不安症状とアルコール使用障害のある患者の遠隔医療プラットフォームのモニタリング (REMOTE)
リモート: 不安症状とアルコール使用障害のある患者の遠隔医療プラットフォームの監視: スマートフォンとウェアラブル センサー
調査の概要
詳細な説明
この研究の目的は、モバイル デバイスとウェアラブルからのセンサー データを使用して、対照群と不安障害およびアルコール乱用障害の 2 つの患者グループの生理学的パターンを分析することです。 センサーによって収集されたこのデータは、次の 3 つの臨床質問票によって提示されたデータと比較されます。状態特性不安インベントリー (STAI)、アルコール使用障害特定テスト (AUDIT)、およびベックのうつ病インベントリー (BDI-II) です。定期的な臨床診療でリモートで収集されたデータを使用することの実現可能性を判断します。 さらに、アプリに対する患者の満足度は、データ収集フェーズの後に評価されます。
これは、不安やうつ病の症状のない健康な個人の 1 つのコントロールと、参加者が試験の所定の選択基準を満たす別の実験グループの 2 つのグループによる、単一中心のケースコントロール縦断的評価全国研究です。 合計 60 人の参加者が 2 つのグループに均等に分割されます。
研究の種類
入学 (実際)
連絡先と場所
研究場所
-
-
-
Barcelona、スペイン、08036
- Hospitcal Clínic de Barcelona
-
-
参加基準
適格基準
就学可能な年齢
健康ボランティアの受け入れ
受講資格のある性別
サンプリング方法
調査対象母集団
説明
包含基準:
- 18~65歳。
- 主な物質としてアルコール使用障害 (DSM 5)。
- 不安 (STAI > パーセンタイル 33)、および抑うつ症状の場合、気分障害 (大うつ病性障害、双極性障害など) の DSM5 診断基準を達成するために臨床的に関連性がない。
- Androidに対応した携帯電話を持っていること。
- インフォームド コンセントに署名します。
除外基準:
- 気分障害の診断 (DSM5)。
- 参加を妨げる認知障害。
- 他の物質の積極的な摂取(ニコチンを除く)。
研究計画
研究はどのように設計されていますか?
デザインの詳細
- 観測モデル:ケースコントロール
- 時間の展望:見込みのある
コホートと介入
グループ/コホート |
介入・治療 |
|---|---|
|
コントロール
n = 30人の健康な参加者が、ソーシャルネットワークとHospital Clinic de Barcelonaの研究チームによって配布された情報のリーフレットを使用して募集されます。 参加者は、モバイル センサーを使用して、参加者の社交性、デバイスの使用状況、場所の頻度を追跡する humanITcare アプリ「U-Shine」を使用して、1 か月にわたって監視されます。 参加者のデータは FitBit デバイスで監視され、睡眠スケジュール、心拍数、歩数も追跡されます。 毎週のフォローアップ中に、彼らは最初の訪問時に取られた3つの臨床アンケートに記入する必要があります. |
参加者はアプリによって監視されます。
|
|
実験的
採用プロセスは、外部相談の患者と、バルセロナのホスピタル クリニックの中毒病棟の日帰り病院で実施されます。 n = 不安症およびアルコール使用障害の患者 30 人。 参加者は、モバイル センサーを使用して、参加者の社交性、デバイスの使用状況、場所の頻度を追跡する humanITcare アプリ「U-Shine」を使用して、1 か月にわたって監視されます。 参加者は、FitBit デバイスを使用して睡眠スケジュール、心拍数、歩数を追跡することもできます。 毎週のフォローアップ中に、彼らは最初の訪問時に取られた3つの臨床アンケートに記入する必要があります. |
参加者はアプリによって監視されます。
|
この研究は何を測定していますか?
主要な結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
State-Trait Anxiety Inventory (STAI) で評価した自己報告による不安症状の変化
時間枠:1ヶ月、4回(1/週)のアンケートを実施
|
アプリ「ウシネ」で撮影。
参加者は 0 ~ 60 の範囲の STAI スコアを受け取ります。0 は症状の最小量、60 は症状の最大量であり、年齢と性別に応じてパーセンタイルに変換されます。
|
1ヶ月、4回(1/週)のアンケートを実施
|
|
睡眠パターン
時間枠:一か月
|
モーションセンサーFitbitと心臓活動センサーを使用した概日リズムのモニタリング
|
一か月
|
|
レム睡眠時間
時間枠:一か月
|
モーション センサー Fitbit と心臓活動センサーを使用したレム睡眠パターンのモニタリング
|
一か月
|
|
心拍数
時間枠:一か月
|
Fitbit センサーを使用した心拍数のモニタリング
|
一か月
|
|
歩数
時間枠:一か月
|
モーションセンサーFitBitで毎日の歩数をモニタリング
|
一か月
|
|
走行距離
時間枠:一か月
|
GPSフォンで走行距離をモニタリング
|
一か月
|
|
モバイル デバイスの使用
時間枠:一か月
|
デバイスからの信号の存在を追跡することによって決定される、患者のモバイル デバイスの使用頻度の監視
|
一か月
|
|
社交性 (着信、発信、テキスト メッセージの数)
時間枠:一か月
|
UShineアプリアルゴリズムを使用して、着信および発信通話とテキストメッセージの数が監視されます
|
一か月
|
|
Beck's Depression Inventory (BDI-II) で評価された自己申告によるうつ病症状の変化
時間枠:1ヶ月、4回(1/週)のアンケートを実施
|
アプリ「ウシネ」で撮影。
参加者は 1 ~ 63 の範囲の BDI-II スコアを受け取り、スコア 0 ~ 13 は軽度のうつ病、14 ~ 19 は軽度のうつ病、20 ~ 28 は中等度のうつ病、29 ~ 63 は重度のうつ病を示します。
|
1ヶ月、4回(1/週)のアンケートを実施
|
|
アルコール使用障害同定検査(AUDIT)で評価された、自己申告によるアルコール乱用症状の変化
時間枠:1ヶ月、4回(1/週)のアンケートを実施
|
アプリ「ウシネ」で撮影。
参加者は、0 ~ 40 の範囲の AUDIT スコアを受け取ります。
8 点以上は有害または危険な飲酒と関連しており、女性で 13 点以上、男性で 15 点以上はアルコール依存症を示す可能性があります。
|
1ヶ月、4回(1/週)のアンケートを実施
|
二次結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
モバイルアプリの使いやすさ
時間枠:一か月
|
参加者によるモバイル アプリケーションの使いやすさは、System Usability Scale (SUS) を使用して評価されます。
最終スコアの範囲は 0 ~ 100 です。
51 以下のスコアは、システムのユーザビリティに重大な問題があることを意味し、68 のスコアは、システムのユーザビリティがほぼ平均的であることを意味し、スコアが 80.3 以上の場合、システムのユーザビリティがかなりあると見なされることを意味します。
|
一か月
|
|
アプリケーションの満足度
時間枠:一か月
|
Ushine アプリケーションに対する参加者の満足度は、Post-Study Usability Questionnaire (PSSUQ) を使用して評価されます。
スコアの範囲は 0 ~ 100 で、0 が最も満足度が低く、100 が最も満足度が高いことを示します。
PSSUQ には、システムの有用性、情報の品質、インターフェイスの品質を表す 3 つのサブスコアがあり、これも 0 ~ 100 の範囲で評価されます。
すべてのスコア セットで、0 が最も満足度が低く、100 が最も満足度が高いと見なされます。
|
一か月
|
協力者と研究者
スポンサー
捜査官
- 主任研究者:Antoni Gual, MD、Director of Addictions Unit. Hospital Clínic de Barcelona
- スタディチェア:Elsa Caballeria、Clinic Foundation for Biomedical Research
- スタディチェア:Hugo Lopez-Pelayo, MD、Addictions Unit, Hospital Clínic de Barcelona
- スタディディレクター:Nuria Pastor Hernandez, MSc、humanITcare, FollowHealth SL
- スタディディレクター:Unai Sanchez Luque, MSc、humanITcare, FollowHealth SL
- スタディチェア:Elizabeth Katayoun Khalilian、humanITcare, University of Texas at Austin
出版物と役立つリンク
一般刊行物
- Wittchen HU, Jacobi F, Rehm J, Gustavsson A, Svensson M, Jonsson B, Olesen J, Allgulander C, Alonso J, Faravelli C, Fratiglioni L, Jennum P, Lieb R, Maercker A, van Os J, Preisig M, Salvador-Carulla L, Simon R, Steinhausen HC. The size and burden of mental disorders and other disorders of the brain in Europe 2010. Eur Neuropsychopharmacol. 2011 Sep;21(9):655-79. doi: 10.1016/j.euroneuro.2011.07.018.
- Bandelow B, Michaelis S. Epidemiology of anxiety disorders in the 21st century. Dialogues Clin Neurosci. 2015 Sep;17(3):327-35. doi: 10.31887/DCNS.2015.17.3/bbandelow.
- Gustafson DH, McTavish FM, Chih MY, Atwood AK, Johnson RA, Boyle MG, Levy MS, Driscoll H, Chisholm SM, Dillenburg L, Isham A, Shah D. A smartphone application to support recovery from alcoholism: a randomized clinical trial. JAMA Psychiatry. 2014 May;71(5):566-72. doi: 10.1001/jamapsychiatry.2013.4642.
- Insel TR. Digital Phenotyping: Technology for a New Science of Behavior. JAMA. 2017 Oct 3;318(13):1215-1216. doi: 10.1001/jama.2017.11295. No abstract available.
- Alonso J, Liu Z, Evans-Lacko S, Sadikova E, Sampson N, Chatterji S, Abdulmalik J, Aguilar-Gaxiola S, Al-Hamzawi A, Andrade LH, Bruffaerts R, Cardoso G, Cia A, Florescu S, de Girolamo G, Gureje O, Haro JM, He Y, de Jonge P, Karam EG, Kawakami N, Kovess-Masfety V, Lee S, Levinson D, Medina-Mora ME, Navarro-Mateu F, Pennell BE, Piazza M, Posada-Villa J, Ten Have M, Zarkov Z, Kessler RC, Thornicroft G; WHO World Mental Health Survey Collaborators. Treatment gap for anxiety disorders is global: Results of the World Mental Health Surveys in 21 countries. Depress Anxiety. 2018 Mar;35(3):195-208. doi: 10.1002/da.22711. Epub 2018 Jan 22.
- Barrio P, Ortega L, Lopez H, Gual A. Self-management and Shared Decision-Making in Alcohol Dependence via a Mobile App: a Pilot Study. Int J Behav Med. 2017 Oct;24(5):722-727. doi: 10.1007/s12529-017-9643-6.
- Reddy MS. Depression: the disorder and the burden. Indian J Psychol Med. 2010 Jan;32(1):1-2. doi: 10.4103/0253-7176.70510. No abstract available.
- Menger V, Spruit M, Hagoort K, Scheepers F. Transitioning to a Data Driven Mental Health Practice: Collaborative Expert Sessions for Knowledge and Hypothesis Finding. Comput Math Methods Med. 2016;2016:9089321. doi: 10.1155/2016/9089321. Epub 2016 Aug 17.
- Hsin H, Torous J, Roberts L. An Adjuvant Role for Mobile Health in Psychiatry. JAMA Psychiatry. 2016 Feb;73(2):103-4. doi: 10.1001/jamapsychiatry.2015.2839. No abstract available.
- Bernert RA, Hom MA, Iwata NG, Joiner TE. Objectively Assessed Sleep Variability as an Acute Warning Sign of Suicidal Ideation in a Longitudinal Evaluation of Young Adults at High Suicide Risk. J Clin Psychiatry. 2017 Jun;78(6):e678-e687. doi: 10.4088/JCP.16m11193.
- Saeb S, Zhang M, Karr CJ, Schueller SM, Corden ME, Kording KP, Mohr DC. Mobile Phone Sensor Correlates of Depressive Symptom Severity in Daily-Life Behavior: An Exploratory Study. J Med Internet Res. 2015 Jul 15;17(7):e175. doi: 10.2196/jmir.4273.
- Saeb S, Lattie EG, Kording KP, Mohr DC. Mobile Phone Detection of Semantic Location and Its Relationship to Depression and Anxiety. JMIR Mhealth Uhealth. 2017 Aug 10;5(8):e112. doi: 10.2196/mhealth.7297.
- Sano A, Taylor S, McHill AW, Phillips AJ, Barger LK, Klerman E, Picard R. Identifying Objective Physiological Markers and Modifiable Behaviors for Self-Reported Stress and Mental Health Status Using Wearable Sensors and Mobile Phones: Observational Study. J Med Internet Res. 2018 Jun 8;20(6):e210. doi: 10.2196/jmir.9410.
- Torous J, Staples P, Shanahan M, Lin C, Peck P, Keshavan M, Onnela JP. Utilizing a Personal Smartphone Custom App to Assess the Patient Health Questionnaire-9 (PHQ-9) Depressive Symptoms in Patients With Major Depressive Disorder. JMIR Ment Health. 2015 Mar 24;2(1):e8. doi: 10.2196/mental.3889. eCollection 2015 Jan-Mar.
- Onnela JP, Rauch SL. Harnessing Smartphone-Based Digital Phenotyping to Enhance Behavioral and Mental Health. Neuropsychopharmacology. 2016 Jun;41(7):1691-6. doi: 10.1038/npp.2016.7. Epub 2016 Jan 28. No abstract available.
- Trautmann S, Rehm J, Wittchen HU. The economic costs of mental disorders: Do our societies react appropriately to the burden of mental disorders? EMBO Rep. 2016 Sep;17(9):1245-9. doi: 10.15252/embr.201642951. Epub 2016 Aug 4.
- Ghandeharioun, A., Fedor, S., Sangermano, L., Ionescu, D., Alpert, J., Dale, C., ... & Picard, R. (2017, October). Objective assessment of depressive symptoms with machine learning and wearable sensors data. In Affective Computing and Intelligent Interaction (ACII), 2017 Seventh International Conference on (pp. 325-332). IEEE.
研究記録日
主要日程の研究
研究開始 (実際)
一次修了 (実際)
研究の完了 (実際)
試験登録日
最初に提出
QC基準を満たした最初の提出物
最初の投稿 (実際)
学習記録の更新
投稿された最後の更新 (見積もり)
QC基準を満たした最後の更新が送信されました
最終確認日
詳しくは
本研究に関する用語
その他の研究ID番号
- humanITcare: Remote
個々の参加者データ (IPD) の計画
個々の参加者データ (IPD) を共有する予定はありますか?
IPD プランの説明
IPD 共有時間枠
IPD 共有アクセス基準
IPD 共有サポート情報タイプ
- 研究プロトコル
- 統計分析計画 (SAP)
- インフォームド コンセント フォーム (ICF)
- 臨床試験報告書(CSR)
医薬品およびデバイス情報、研究文書
米国FDA規制医薬品の研究
米国FDA規制機器製品の研究
この情報は、Web サイト clinicaltrials.gov から変更なしで直接取得したものです。研究の詳細を変更、削除、または更新するリクエストがある場合は、register@clinicaltrials.gov。 までご連絡ください。 clinicaltrials.gov に変更が加えられるとすぐに、ウェブサイトでも自動的に更新されます。
うつ病性障害の臨床試験
デバイスによる監視の臨床試験
-
Karolinska Institutet完了
-
Dasman Diabetes Institute引きこもった
-
National Health Service, United KingdomSouthern Health and Social Care Trust完了