제1형 당뇨병 환자의 시뮬레이션을 통한 탄수화물 수치. 임상 시험 프로토콜

연구 설정 후속 조치가 가능한 것으로 간주되는 탄수화물 계수 훈련을 받은 T1DM 환자는 콜롬비아 메데인시에 있는 DM 환자 치료 전담 대학 병원 및 클리닉에서 모집될 것입니다.

공동 개입 T1DM 환자만 모집하기 때문에 두 그룹의 환자는 다중 주사 계획 또는 인슐린 펌프로 인슐린 치료를 받을 것으로 예상됩니다. T1DM의 치료를 위해 승인된 다른 개입은 없습니다. 연구원들은 T1DM에 대해 승인되지 않은 약물의 사용을 피하도록 지시받을 것입니다.

프로토콜 중단

다음 조건 중 하나라도 충족되면 프로토콜이 중단됩니다.

환자는 연구에 계속 참여하기를 원하지 않습니다. 환자의 치료 의사는 응용 프로그램과 상호작용하는 환자의 능력에 영향을 미치거나 포도당 행동을 실질적으로 수정하고 고용량의 글루코코르티코이드를 사용한 치료와 같은 다른 개입을 필요로 할 수 있는 추가 요법의 필요성으로 인해 연구를 계속해서는 안 된다고 결정합니다.

환자는 72시간 이상의 병원 치료가 필요하며, 연구원의 재량에 따라 응용 프로그램을 사용하면 치료를 방해하거나 건강을 위험에 빠뜨릴 수 있습니다.

환자는 접착제에 대한 난치성 알레르기, 장치 이식을 금할 수 있는 빈번한 방사선 평가 또는 신체의 어떤 부위에도 장치를 삽입할 수 없게 만드는 일반적인 피부 상태와 같이 지속적인 포도당 모니터링을 금하는 상태를 발전시킵니다.

샘플 크기 샘플 크기는 기본 결과, 즉 TIR의 예상 차이를 기반으로 계산되었습니다.

그룹당 14명, 28명의 환자는 4%의 표준 편차, 90%의 통계 검정력, 0.05%의 유형 I 오류율 및 5%의 개체 변동성 및 9%의 개체 간 변동성. 표본 크기는 대조군의 어떤 환자도 중재에 접근할 수 없다고 가정하고 중재군에서 10%의 철회율을 인정하기 위해 그룹당 15명의 환자로 조정되었습니다. 통계적 검정력을 유지하기 위해 퇴직률을 나타내는 요인으로 표본 크기를 조정했습니다.

모집 참가자는 T1DM 치료를 전문으로 하는 대학 병원 및 클리닉에서 모집되며, 환자는 콜롬비아 메데인에서 인슐린 펌프 또는 CGM 지원을 통한 치료를 위해 추천됩니다. 참가자는 각 사이트에서 치료 의사가 연구에 초대합니다.

무작위 시퀀스 생성 참가자는 가변 크기의 4~6명의 개인 순열 블록을 사용하여 컴퓨터에서 생성된 무작위 숫자 시퀀스에 의해 개입 또는 통제 그룹에 1:1 비율로 무작위로 할당됩니다. 시퀀스의 은폐를 보장하기 위해 블록의 크기는 공개되지 않습니다. 시퀀스는 웹 애플리케이션을 사용하여 생성됩니다.

할당 은폐 메커니즘 할당 은폐는 웹 기반 중앙 무작위화 시스템을 사용하여 유지됩니다. 이 시스템은 마지막 평가 방문이 끝날 때까지 코디네이터에게 할당 코드를 전달하지 않으므로 연구원은 환자가 포함될 그룹을 알 수 없습니다.

무작위 시퀀스 구현 연구 기간 동안 Pablo Tobón Uribe 병원 연구 부서에서 무작위화를 구현합니다. 연구 코디네이터는 시퀀스 목록에 액세스하고 생성된 코드를 각 환자에게 할당합니다. 응용 프로그램 내에서 연구 부문 중 하나에 코드와 각 코드 할당이 미리 기록됩니다. 그렇게 하면 연구자와 데이터 분석 책임자의 독립성이 보장됩니다.

눈가림 개입의 특성으로 인해 환자와 연구자는 눈가림되지 않습니다. 대신 데이터 분석 책임자는 데이터 분석이 완료될 때까지 눈이 멀게 됩니다. 이는 데이터 처리 담당자가 각 데이터 세트를 식별하고 데이터베이스를 구축할 환자에게 코드를 할당함으로써 수행됩니다. 할당 그룹은 그룹 A와 그룹 B로 명명되며 각 그룹의 개입은 연구 단위의 코디네이터에게만 알려집니다. 그룹은 연구가 완료되고 분석 계획이 완료되면 해석을 위해 분류 해제됩니다.

데이터 수집 방법

데이터는 무작위 순서 생성 중에 각 환자에게 할당된 코드를 사용하여 수집되며 데이터베이스는 다음 정보로 매주 구축됩니다.

범위 내 시간 및 범위 외 시간: 범위 내 및 범위 외 시간은 조사자 중 한 명이 매주 방문할 때마다 연속 포도당 모니터에서 얻은 데이터로부터 계산됩니다. 이 사람은 CGM에서 데이터를 검색하는 교육을 받습니다.

3등급 저혈당 에피소드: 방문할 때마다 조사관 중 한 명이 환자가 제시한 3등급 저혈당 에피소드를 문의하고 기록합니다.

혈당 변동성: 혈당 변동성은 CGM에서 얻은 데이터를 기반으로 계산됩니다.

현상학적 기반 모델의 일치도: 현상학적 기반 모델의 포도당 수준의 일치도를 추정하기 위한 데이터는 모델이 제공한 시뮬레이션과 CGM에서 얻은 데이터를 비교하여 얻을 수 있습니다. 모델에 의해 추정된 포도당 값은 연구 기간 동안 서버에 저장되고 나중에 분석을 위해 데이터베이스에 입력됩니다.

참가자가 수행하는 작업: 환자가 입력한 결정은 탄수화물 계산을 수행하는 동일한 응용 프로그램에 보고되고 이후 분석을 위해 서버에 저장됩니다.

응용 프로그램의 사용성: 참가자는 마지막 방문 중에 사용성 척도를 작성합니다. 이 데이터는 서버에 저장되고 이후에 분석됩니다.

그림 2는 환자의 흐름도를 보여줍니다.

유지 짧은 후속 조치 시간을 감안할 때 손실이 예상되지 않습니다. 그러나 후속 조치를 보장하기 위해 모든 합당한 노력을 기울일 것입니다. 다음 방문은 각 후속 방문에서 예정되며 참가자는 방문에 참석해야 하는 경우 교통비를 상환받습니다.

참가자는 언제든지 어떤 이유로든 연구를 중단할 수 있습니다. 또한 연구원은 연구를 계속하는 참가자에게 위험이 있다고 판단되는 경우 참가자를 철회할 수 있습니다.

관할 당국이 결정하는 경우 참가자는 연구에서 제외될 수 있습니다.

데이터 관리 모든 데이터는 연구가 진행되는 동안 가상 서버에 저장된 형태로 전자적으로 기록됩니다. 이러한 양식에 대한 액세스는 제한되며 Pablo Tobón Uribe 병원 연구 부서에서만 승인됩니다.

CGM에서 얻은 데이터는 환자가 익명화되면 가상 서버에 원래 형식으로 저장되며 데이터 품질 확인을 위해 액세스할 수 있습니다.

파블로 토본 우리베 병원의 연구 부서는 모든 데이터를 무기한 보관하지만 환자를 식별할 수 있는 모든 정보는 삭제됩니다.

통계적 방법 표 1은 변수의 수술적 정의를 위한 표(보충표 1)에 포함된 그룹의 초기 변수를 보여주며 치료 할당 그룹으로 나누어 제시될 것이다. 정규성 분석은 Q-Q(quantile-quantile) 그래프와 Shapiro-Wilk 테스트를 사용하여 수행됩니다. 데이터 분포에 따라 연속 변수는 평균 및 표준 편차 또는 중앙값 및 사분위수 범위로 표시됩니다. 불연속 변수는 중앙값과 사분위수 범위로 표시되고 정성적 변수는 절대 빈도와 비율로 표시됩니다.

분석 모집단 전체 분석 세트: 전체 분석 세트는 후속 조치 및 프로토콜 편차 손실을 포함하여 모든 무작위 개인으로 구성됩니다.

프로토콜별 분석 세트: 프로토콜별 분석 세트는 시간의 80% 이상 CHOC + Sim 애플리케이션을 사용하는 개인으로 구성됩니다. 시뮬레이션 사용의 이 비율은 CGM 센서 착용 시간이 포도당 수준의 더 큰 감소와 관련이 있음을 보여주는 이전 결과를 기반으로 제안됩니다.

목표 분석 계획 1차 평가변수 및 치료 의도 분석을 위해 완전한 분석 세트가 사용됩니다. 이는 프로토콜별 분석 세트만을 고려하여 민감도 분석으로서 분석 결과와 비교됩니다. 시간 범위 차이를 평가하기 위해 혼합 모델 분석이 사용됩니다. TIR은 혼합 효과 모형 분석에서 종속 변수로 포함됩니다. 치료 유형과 무작위 배정 이후 시간은 독립 변수로 포함됩니다. 무작위화 전 TIR, 인슐린 치료 유형 및 무작위화 전 HbA1c가 공변량으로 포함됩니다.

2차 계산 결과는 프로토콜별 세트에서 분석됩니다. 3등급 저혈당의 에피소드 수와 DKA 또는 HSS의 수는 발생률 비율을 사용하여 두 그룹에서 비교되며, 분산이 평균보다 작으면 포아송 회귀를 사용하고 그렇지 않으면 음이항 회귀를 사용하여 계산됩니다(60, 61 ).

현상학적 기반 모델과 CGM 측정 간의 일치는 전체 데이터 세트에서 일치 한계(LoA)를 사용하여 분석됩니다. 그러나 LoA의 임상적 해석은 최소한의 임상적으로 유의미한 차이 없이는 간단하지 않습니다. 더 중요한 것은 추정 오류로 인한 임상 위험을 고려하지 않는다는 것입니다. 따라서 저자는 오류 그리드 분석도 수행하기로 결정했습니다.