- ICH GCP
- Registro degli studi clinici negli Stati Uniti
- Sperimentazione clinica NCT06573905
Mappatura del diabete in Quebec: convalida degli algoritmi medico-amministrativi per il diabete di tipo 1, diabete di tipo 2 e LADA (VDA)
L'obiettivo di questo studio osservazionale è convalidare algoritmi medico-amministrativi che classificano i fenotipi del diabete (tipo 1, tipo 2 e diabete autoimmune latente negli adulti - LADA) in una coorte basata sulla popolazione del Quebec, comprendente bambini, adolescenti e giovani adulti fino a 40 anni con diabete diagnosticato. Le principali domande a cui si propone di rispondere sono:
Questi algoritmi riescono a distinguere accuratamente tra Tipo 1, Tipo 2 e LADA in diversi gruppi di età? Qual è la prevalenza e l'incidenza di ciascun fenotipo del diabete in Quebec? I dati medici e amministrativi dei partecipanti verranno analizzati, compresi i dati sull'uso dei farmaci e sulle visite sanitarie, per convalidare l'accuratezza degli algoritmi. Lo studio comporterà il confronto di queste classificazioni basate su algoritmi con diagnosi cliniche o dati auto-riferiti per garantire l’affidabilità.
Panoramica dello studio
Stato
Condizioni
Intervento / Trattamento
Descrizione dettagliata
L’obiettivo di questo studio osservazionale è convalidare l’efficacia degli algoritmi medico-amministrativi sviluppati per classificare i fenotipi del diabete, in particolare il diabete di tipo 1, di tipo 2 e il diabete autoimmune latente negli adulti (LADA), in una coorte basata sulla popolazione del Quebec. Lo studio si concentra su bambini, adolescenti e giovani adulti fino a 40 anni a cui è stato diagnosticato il diabete.
Le principali domande a cui si propone di rispondere sono:
Questi algoritmi sono in grado di distinguere accuratamente tra Tipo 1, Tipo 2 e LADA in vari gruppi di età? Quali sono i tassi di prevalenza e incidenza di questi fenotipi del diabete nella popolazione del Quebec? I dati dei partecipanti, a cui è già stato diagnosticato uno dei tre tipi di diabete e che ricevono cure mediche standard, verranno raccolti dalle cartelle cliniche e amministrative esistenti. Questi dati includono informazioni sull'uso di farmaci, visite sanitarie e risultati sanitari auto-riferiti.
Lo studio comporterà un'analisi retrospettiva in cui le classificazioni effettuate dagli algoritmi verranno confrontate con diagnosi cliniche e dati auto-riferiti per determinare l'accuratezza e l'affidabilità degli algoritmi. Questo processo di validazione è fondamentale per migliorare la gestione del diabete e le strategie di sanità pubblica garantendo che questi algoritmi possano essere utilizzati in modo affidabile in studi epidemiologici più ampi.
Tipo di studio
Iscrizione (Stimato)
Contatti e Sedi
Contatto studio
- Nome: philippe c corsenac, Ph.D
- Numero di telefono: (+1)4384934299
- Email: philippe.corsenac@uqo.ca
Backup dei contatti dello studio
- Nome: jeremie Riou, Ph.D
- Email: jeremie.riou@univ-angers.fr
Luoghi di studio
-
-
Quebec
-
Montréal, Quebec, Canada, J8X 3X7
- Philippe Corsenac
-
Contatto:
- philippe c corsenac, Ph.D
- Numero di telefono: (+1)4384934299
- Email: philippe.corsenac@uqo.ca
-
Contatto:
- philippe c corsenac, Ph.D
-
-
Criteri di partecipazione
Criteri di ammissibilità
Età idonea allo studio
- Bambino
- Adulto
Accetta volontari sani
Metodo di campionamento
Popolazione di studio
Descrizione
Criteri di inclusione:
- Individui con diagnosi di diabete autoimmune di tipo 1, tipo 2 o latente negli adulti (LADA) sulla base di dati clinici o auto-riferiti.
- Partecipanti diagnosticati tra il 1997 e il 2024.
- Residenti in Quebec con cartelle cliniche medico-amministrative disponibili dal 1997 al 2024.
Criteri di esclusione:
- Non residenti in Quebec durante il periodo di studio.
Piano di studio
Come è strutturato lo studio?
Dettagli di progettazione
Coorti e interventi
Gruppo / Coorte |
Intervento / Trattamento |
|---|---|
|
diabete di tipo 1
Questo gruppo comprende partecipanti con diagnosi di diabete di tipo 1 secondo i dati auto-riferiti.
L'obiettivo primario del confronto di questo gruppo con le cartelle medico-amministrative è quello di convalidare la capacità dell'algoritmo di classificare accuratamente gli individui con diabete di tipo 1, garantendo che siano correttamente identificati come tali senza essere erroneamente classificati in altre categorie.
|
nessun intervento.
questo è uno studio osservazionale.
|
|
diabete di tipo 2
Questo gruppo include partecipanti con diagnosi di diabete di tipo 2 sulla base di dati clinici.
Il processo di validazione si concentra sulla valutazione dell'accuratezza dell'algoritmo nell'identificazione degli individui con diabete di tipo 2, garantendo la corretta classificazione e riducendo al minimo il rischio di classificazione errata come altri fenotipi di diabete o non diabetici.
|
nessun intervento.
questo è uno studio osservazionale.
|
|
Diabete autoimmune latente negli adulti
Questo gruppo è composto da partecipanti con diagnosi di diabete autoimmune latente negli adulti (LADA) secondo i dati auto-riferiti.
Il processo di validazione per questo gruppo si concentra sulla valutazione della capacità dell'algoritmo di identificare accuratamente gli individui affetti da LADA, il che è spesso impegnativo a causa delle sue caratteristiche che si sovrappongono sia al diabete di tipo 1 che a quello di tipo 2.
La classificazione accurata del LADA è fondamentale per migliorare le strategie di trattamento e comprenderne l’epidemiologia.
|
nessun intervento.
questo è uno studio osservazionale.
|
|
Non diabetico
Questo gruppo comprende partecipanti che, secondo i dati auto-riportati dai singoli individui, non presentano alcun fenotipo di diabete.
Il confronto dei dati di questo gruppo con le cartelle cliniche medico-amministrative è fondamentale per identificare i falsi positivi e garantire che gli algoritmi escludano accuratamente gli individui non diabetici dall'essere erroneamente classificati come diabetici.
|
|
|
altri fenotipi
Questo gruppo comprende partecipanti con diagnosi di fenotipi correlati al diabete diversi da Tipo 1, Tipo 2 o LADA, nonché quelli con forme più rare della malattia (sulla base di dati clinici).
La validazione mira a determinare l'efficacia dell'algoritmo nell'identificare e classificare correttamente questi fenotipi meno comuni, il che è fondamentale per garantire una classificazione completa e accurata del diabete.
|
nessun intervento.
questo è uno studio osservazionale.
|
Cosa sta misurando lo studio?
Misure di risultato primarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
Misure di accuratezza diagnostica (percentuali)
Lasso di tempo: Dati retrospettivi dal 1997 al 2024
|
La misura dell'esito primario è l'accuratezza degli algoritmi medico-amministrativi nel classificare correttamente i partecipanti in uno dei seguenti fenotipi di diabete: Tipo 1, Tipo 2, LADA o altri fenotipi, rispetto alle diagnosi cliniche o auto-riferite. 1.1. Misure di accuratezza diagnostica (percentuali)
Tali indicatori non saranno aggregati in un unico valore, ma saranno presentati separatamente per rispettare le loro distinte unità di misura. |
Dati retrospettivi dal 1997 al 2024
|
|
Conteggi della classificazione (numero di casi)
Lasso di tempo: Dati retrospettivi dal 1997 al 2024
|
La misura dell'esito primario è l'accuratezza degli algoritmi medico-amministrativi nel classificare correttamente i partecipanti in uno dei seguenti fenotipi di diabete: Tipo 1, Tipo 2, LADA o altri fenotipi, rispetto alle diagnosi cliniche o auto-riferite. 1.2. Conteggi della classificazione (numero di casi)
Tali indicatori non saranno aggregati in un unico valore, ma saranno presentati separatamente per rispettare le loro distinte unità di misura. |
Dati retrospettivi dal 1997 al 2024
|
|
Rapporti di verosimiglianza (senza unità)
Lasso di tempo: Dati retrospettivi dal 1997 al 2024
|
La misura dell'esito primario è l'accuratezza degli algoritmi medico-amministrativi nel classificare correttamente i partecipanti in uno dei seguenti fenotipi di diabete: Tipo 1, Tipo 2, LADA o altri fenotipi, rispetto alle diagnosi cliniche o auto-riferite. 1.3. Rapporti di verosimiglianza (senza unità)
Tali indicatori non saranno aggregati in un unico valore, ma saranno presentati separatamente per rispettare le loro distinte unità di misura. |
Dati retrospettivi dal 1997 al 2024
|
Misure di risultato secondarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
Prevalenza di ciascun fenotipo del diabete (proporzione/percentuale)
Lasso di tempo: Dati retrospettivi dal 1997 al 2024
|
Prevalenze di ciascun fenotipo di diabete (tipo 1, tipo 2, LADA e altri fenotipi) all'interno della popolazione in studio: determina la proporzione di individui che hanno ciascun fenotipo di diabete specifico (tipo 1, tipo 2, LADA o altri fenotipi) in un dato periodo. punto nel tempo (riportato come percentuale o proporzione). Unità di misura: proporzione o percentuale della popolazione in studio. Questi calcoli forniranno informazioni sulla distribuzione e sull’emergere di diversi fenotipi di diabete nella popolazione del Quebec dal 1997 al 2024, consentendo una migliore comprensione dei modelli di malattia e informando le strategie di sanità pubblica e l’allocazione delle risorse. Tali indicatori non saranno aggregati in un unico valore, ma saranno presentati separatamente per rispettare le loro distinte unità di misura. |
Dati retrospettivi dal 1997 al 2024
|
|
Incidenza di ciascun fenotipo del diabete
Lasso di tempo: Dati retrospettivi dal 1997 al 2024
|
Incidenza di ciascun fenotipo di diabete (tipo 1, tipo 2, LADA e altri fenotipi) all'interno della popolazione in studio: Incidenza (I): calcola la velocità con cui si verificano nuovi casi di ciascun fenotipo di diabete nella popolazione in studio nel periodo definito (riportato come tasso o proporzione). Unità di misura: tasso di nuovi casi (ad esempio, per 1.000 anni-persona) o proporzione (casi/popolazione totale). Questi calcoli forniranno informazioni sulla distribuzione e sull’emergere di diversi fenotipi di diabete nella popolazione del Quebec dal 1997 al 2024, consentendo una migliore comprensione dei modelli di malattia e informando le strategie di sanità pubblica e l’allocazione delle risorse. Tali indicatori non saranno aggregati in un unico valore, ma saranno presentati separatamente per rispettare le loro distinte unità di misura. |
Dati retrospettivi dal 1997 al 2024
|
Collaboratori e investigatori
Collaboratori
Investigatori
- Investigatore principale: philippe C corsenac, Ph.D, UQO
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
Termini MeSH pertinenti aggiuntivi
Altri numeri di identificazione dello studio
- F1-14464
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
prodotto fabbricato ed esportato dagli 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 nessun intervento
-
PeriPharmNon ancora reclutamentoEczema | Dermatite atopica | Caregiver | Fardello | Eczema Dermatite Atopica
-
PeriPharmCompletatoLupus | Artrite da lupus | Lupus Artrite, Lupus Eritematoso Sistemico | Qualità della vita (QOL)Canada
-
PeriPharmNon ancora reclutamentoIdradenite Suppurativa (HS)
-
Cancer Institute and Hospital, Chinese Academy...Non ancora reclutamentoIntelligenza artificiale | Sintomi e Segni | Valutazione dei bisogni | Applicazione mobile di intelligenza artificiale
-
IRCCS San RaffaeleAttivo, non reclutanteCarcinoma polmonare non a piccole cellule | Carenza di ricombinazione omologa | Inibitore PARP | EGFRItalia
-
University of ZurichETH Zurich (Switzerland)Reclutamento
-
Superior UniversityAttivo, non reclutanteArtrosi al ginocchioPakistan
-
Oregon Health and Science UniversityNational Institute of Mental Health (NIMH); University of Connecticut; University... e altri collaboratoriNon ancora reclutamento
-
KK Women's and Children's HospitalCompletatoCambio di pesoSingapore
-
RadiancyCompletatoLombalgia cronica da lieve a moderataIsraele