RADAR 연구 - 당뇨병의 웨어러블 기반 이상혈당증 감지 및 경고 (RADAR)
2022년 9월 13일 업데이트: University Hospital Inselspital, Berne
연구 RADAR는 인공 지능을 사용하여 당뇨병 환자를 위한 웨어러블 기반 이상 혈당 감지 및 경고 시스템을 개발하는 것을 목표로 합니다.
연구 개요
상세 설명
이전 연구에서는 다양한 데이터 소스에서 혈당 수준을 추론하기 위해 데이터 분석 및 인공 지능의 일반적인 잠재력을 조사했습니다.
이 연구에서 인슐린 의존성 당뇨병 환자는 외래 환자 환경에서 최대 3개월 동안 연속 혈당 측정기(CGM)와 스마트워치를 착용하게 됩니다.
수집된 데이터는 인공지능을 활용한 비침습적 웨어러블 기반의 이상혈당 감지 및 경고 시스템 개발에 사용될 예정이다.
연구 유형
관찰
등록 (실제)
40
연락처 및 위치
이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.
연구 장소
-
-
-
Bern, 스위스
- Department of Diabetes, Endocrinology, Nutritional Medicine and Metabolism
-
-
참여기준
연구원은 적격성 기준이라는 특정 설명에 맞는 사람을 찾습니다. 이러한 기준의 몇 가지 예는 개인의 일반적인 건강 상태 또는 이전 치료입니다.
자격 기준
공부할 수 있는 나이
18년 이상 (성인, OLDER_ADULT)
건강한 자원 봉사자를 받아들입니다
아니
연구 대상 성별
모두
샘플링 방법
비확률 샘플
연구 인구
매일 여러 번 인슐린 주사 또는 지속적인 피하 인슐린 주입으로 치료받는 성인 인슐린 의존성 당뇨병 환자
설명
포함 기준:
- 서명으로 문서화된 정보에 입각한 동의
- 연령 ≥ 18세
- 매일 여러 번 인슐린 주사(MDI) 또는 지속적인 피하 인슐린 주입(CSII)으로 치료되는 당뇨병
제외 기준:
- Smartwatch는 환자의 손목에 부착할 수 없습니다.
- Garmin 스마트워치 또는 Dexcom G6 시스템의 구성 요소에 대한 알려진 알레르기
- 임신, 임신 의향 또는 모유 수유
- 심장 부정맥(예: 심방 조동 또는 세동, 방실 재진입 빈맥, 방실 차단 > 1등급)
- 심박 조율기 또는 ICD(이식형 제세동기)
- 항부정맥제 또는 베타 차단제로 치료
- 약물 또는 알코올 남용
- 연구 절차를 따를 수 없음, 예. 참가자의 언어 문제, 심리적 장애, 치매 등으로 인해
- 시험자의 판단에 따라 정상적인 연구 수행 및 연구 결과 해석에 지장을 줄 수 있는 신체적 또는 심리적 질병
공부 계획
이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.
연구는 어떻게 설계됩니까?
디자인 세부사항
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
RADAR 모델의 정확도: 수신기 조작자 특성 곡선(AUC-ROC) 아래 면적으로 정량화된 이상혈당증(포도당 > 13.9mmol/L 및 포도당 < 3.9mmol/L)을 감지하는 웨어러블 기반 생리학적 데이터의 진단 정확도
기간: 4-12주
|
RADAR 모델의 정확도는 머신 러닝 기술과 스마트워치에 의해 기록된 생리학적 데이터를 사용하여 지속적인 포도당 측정(실측 정보)과 비교하여 평가됩니다.
|
4-12주
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
RADAR 모델의 정확도: AUC-ROC로 정량화된 저혈당(포도당 < 3.9mmol/L)을 감지하는 웨어러블 기반 생리학적 데이터의 진단 정확도
기간: 4-12주
|
RADAR 모델의 정확도는 머신 러닝 기술과 스마트워치에 의해 기록된 생리학적 데이터를 사용하여 지속적인 포도당 측정(실측 정보)과 비교하여 평가됩니다.
|
4-12주
|
|
RADAR 모델의 정확도: AUC-ROC로 정량화된 심각한 저혈당증(포도당 < 3.0mmol/L)을 감지하는 웨어러블 기반 생리학적 데이터의 진단 정확도
기간: 4-12주
|
RADAR 모델의 정확도는 머신 러닝 기술과 스마트워치에 의해 기록된 생리학적 데이터를 사용하여 지속적인 포도당 측정(실측 정보)과 비교하여 평가됩니다.
|
4-12주
|
|
RADAR 모델의 정확도: AUC-ROC로 정량화된 심각한 고혈당증(포도당 > 13.9mmol/L)을 감지하는 웨어러블 기반 생리학적 데이터의 진단 정확도
기간: 4-12주
|
RADAR 모델의 정확도는 머신 러닝 기술과 스마트워치에 의해 기록된 생리학적 데이터를 사용하여 지속적인 포도당 측정(실측 정보)과 비교하여 평가됩니다.
|
4-12주
|
|
RADAR+ 모델의 정확도: AUC-ROC로 정량화된 이상혈당증(포도당 > 13.9mmol/L 및 포도당 < 3.9mmol/L)을 감지하는 웨어러블 기반 데이터(생리학적, 시간, 공복 혈당 및 동작)의 진단 정확도
기간: 4-12주
|
RADAR+ 모델의 정확도는 기계 학습 기술과 웨어러블 기반 데이터(생리학적, 시간, 공복 혈당 및 움직임)를 사용하여 연속 혈당 측정(실측 정보)과 비교하여 평가됩니다.
|
4-12주
|
|
RADAR+ 모델의 정확도: AUC-ROC로 정량화된 저혈당(포도당 < 3.9mmol/L)을 감지하는 웨어러블 기반 데이터(생리학적, 시간, 공복 혈당 및 운동)의 진단 정확도
기간: 4-12주
|
RADAR+ 모델의 정확도는 기계 학습 기술과 웨어러블 기반 데이터(생리학적, 시간, 공복 혈당 및 움직임)를 사용하여 연속 혈당 측정(실측 정보)과 비교하여 평가됩니다.
|
4-12주
|
|
RADAR+ 모델의 정확도: AUC-ROC로 정량화된 심각한 저혈당(포도당 < 3.0mmol/L)을 감지하는 웨어러블 기반 데이터(생리학적, 시간, 공복 혈당 및 동작)의 진단 정확도
기간: 4-12주
|
RADAR+ 모델의 정확도는 기계 학습 기술과 웨어러블 기반 데이터(생리학적, 시간, 공복 혈당 및 움직임)를 사용하여 연속 혈당 측정(실측 정보)과 비교하여 평가됩니다.
|
4-12주
|
|
RADAR+ 모델의 정확도: AUC-ROC로 정량화된 중증 고혈당증(포도당 > 13.9mmol/L)을 감지하는 웨어러블 기반 데이터(생리학적, 시간, 공복 혈당 및 움직임)의 진단 정확도
기간: 4-12주
|
RADAR+ 모델의 정확도는 기계 학습 기술과 웨어러블 기반 데이터(생리학적, 시간, 공복 혈당 및 움직임)를 사용하여 연속 혈당 측정(실측 정보)과 비교하여 평가됩니다.
|
4-12주
|
|
RADAR-예측 모델의 정확도: 평균 절대 오차로 정량화된 혈당 수치를 예측할 때 웨어러블 기반 데이터(생리학적, 시간, 공복 혈당 및 움직임)와 결합한 CGM 데이터의 진단 정확도.
기간: 4-12주
|
RADAR 예측의 정확도는 기계 학습 기술, 과거의 연속 포도당 측정 데이터 및 과거의 웨어러블 기반 데이터(생리학적, 시간, 공복 혈당 및 운동)를 사용하여 미래의 연속 포도당 측정(실측 정보)과 비교하여 평가됩니다.
|
4-12주
|
|
RADAR-예측 모델의 정확도: 웨어러블 기반 데이터(생리학적, 시간, 공복 혈당 및 운동)와 조합한 CGM 데이터의 진단 정확도는 다음과 같이 정량화된 이상혈당증(포도당>13.9mmol/L 및 포도당<3.9mmol/L) 예측에 사용됩니다. AUC-ROC
기간: 4-12주
|
RADAR 예측의 정확도는 기계 학습 기술, 과거의 연속 포도당 측정 데이터 및 과거의 웨어러블 기반 데이터(생리학적, 시간, 공복 혈당 및 운동)를 사용하여 미래의 연속 포도당 측정(실측 정보)과 비교하여 평가됩니다.
|
4-12주
|
|
RADAR-예측 모델의 정확도: AUC-ROC로 정량화된 중증 고혈당증(포도당 > 13.9mmol/L)을 예측할 때 웨어러블 기반 데이터(생리학적, 시간, 공복 혈당 및 움직임)와 결합된 CGM 데이터의 진단 정확도
기간: 4-12주
|
RADAR 예측의 정확도는 기계 학습 기술, 과거의 연속 포도당 측정 데이터 및 과거의 웨어러블 기반 데이터(생리학적, 시간, 공복 혈당 및 운동)를 사용하여 미래의 연속 포도당 측정(실측 정보)과 비교하여 평가됩니다.
|
4-12주
|
|
RADAR-예측 모델의 정확도: AUC-ROC로 정량화된 경미한 저혈당(포도당 < 3.9mmol/L)을 예측할 때 웨어러블 기반 데이터(생리학적, 시간, 공복 혈당 및 운동)와 결합한 CGM 데이터의 진단 정확도
기간: 4-12주
|
RADAR 예측의 정확도는 기계 학습 기술, 과거의 연속 포도당 측정 데이터 및 과거의 웨어러블 기반 데이터(생리학적, 시간, 공복 혈당 및 운동)를 사용하여 미래의 연속 포도당 측정(실측 정보)과 비교하여 평가됩니다.
|
4-12주
|
|
RADAR-예측 모델의 정확도: AUC-ROC로 정량화된 중증 고혈당증(포도당 < 3.0mmol/L)을 예측할 때 웨어러블 기반 데이터(생리학적, 시간, 공복 혈당 및 동작)와 조합한 CGM 데이터의 진단 정확도.
기간: 4-12주
|
RADAR 예측의 정확도는 기계 학습 기술, 과거의 연속 포도당 측정 데이터 및 과거의 웨어러블 기반 데이터(생리학적, 시간, 공복 혈당 및 운동)를 사용하여 미래의 연속 포도당 측정(실측 정보)과 비교하여 평가됩니다.
|
4-12주
|
|
정상혈당증과 비교한 이상혈당증(< 3.9mmol/l 및 > 13.9mmol/l)의 수면 패턴 변화.
기간: 4-12주
|
수면 패턴은 스마트 워치에 의해 기록되고 포도당 값은 연속 혈당 측정기(CGM)로 측정됩니다.
|
4-12주
|
|
정상혈당증과 비교한 이상혈당증(< 3.9mmol/l 및 > 13.9mmol/l)의 심박수 변화.
기간: 4-12주
|
심박수는 스마트워치에 의해 기록되고 혈당 값은 연속 혈당 측정기(CGM)로 측정됩니다.
|
4-12주
|
|
Eugylcemia와 비교하여 심박수 변동성(< 3.9mmol/l 및 > 13.9mmol/l)의 변화.
기간: 4-12주
|
심박수 변동성은 스마트워치에 의해 기록되고 혈당 값은 연속 혈당 측정기(CGM)로 측정됩니다.
|
4-12주
|
|
Eugylcemia와 비교한 피부 온도의 변화(< 3.9mmol/l 및 > 13.9mmol/l).
기간: 4-12주
|
피부 온도는 스마트워치에 의해 기록되고 혈당 값은 연속 혈당 측정기(CGM)로 측정됩니다.
|
4-12주
|
|
Eugylcemia와 비교한 피부 전기 활동의 변화(< 3.9mmol/l 및 > 13.9mmol/l).
기간: 4-12주
|
전기 피부 활동은 스마트워치에 의해 기록되고 혈당 값은 연속 혈당 측정기(CGM)로 측정됩니다.
|
4-12주
|
|
Eugylcemia와 비교한 스트레스 수준의 변화(< 3.9mmol/l 및 > 13.9mmol/l).
기간: 4-12주
|
스트레스 수준은 스마트 워치에 의해 기록되고 혈당 값은 연속 혈당 측정기(CGM)로 측정됩니다.
|
4-12주
|
|
혈당 목표 범위(3.9 - 10mmol/L)에서 수면 시간이 일일 시간에 미치는 영향
기간: 4-12주
|
수면 시간은 스마트워치에 의해 기록되고 포도당 값은 연속 혈당 측정기(CGM)로 측정됩니다.
|
4-12주
|
|
혈당 목표 범위(3.9 - 10mmol/L)에서 일일 시간 스트레스 수준에 미치는 영향
기간: 4-12주
|
스트레스 수준은 스마트 워치에 의해 기록되고 혈당 값은 연속 혈당 측정기(CGM)로 측정됩니다.
|
4-12주
|
|
혈당 목표 범위(3.9 - 10mmol/L)에서 일일 시간에 대한 활동(하루에 오른 계단 수 및 계단 수)에 대한 영향
기간: 4-12주
|
하루에 오른 걸음 수와 계단 수는 스마트 워치에 의해 기록되고 포도당 값은 연속 혈당 측정기(CGM)로 측정됩니다.
|
4-12주
|
|
혈당 목표 범위(3.9 - 10.0mmol/l)에서 일일 시간에 대한 움직임의 영향
기간: 4-12주
|
움직임은 스마트워치에 의해 기록되고 포도당 값은 연속 혈당 측정기(CGM)로 측정됩니다.
|
4-12주
|
|
24. 스마트워치 기반의 이상혈당 경고 시스템에 대한 사용자 요구사항 분석
기간: 4-12주
|
스마트워치 기반 이상혈당 경고 시스템에 대한 사용자 요구 사항은 반 정량적 인터뷰에서 평가됩니다.
|
4-12주
|
공동 작업자 및 조사자
여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.
수사관
- 수석 연구원: Christoph Stettler, Prof. MD, University of Bern
연구 기록 날짜
이 날짜는 ClinicalTrials.gov에 대한 연구 기록 및 요약 결과 제출의 진행 상황을 추적합니다. 연구 기록 및 보고된 결과는 공개 웹사이트에 게시되기 전에 특정 품질 관리 기준을 충족하는지 확인하기 위해 국립 의학 도서관(NLM)에서 검토합니다.
연구 주요 날짜
연구 시작 (실제)
2021년 2월 19일
기본 완료 (실제)
2022년 3월 28일
연구 완료 (실제)
2022년 3월 28일
연구 등록 날짜
최초 제출
2020년 12월 24일
QC 기준을 충족하는 최초 제출
2020년 12월 24일
처음 게시됨 (실제)
2020년 12월 30일
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
2022년 9월 14일
QC 기준을 충족하는 마지막 업데이트 제출
2022년 9월 13일
마지막으로 확인됨
2022년 9월 1일
추가 정보
이 정보는 변경 없이 clinicaltrials.gov 웹사이트에서 직접 가져온 것입니다. 귀하의 연구 세부 정보를 변경, 제거 또는 업데이트하도록 요청하는 경우 register@clinicaltrials.gov. 문의하십시오. 변경 사항이 clinicaltrials.gov에 구현되는 즉시 저희 웹사이트에도 자동으로 업데이트됩니다. .