치매의 디지털 감지(D Cubed) 연구 (Dcubed)
치매(Dcubed) 연구의 디지털 감지
연구 개요
상세 설명
알츠하이머병 및 관련 치매(ADRD)는 연간 2억 달러 이상의 사회적 비용으로 수백만 명의 미국인에게 부정적인 영향을 미칩니다.1 현재 ADRD를 앓고 있는 미국인의 절반이 진단을 받지 못하고 있습니다.2-7 그런 사람들의 경우, 진단은 증상이 시작된 지 2~5년 후에 종종 발생합니다.6-9 NIA(National Institute on Aging)(RFA-AG-20-051)에서 언급한 바와 같이 "인지 장애를 진단하고 치료할 수 없으면 장기간의 고가의 의료 서비스가 필요합니다." 미래 계획". 또한 ADRD에 대한 질병 수정 치료제 개발이 성공하면 ADRD의 초기 단계에서 그러한 치료제를 사용해야 할 수도 있습니다.1 그러나 ADRD의 조기 발견을 위해 인지 테스트 또는 바이오마커를 사용하는 현재 접근 방식은 확장 가능하지 않습니다. 수용률이 낮고, 침략적 성격, 비용, 시골이나 서비스가 부족한 지역에서 접근성이 부족하기 때문입니다. 따라서 NIA는 ADRD(RFA-AG-20-051)의 조기 발견을 위한 저비용의 효과적이고 확장 가능한 접근법의 개발을 촉구했습니다.
RFA-AG-20-051에 대한 응답으로 "인지 저하 측정을 위한 선별 및 평가 도구의 검증 및 번역에 대한 응답으로 실용 클러스터 무작위 통제 비교 효과(NIH 4기) 시험이 중앙의 Eskenazi Health에서 실행됩니다. 인디애나와 플로리다 남부의 다양한 농촌, 교외 및 도시 1차 진료 관행의 환자를 대상으로 한 추가 복제 실용 시험. 실용주의적 시험은 두 개의 독립적인 사이트에서 환자 코호트를 위해 Medicare 유료 연간 건강 방문(AWV) 내 수동 디지털 마커(PDM) 및 빠른 치매 평가 척도(QDRS)를 통합하고 각 실용주의에서 무작위로 진료를 실시합니다. 3가지 암 중 하나(AWV 단독, PDM 및 PDM 및 QDRS 포함 AWV)에 대한 시험.
QDRS(Quick Dementia Rating Scale)는 검증된 환자 보고 결과(PRO) 도구입니다.
PDM(Passive Digital Marker) - 일상적인 의료 전자 건강 기록(EHR) 데이터를 사용하여 발병 1년 및 3년 전에 ADRD를 예측할 수 있는 기계 학습(ML) 알고리즘입니다. 이 알고리즘은 진단(Dx), 처방(Rx) 및 의료 기록(Nx)의 세 가지 EHR 데이터 세트에서 구조화된 데이터와 구조화되지 않은 데이터를 사용하여 훈련되었습니다. 3개의 데이터 세트 각각에서 파생된 개별 알고리즘을 개발하고 3개의 데이터 세트를 모두 포함하는 결합된 알고리즘과 비교했습니다.
연구 유형
등록 (실제)
단계
- 해당 없음
연락처 및 위치
연구 장소
-
-
Indiana
-
Indianapolis, Indiana, 미국, 46202
- Indiana University
-
-
참여기준
자격 기준
공부할 수 있는 나이
건강한 자원 봉사자를 받아들입니다
설명
포함 기준:
- 65세 이상
- 지난 1년 동안 최소 한 번은 1차 진료를 방문했습니다.
- 정보에 입각한 동의를 제공할 수 있는 능력
- 영어 또는 스페인어로 의사소통 가능
- 최소 지난 3년 동안 사용 가능한 EHR 데이터
제외 기준:
- ICD-10 코드에 의해 결정된 이전 ADRD 또는 경도 인지 장애 진단
- 콜린에스테라제 억제제 또는 메만틴에 대한 처방 이력의 증거.
- ICD-10 코드에 의해 결정된 양극성 장애 또는 정신 분열증과 같은 심각한 정신 질환이 있음
- 요양시설 영주권자
공부 계획
연구는 어떻게 설계됩니까?
디자인 세부사항
- 주 목적: 상영
- 할당: 무작위
- 중재 모델: 병렬 할당
- 마스킹: 더블
무기와 개입
참가자 그룹 / 팔 |
개입 / 치료 |
|---|---|
|
간섭 없음: 연례 건강 방문 또는 기타 주치의 방문
연간 건강 검진 또는 기타 주치의 방문: 이것은 일반적인 진료 부문입니다.
일반 치료로 무작위 배정된 클리닉의 환자에 대한 전자 건강 기록 데이터는 다른 2개 부문과 비교하기 위해 수집됩니다.
이러한 1차 진료 클리닉의 환자는 연례 건강 방문(AWV) 또는 기타 유형의 방문으로 의사를 방문해야 합니다.
이 클리닉은 연구를 위해 아무 것도 할 필요가 없지만 아무것도 변경하지 않고 평소대로 사업을 운영합니다.
|
|
|
실험적: 패시브 디지털 마커(PDM)
PDM(Passive Digital Marker): PDM에 무작위 배정된 클리닉의 전자 건강 기록 데이터는 ADRD가 발생하기 1년 및 3년 전에 ADRD를 예측할 수 있는 기계 학습 알고리즘인 PDM을 통해 실행됩니다.
|
PDM+QDRS에 무작위 배정된 1차 진료소의 환자는 ADRD 발병 1년 및 3년 전에 ADRD를 예측할 수 있는 기계 학습 알고리즘인 PDM을 통해 실행되는 환자의 전자 건강 기록 데이터를 갖게 됩니다.
또한, 이들 클리닉의 환자들은 검증된 환자 보고 결과(PRO) 도구인 QDRS를 완료하게 됩니다.
이 결합된 접근법은 ADRD 조기 발견의 가치를 평가하고 연례 우물 방문이 ADRD 조기 발견과 관련된 장벽을 극복할 수 있는지 여부를 평가합니다.
다른 이름들:
|
|
활성 비교기: 패시브 디지털 마커(PDM) + 빠른 치매 평가 척도(QDRS)
PDM+QDRS로 무작위 배정된 1차 진료소의 환자는 발병 1년 및 3년 전에 ADRD를 예측할 수 있는 기계 학습 알고리즘인 PDM을 통해 실행되는 환자의 전자 건강 기록 데이터를 갖게 됩니다.
또한 이 클리닉의 환자들은 검증된 환자 보고 결과(PRO) 도구인 QDRS를 완료하게 됩니다.
이 결합된 접근법은 ADRD의 조기 발견의 가치와 연간 웰 방문이 ADRD의 조기 발견과 관련된 장벽을 극복할 수 있는지 여부를 평가할 것입니다.
|
PDM+QDRS에 무작위 배정된 1차 진료소의 환자는 ADRD 발병 1년 및 3년 전에 ADRD를 예측할 수 있는 기계 학습 알고리즘인 PDM을 통해 실행되는 환자의 전자 건강 기록 데이터를 갖게 됩니다.
또한, 이들 클리닉의 환자들은 검증된 환자 보고 결과(PRO) 도구인 QDRS를 완료하게 됩니다.
이 결합된 접근법은 ADRD 조기 발견의 가치를 평가하고 연례 우물 방문이 ADRD 조기 발견과 관련된 장벽을 극복할 수 있는지 여부를 평가합니다.
다른 이름들:
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
ADRD 진단의 12 개월 누적 발생률
기간: 색인 방문 12 개월 후
|
연례 웰빙 방문 후 12 개월 이내에 확인 된 새로운 ADRD 사례 (EHR에 문서화).
|
색인 방문 12 개월 후
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
ADRD 서비스의 12 개월 누적 발생률
기간: 색인 방문 12 개월 후
|
보조 결과 측정은 제공자가 ADRD를 진단하거나 제외 할 수있는 연간 웰빙 방문 (지수) 기간의인지 진단 평가와 관련된 모든 서비스를 수신합니다. 구체적으로, 진단 평가의 지표는 1 이상의 기록을 가진 환자의 비율로 평가됩니다.
|
색인 방문 12 개월 후
|
공동 작업자 및 조사자
수사관
- 수석 연구원: Malaz Boustani, MD, MPH, Indiana University
간행물 및 유용한 링크
연구 기록 날짜
연구 주요 날짜
연구 시작 (실제)
기본 완료 (실제)
연구 완료 (실제)
연구 등록 날짜
최초 제출
QC 기준을 충족하는 최초 제출
처음 게시됨 (실제)
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
QC 기준을 충족하는 마지막 업데이트 제출
마지막으로 확인됨
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. .