1 型糖尿病患者のシミュレーションを利用した炭水化物数。臨床試験のプロトコール

研究設定 炭水化物カウントの訓練を受け、追跡調査が可能であると考えられるT1DM患者は、コロンビアのメデジン市にあるDM患者の治療を専門とする大学病院および診療所から募集される。

併用介入 T1DM 患者のみが募集されるため、両方のグループの患者は、複数回の注射スキームまたはインスリン ポンプのいずれかを使用してインスリン治療を受けることが期待されます。 T1DM の治療に関して他に承認された介入はありません。 研究者らは、T1DMに対する未承認薬の使用を避けるよう指導される。

プロトコルの中止

次の条件のいずれかが満たされた場合、プロトコルは中止されます。

患者は研究への参加を継続することを希望していません。 患者の主治医は、アプリケーションと相互作用する患者の能力に影響を及ぼしたり、グルコース挙動を大幅に変更したりする可能性のある追加治療が必要であり、高用量のグルココルチコイドによる治療などの他の介入が必要となるため、研究を継続すべきではないと判断する。

患者は 72 時間以上の入院治療が必要であり、研究者の裁量でアプリケーションを使用すると、患者の治療が妨げられたり、健康が危険にさらされたりする可能性があります。

患者は、接着剤に対する難治性のアレルギー、デバイスの埋め込みが禁忌となる可能性がある頻繁な放射線検査、または体のどの領域にもデバイスを挿入することが不可能になる全身性の皮膚の状態など、継続的な血糖モニタリングが禁忌となる症状を発症します。

サンプルサイズ サンプルサイズは、主要結果、つまり TIR の予想差に基づいて計算されています。

28 人の患者 (1 グループあたり 14 人) は、標準偏差 4%、統計検出力 90%、タイプ I 過誤率 0.05%、および内部誤差を仮定した混合効果モデルを使用して範囲内の時間を分析する必要があります。被験者の変動は 5%、被験者間の変動は 9% です。 サンプルサイズは、対照グループの患者が介入にアクセスできないと仮定して、介入グループの離脱率が 10% になるように、グループあたり 15 人の患者に調整されました。 統計的検出力を維持するために、サンプル サイズは退職率を表す係数によって調整されました。

募集参加者は、コロンビアのメデジンにある、インスリンポンプまたは CGM サポートによる治療のために患者が紹介される、T1DM の治療を専門とする大学病院および診療所から募集されます。 参加者は各施設の主治医から研究に招待されます。

ランダムシーケンスの生成 参加者は、可変サイズの 4 ～ 6 人の個人の並べ替えブロックを使用して、コンピューターで生成された一連の乱数によって、介入グループまたは対照グループに 1:1 の比率でランダムに割り当てられます。 シーケンスの隠蔽を確実にするために、ブロックのサイズは明らかにされません。 シーケンスは Web アプリケーションを使用して生成されます。

割り当て隠蔽メカニズム 割り当て隠蔽は、Web ベースの中央ランダム化システムを使用して維持されます。 このシステムは、最後の評価訪問が終わるまで割り当てコードをコーディネーターに配信しないため、研究者は患者がどのグループに含まれるかを知ることができません。

ランダム配列の実施 研究中、パブロ・トボン・ウリベ病院の研究ユニットによってランダム化が実施されます。 研究コーディネーターは配列リストにアクセスし、生成されたコードを各患者に割り当てます。 アプリケーション内には、コードと、研究のいずれかの部門への各コードの割り当てが事前に記録されます。 そうすることで、研究者とデータ分析の責任者の独立性が確保されます。

盲検化 介入の性質上、患者と研究者は盲検化されません。 その代わり、データ分析の責任者は、データ分析が完了するまで知らされなくなります。 これは、データ処理担当者が各データセットを識別してデータベースを構築する患者にコードを割り当てることによって行われます。 割り当てグループはグループ A およびグループ B と名付けられ、各グループの介入は研究ユニットのコーディネーターのみに知られます。 研究が終了し、分析計画が完了すると、グループは解釈のために機密解除されます。

データ収集方法

データは、ランダム化シーケンスの生成中に各患者に割り当てられたコードを使用して収集され、データベースは次の情報を使用して毎週構築されます。

範囲内時間および範囲外時間: 範囲内および範囲外時間は、研究者の 1 人による毎週の訪問時に連続血糖モニターから得られたデータから計算されます。 この担当者は、CGM からデータを取得する訓練を受けます。

グレード 3 の低血糖エピソード: 各訪問時に、研究者の 1 人が患者が提示したグレード 3 の低血糖エピソードを質問し、記録します。

血糖変動: 血糖変動は、CGM から取得したデータに基づいて計算されます。

現象論ベースのモデルの一致度: 現象論ベースのモデルのグルコース値の一致度を推定するデータは、モデルによって与えられたシミュレーションと CGM によって取得されたデータを比較することによって取得されます。 モデルによって推定されたグルコース値は、研究期間中サーバーに保存され、後で分析のためにデータベースに入力されます。

参加者によって実行されるアクション: 患者が入力した決定は、炭水化物のカウントを実行するのと同じアプリケーションに報告され、後の分析のためにサーバーに保存されます。

アプリケーションの使いやすさ: 参加者は、最後の訪問時に使いやすさのスケールを記入します。 このデータはサーバーに保存され、その後分析されます。

図 2 に患者のフローチャートを示します。

保持 フォローアップ時間が短いため、損失は予想されません。 ただし、フォローアップを確実にするためにあらゆる合理的な努力が行われます。 次回の訪問はフォローアップ訪問ごとに予定され、参加者には訪問に参加するために必要な交通費が払い戻されます。

参加者はいつでも、理由の如何を問わず、研究を中止することができます。 さらに、研究者は、研究を続ける参加者に何らかの危険があると判断した場合、参加者を辞退することがあります。

管轄当局が決定した場合、参加者は研究から撤退する場合があります。

データ管理 すべてのデータは、研究中に仮想サーバーに保存されるフォームに電子的に記録されます。 これらのフォームへのアクセスは制限されており、パブロ トボン ウリベ病院の研究部門によってのみ許可されます。

CGM から取得したデータは、患者の身元が匿名化されると元の形式で仮想サーバーに保存され、データ品質検証のためにアクセスできるようになります。

パブロ・トボン・ウリベ病院の研究部門はすべてのデータを無期限に保管するが、患者を特定できる情報はすべて削除される。

統計的方法 表 1 は、変数の有効な定義の表 (補足表 1) に含まれるグループの初期変数を示し、治療割り当てグループごとに分けて表示されます。 正規性分析は、Q-Q (分位数-分位数) グラフと Shapiro-Wilk 検定を使用して実行されます。 データ分布に従って、連続変数は平均値と標準偏差、または中央値と四分位範囲として表示されます。 離散変数は中央値と四分位範囲として表示され、質的変数は絶対頻度と比率として表示されます。

分析集団 完全な分析セット: 完全な分析セットは、追跡調査およびプロトコル逸脱損失を含む、すべてのランダム化された個人で構成されます。

プロトコルごとの分析セット: プロトコルごとの分析セットは、CHOC + Sim アプリケーションを少なくとも 80% の時間使用する個人で構成されます。 シミュレーションの使用のこの割合は、CGM センサーの装着時間が血糖値の大幅な低下と関連していることを示す以前の結果に基づいて提案されています。

目的分析計画 主要エンドポイントおよび治療意図分析には、完全な分析セットが使用されます。 これは、一連のプロトコルごとの分析のみを考慮して、感度分析として分析結果と比較されます。 混合モデル分析を使用して、範囲内の時間の差を評価します。 TIR は、混合効果モデル分析の従属変数として含まれます。 治療の種類とランダム化からの時間が独立変数として含まれます。 ランダム化前の TIR、インスリン治療の種類、ランダム化前の HbA1c が共変量として含まれます。

二次的な計数結果は、プロトコルごとのセットで分析されます。 グレード 3 の低血糖のエピソード数と DKA または HSS の数は、発生率の比を使用して両グループで比較され、分散が平均より小さい場合はポアソン回帰を使用して計算され、それ以外の場合は負の二項回帰によって計算されます (60、61) ）。

現象論ベースのモデルと CGM 測定値の間の一致は、完全なデータセットの一致限界 (LoA) を使用して分析されます。 ただし、臨床的に有意な差異が最小限でなければ、LoA の臨床的解釈は単純ではありません。 さらに重要なことは、推定の誤差から生じる臨床リスクが考慮されていないことです。 したがって、著者らはエラーグリッド分析も実行することにしました。