
Fino al completamento degli studi, circa 10 mesi
|
Collaboratori e investigatori
Qui è dove troverai le persone e le organizzazioni coinvolte in questo studio.
Sponsor
Collaboratori
Investigatori
- Investigatore principale: Ernesto H.N. Ramirez, PhD, Evidation
Pubblicazioni e link utili
La persona responsabile dell'inserimento delle informazioni sullo studio fornisce volontariamente queste pubblicazioni. Questi possono riguardare qualsiasi cosa relativa allo studio.
Pubblicazioni generali
- 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.
- 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.
- 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. doi: 10.1097/EDE.0000000000000846.
Collegamenti utili
- 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.
Studiare le date dei record
Queste date tengono traccia dell'avanzamento della registrazione dello studio e dell'invio dei risultati di sintesi a ClinicalTrials.gov. I record degli studi e i risultati riportati vengono esaminati dalla National Library of Medicine (NLM) per assicurarsi che soddisfino specifici standard di controllo della qualità prima di essere pubblicati sul sito Web pubblico.
Studia le date principali
Inizio studio (Effettivo)
12 febbraio 2024
Completamento primario (Effettivo)
5 agosto 2024
Completamento dello studio (Stimato)
6 settembre 2024
Date di iscrizione allo studio
Primo inviato
19 gennaio 2024
Primo inviato che soddisfa i criteri di controllo qualità
19 gennaio 2024
Primo Inserito (Effettivo)
29 gennaio 2024
Aggiornamenti dei record di studio
Ultimo aggiornamento pubblicato (Effettivo)
29 agosto 2024
Ultimo aggiornamento inviato che soddisfa i criteri QC
27 agosto 2024
Ultimo verificato
1 agosto 2024
Maggiori informazioni
Termini relativi a questo studio
Parole chiave
Termini MeSH pertinenti aggiuntivi
Altri numeri di identificazione dello studio
- Predict + Protect Study
Informazioni su farmaci e dispositivi, documenti di studio
Studia un prodotto farmaceutico regolamentato dalla FDA degli Stati Uniti
No
Studia un dispositivo regolamentato dalla FDA degli Stati Uniti
No
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 COVID-19
-
PfizerAttivo, non reclutanteCOVID-19 | Malattia da coronavirus 2019 (COVID-19) | Infezione da covid-19 | Vaccini contro il covid-19 | Infezione da SARS-CoV-2, COVID19 | Vaccinazione COVID-19 | Infezione da SARS-CoV-2, COVID-19 | COVID-19 (Coronavirus 2019) | Infezione da COVID-19 SARS-CoV-2Stati Uniti
-
Shanghai Public Health Clinical CenterNon ancora reclutamento
-
Duke UniversityNational Institute on Minority Health and Health Disparities (NIMHD)Completato
-
Eggensberger OHGBavarian Health and Food Safety Authority (LGL)ReclutamentoCondizione post COVID-19 | Post COVID-19 | Sindrome post COVID-19 | Sindrome lunga da COVID-19 | Condizione post COVID-19 (PCC)Germania
-
PfizerReclutamentoMalattie delle vie respiratorie | COVID-19 | Polmonite | Malattie polmonari | Malattia di coronavirus 2019 | Malattia da coronavirus 2019 (COVID-19) | Infezione da covid-19 | Infezioni del tratto respiratorio superiore | Infezione del tratto respiratorio | COVID-19 (Coronavirus 2019) | Infezione da COVID-19...Belgio
-
Lawson Research Institute of St. Joseph'sCanadian Institutes of Health Research (CIHR); Western University, CanadaReclutamentoFatica | Sindrome post-COVID-19 | Condizione post COVID-19 | Sindrome post-COVID | Lungo COVID-19 | Lungo-COVID | Condizione post-COVIDCanada
-
ModeX Therapeutics, An OPKO Health CompanyReclutamentoCOVID 19 | COVID-19 (Prevenzione)Stati Uniti
-
Erasmus Medical CenterDa Vinci Clinic; HGC RijswijkNon ancora reclutamentoSindrome post-COVID-19 | Lungo COVID | Lungo Covid19 | Condizione post COVID-19 | Sindrome post-COVID | Condizione post COVID-19, non specificata | Condizione post-COVIDOlanda
-
University of Roma La SapienzaQueen Mary University of London; Università degli studi di Roma Foro Italico; Bios...CompletatoSequele post acute di COVID-19 | Condizione post COVID-19 | Lungo-COVID | Sindrome cronica da COVID-19Italia
-
Indonesia UniversityReclutamentoSindrome post-COVID-19 | Lungo COVID | Condizione post COVID-19 | Sindrome post-COVID | Lungo COVID-19Indonesia