在宅高齢者の健康リスクをスクリーニングするための eHealth: 前向き研究 (Proxi)
在宅高齢者の健康リスクをスクリーニングするための eHealth: 前向き観察研究
はじめに: 世界的な高齢化と慢性疾患や認知障害の有病率の増加により、フレイルの早期スクリーニングと老年症候群の評価のための適切な機器が必要とされています。 人工知能に基づくデジタル ツールは、高齢者の健康リスクの評価とスクリーニングを改善するのに役立ちます。
目的: この研究は、高齢者の老年症候群のスクリーニングにおける PRESAGE CARE アンケートの有効性を評価し、包括的老年病評価 (CGA) の標準化されたテストスコアとの相関を評価することを目的としています。
方法:フランスのシャルル・フォワ病院の日帰り入院サービスを受けている高齢者を対象に、2023年10月から2024年7月まで単中心前向き観察研究が実施される。 高齢者との診察中に、研究者は患者の在宅介護者に、PRESAGE CARE アプリケーションを使用して PRESAGE CARE アンケートに記入するよう依頼します。 アプリケーション上でアンケートに回答すると、PRESAGE プラットフォームは各高齢者の具体的なリスクを自動的に記録します。 その後、研究者は同日に実施された標準化された検査からデータを取得し、各患者の結果をプラットフォームに入力します。
主な結果は、標準化されたテストのスコアと、うつ病のリスク、栄養不足のリスク、認知障害のリスク、日常生活活動における自主性喪失のリスクについて Presage Care システムによって計算されたリスクとの相関関係です。
二次結果は、中央値曲線下面積 (AUC) と、Présage Care アンケートにおける人工知能 (AI) ベースのモデルの感度、特異度、および陽性的中率の比較となります。
調査の概要
詳細な説明
研究の種類
入学 (推定)
段階
- 適用できない
連絡先と場所
研究連絡先
- 名前:Jacques-Henry Veyron, MS
- 電話番号:+33 0622152004
- メール:jhveyron@presage.care
研究連絡先のバックアップ
- 名前:Charlotte THERY, PhD
- メール:cthery@presage.care
参加基準
適格基準
就学可能な年齢
- 高齢者
健康ボランティアの受け入れ
説明
包含基準:
- 65歳以上の人の家族、
- シャルル・フォワ病院の日帰り入院サービスを利用している方
- インフォームドコンセントを提供できること。
非包含基準
- 研究への参加への同意を拒否する、
- または認知障害がある
- または時々介護者です。
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
- 主な目的:ふるい分け
- 割り当て:なし
- 介入モデル:単一グループの割り当て
- マスキング:なし(オープンラベル)
武器と介入
参加者グループ / アーム |
介入・治療 |
|---|---|
|
実験的:実験的
|
家族介護者が記入するスクリーニング質問票は、患者の機能的および臨床的自律性(すなわち、日常生活活動)、考えられる医学的症状(例:疲労、転倒、および痛み)、行動の変化(例:認識および攻撃性)に焦点を当てたものである。 、そして親戚やその周囲とのコミュニケーション。
|
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 |
|---|---|---|
|
標準化されたテストのスコアと、PRESAGE アンケートで特定された対応するリスクとの相関関係。
時間枠:6ヵ月
|
Kendall の相関係数 (タウ検定) は、Présage Care アルゴリズムによって計算されたリスクと、関連する標準化された尺度の結果との間の相関関係を分析するために使用されます。
|
6ヵ月
|
二次結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
健康リスク検出のための Presage Care アンケートの予測パフォーマンス
時間枠:6ヵ月
|
二次結果については、Chi2 テストを使用して、高リスク率と各リスクの診断率を比較します。
Presage Care のリスクは、Yes/No のバイナリ変数 (リスクあり/リスクなし) または順序変数 (さまざまなレベルのリスク) として表されます。
標準化された MNA、GDS15、および MMSE テストのスコアは、文献に記載されている各テストのしきい値に従ってバイナリ変数にグループ化されます (0 = 「正常」スコア)。
IADL および ADL スケールの場合、定義された閾値は完全な自律性 (スコア付けされた各ドメインの独立性) を表します。
予測パフォーマンスは、各 Presage リスクの曲線下面積中央値、感度、特異度、陽性的中率、陰性的中率、Youden 指数と関連するスケール スコアによって評価されます。
データ分析は、R Studio (バージョン 2022.07.2+576) と Python ソフトウェアを使用して実行されます。
|
6ヵ月
|
協力者と研究者
研究記録日
主要日程の研究
研究開始 (推定)
一次修了 (推定)
研究の完了 (推定)
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 (実際)
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
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。