예측 + 보호: 인플루엔자 의사 질병(ILI)과 관련된 보호 행동 채택에 대한 예측 건강 교육 중재의 효과를 탐구하는 무작위 대조 시험
2024년 8월 27일 업데이트: Evidation Health
이 전향적 디지털 무작위 대조 시험의 목표는 미국에 거주하는 성인을 대상으로 인플루엔자 시즌 동안 예측 ILI 탐지 알고리즘 및 관련 경고의 효율성을 평가하는 것입니다.
주요 연구 목표는 ILI와 관련된 보호 행동에 대한 예측 ILI 탐지 알고리즘 및 관련 경고의 효율성을 평가하고 참가자가 직접 보고한 ILI 증상 및 진단을 사용하여 예측 ILI 탐지 알고리즘의 정확성을 평가하는 것입니다.
연구 개요
상태
모집하지 않고 적극적으로
연구 유형
중재적
등록 (추정된)
15000
단계
- 해당 없음
연락처 및 위치
이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.
연구 장소
-
-
California
-
San Mateo, California, 미국, 94402
- Evidation Health
-
-
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
- 성인
- 고령자
건강한 자원 봉사자를 받아들입니다
예
설명
포함 기준:
- Evidation 플랫폼 회원
- 18세 이상
- 미국에 거주
- 현재 Evidation 계정에 연결된 소비자 웨어러블 활동 추적기(Apple Watch, Garmin 또는 Fitbit)를 소유하고 사용하고 있습니다.
- 웨어러블 데이터에 대한 데이터 밀도 요구 사항을 충족합니다. 지난 60일 중 15%(또는 60일이 지나지 않은 Evidation 계정의 경우 총 2일 이상)에 대한 걸음 수 및 심박수 데이터가 존재합니다.
제외 기준:
- Evidation 계정이 없습니다.
- 18세 이상
- 미국에 거주하지 않음
- Evidation 계정에 연결된 활동 추적기가 없습니다.
- 증거 지원 ILI 모니터링 및 참여 프로그램 또는 임상 연구(예: FluSmart)에 등록됨
공부 계획
이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.
연구는 어떻게 설계됩니까?
디자인 세부사항
- 주 목적: 방지
- 할당: 무작위
- 중재 모델: 요인 할당
- 마스킹: 하나의
무기와 개입
참가자 그룹 / 팔 |
개입 / 치료 |
|---|---|
|
실험적: 사전 ILI 콘텐츠 및 예측
참가자는 예측 경고, 증상 보고 또는 무증상 예측 수신 후 대응 콘텐츠, ILI 관련 건강 교육 콘텐츠를 받게 됩니다.
|
참가자는 ILI 관련 교육, 피드백 및 ILI 증상을 자체 모니터링할 수 있는 기회를 받을 뿐만 아니라 잠재적인 ILI 질병에 대한 경고와 보호 건강 행동에 대한 반응적이고 개인화된 콘텐츠도 받습니다.
|
|
실험적: 사전 예방적 ILI 콘텐츠 및 예측 없음
참가자는 증상을 보고하거나 무증상 예측을 받은 후 예측 경고 및 대응 콘텐츠를 받게 되지만 사전 ILI 콘텐츠는 받지 못합니다.
|
참가자는 잠재적인 ILI 질병에 대한 경고와 보호적인 건강 행동에 대한 반응적이고 개인화된 콘텐츠를 받습니다.
|
|
실험적: 사전 ILI 콘텐츠 및 예측 없음
참가자는 증상을 보고한 후 예측 경고나 대응 콘텐츠를 받지 못하지만 사전 ILI 콘텐츠는 받게 됩니다.
|
참가자는 ILI 관련 교육, 피드백 및 ILI 증상을 자체 모니터링할 수 있는 기회를 받습니다.
|
|
실험적: 사전 예방적 ILI 콘텐츠 없음 및 예측 없음
참가자는 증상 또는 사전 ILI 콘텐츠를 보고한 후 예측 경고 또는 사후 콘텐츠를 받지 못합니다.
|
참가자는 증상을 보고한 후 예측 경고나 대응 콘텐츠를 받지 못하거나 사전 예방적인 IIII 관련 건강 교육 콘텐츠를 받지 못합니다.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
이 연구의 주요 목적은 ILI 관련 건강 및 행동 결과에 대한 예측 ILI 감지 알고리즘 및 관련 경고의 효과를 평가하는 것입니다.
기간: 연구 완료를 통해 약 10개월간
|
목표 건강 행동 1~4(즉,
다음 중 하나 이상을 수행함: 확산 감소, 테스트, 의학적 치료 추구 또는 치료 준수)
|
연구 완료를 통해 약 10개월간
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
두 번째 목표는 자가 보고된 증상과 ILI 진단을 사용하여 ILI 감지 알고리즘의 정확성을 평가하는 것입니다.
기간: 연구 완료를 통해 약 10개월간
|
자체 보고된 ILI 증상 및/또는 자체 보고된 양성 진단의 레이블과 비교하여 전체 및 배포된 모델별로 알고리즘 성능을 평가합니다.
알고리즘 성능은 ROC AUC, 민감도, 특이성, PPV 및 NPV를 포함한 다양한 차원에서 평가됩니다.
|
연구 완료를 통해 약 10개월간
|
기타 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
탐구 목표는 ILI 관련 건강 및 행동 결과에 대한 네 그룹 간의 효율성 차이를 평가하는 것입니다.
기간: 연구 완료를 통해 약 10개월간
|
목표 건강 행동 1-4를 수행한 코호트 구성원의 비율에 대한 모든 그룹 간의 차이(예:
다음 중 하나 이상을 수행함: 확산 감소, 테스트, 의학적 치료 추구 또는 치료 준수)
|
연구 완료를 통해 약 10개월간
|
공동 작업자 및 조사자
여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.
스폰서
수사관
- 수석 연구원: Ernesto H.N. Ramirez, PhD, Evidation
간행물 및 유용한 링크
연구에 대한 정보 입력을 담당하는 사람이 자발적으로 이러한 간행물을 제공합니다. 이것은 연구와 관련된 모든 것에 관한 것일 수 있습니다.
일반 간행물
- McCambridge J, Witton J, Elbourne DR. Systematic review of the Hawthorne effect: new concepts are needed to study research participation effects. J Clin Epidemiol. 2014 Mar;67(3):267-77. doi: 10.1016/j.jclinepi.2013.08.015. Epub 2013 Nov 22.
- Tokars JI, Olsen SJ, Reed C. Seasonal Incidence of Symptomatic Influenza in the United States. Clin Infect Dis. 2018 May 2;66(10):1511-1518. doi: 10.1093/cid/cix1060.
- Wiemken TL, Khan F, Puzniak L, Yang W, Simmering J, Polgreen P, Nguyen JL, Jodar L, McLaughlin JM. Seasonal trends in COVID-19 cases, hospitalizations, and mortality in the United States and Europe. Sci Rep. 2023 Mar 8;13(1):3886. doi: 10.1038/s41598-023-31057-1.
- Temple DS, Hegarty-Craver M, Furberg RD, Preble EA, Bergstrom E, Gardener Z, Dayananda P, Taylor L, Lemm NM, Papargyris L, McClain MT, Nicholson BP, Bowie A, Miggs M, Petzold E, Woods CW, Chiu C, Gilchrist KH. Wearable Sensor-Based Detection of Influenza in Presymptomatic and Asymptomatic Individuals. J Infect Dis. 2023 Apr 12;227(7):864-872. doi: 10.1093/infdis/jiac262.
- Mezlini A, Shapiro A, Daza EJ, Caddigan E, Ramirez E, Althoff T, Foschini L. Estimating the Burden of Influenza-like Illness on Daily Activity at the Population Scale Using Commercial Wearable Sensors. JAMA Netw Open. 2022 May 2;5(5):e2211958. doi: 10.1001/jamanetworkopen.2022.11958.
- Shapiro A, Marinsek N, Clay I, Bradshaw B, Ramirez E, Min J, Trister A, Wang Y, Althoff T, Foschini L. Characterizing COVID-19 and Influenza Illnesses in the Real World via Person-Generated Health Data. Patterns (N Y). 2020 Dec 13;2(1):100188. doi: 10.1016/j.patter.2020.100188. eCollection 2021 Jan 8.
- Hunter V, Shapiro A, Chawla D, Drawnel F, Ramirez E, Phillips E, Tadesse-Bell S, Foschini L, Ukachukwu V. Characterization of Influenza-Like Illness Burden Using Commercial Wearable Sensor Data and Patient-Reported Outcomes: Mixed Methods Cohort Study. J Med Internet Res. 2023 Mar 23;25:e41050. doi: 10.2196/41050.
- Mayer C, Tyler J, Fang Y, Flora C, Frank E, Tewari M, Choi SW, Sen S, Forger DB. Consumer-grade wearables identify changes in multiple physiological systems during COVID-19 disease progression. Cell Rep Med. 2022 Apr 19;3(4):100601. doi: 10.1016/j.xcrm.2022.100601. eCollection 2022 Apr 19.
- Nestor B, Hunter J, Kainkaryam R, Drysdale E, Inglis JB, Shapiro A, Nagaraj S, Ghassemi M, Foschini L, Goldenberg A. Machine learning COVID-19 detection from wearables. Lancet Digit Health. 2023 Apr;5(4):e182-e184. doi: 10.1016/S2589-7500(23)00045-6. No abstract available.
- Merrill MA, Safranchik E, Kolbeinsson A, Gade P, Ramirez E, Schmidt L, Foshchini L, Althoff T. Homekit2020: A benchmark for time series classification on a large mobile sensing dataset with laboratory tested ground truth of influenza infections. Proceedings of Machine Learning Research LEAVE UNSET:1-22, 2023.
- Rosenstock, I. M. (2000). Health Belief Model. In A. E. Kazdin (Ed.), Encyclopedia of psychology (Vol. 4, pp. 78-80). Oxford University Press.
- Zewdie A, Mose A, Sahle T, Bedewi J, Gashu M, Kebede N, Yimer A. The health belief model's ability to predict COVID-19 preventive behavior: A systematic review. SAGE Open Med. 2022 Jul 22;10:20503121221113668. doi: 10.1177/20503121221113668. eCollection 2022.
- Mercadante AR, Law AV. Will they, or Won't they? Examining patients' vaccine intention for flu and COVID-19 using the Health Belief Model. Res Social Adm Pharm. 2021 Sep;17(9):1596-1605. doi: 10.1016/j.sapharm.2020.12.012. Epub 2020 Dec 30.
- Gutierrez F, Wolfe J. Using the Health Belief Model to improve influenza vaccination rates. JAAPA. 2022 Oct 1;35(10):46-47. doi: 10.1097/01.JAA.0000873832.52485.65.
- Richardson KM, Jospe MR, Saleh AA, Clarke TN, Bedoya AR, Behrens N, Marano K, Cigan L, Liao Y, Scott ER, Guo JS, Aguinaga A, Schembre SM. Use of Biological Feedback as a Health Behavior Change Technique in Adults: Scoping Review. J Med Internet Res. 2023 Sep 25;25:e44359. doi: 10.2196/44359.
- LaFave SE, Granbom M, Cudjoe TKM, Gottsch A, Shorb G, Szanton SL. Attention control group activities and perceived benefit in a trial of a behavioral intervention for older adults. Res Nurs Health. 2019 Dec;42(6):476-482. doi: 10.1002/nur.21992. Epub 2019 Oct 24.
- Lee JL, Foschini L, Kumar S, Juusola J, Liska J, Mercer M, Tai C, Buzzetti R, Clement M, Cos X, Ji L, Kanumilli N, Kerr D, Montanya E, Muller-Wieland D, Ostenson CG, Skolnik N, Woo V, Burlet N, Greenberg M, Samson SI. Digital intervention increases influenza vaccination rates for people with diabetes in a decentralized randomized trial. NPJ Digit Med. 2021 Sep 17;4(1):138. doi: 10.1038/s41746-021-00508-2.
- Mansournia MA, Higgins JP, Sterne JA, Hernan MA. Biases in Randomized Trials: A Conversation Between Trialists and Epidemiologists. Epidemiology. 2017 Jan;28(1):54-59. doi: 10.1097/EDE.0000000000000564. Erratum In: Epidemiology. 2018 Sep;29(5):e49. doi: 10.1097/EDE.0000000000000846.
유용한 링크
- Centers for Disease Control and Prevention, National Center for Immunization and Respiratory Diseases (NCIRD). Past Seasons Estimated Influenza Disease Burden
- Centers for Disease Control and Prevention, National Center for Immunization and Respiratory Diseases (NCIRD). Past Seasons Estimated Influenza Disease Burden
- Centers for Disease Control and Prevention. COVID Data Tracker.
- Centers for Disease Control and Prevention, Office of Public Health Data, Surveillance, and Technology. 2023. RESP-NET Interactive Dashboard.
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)
2024년 2월 12일
기본 완료 (실제)
2024년 8월 5일
연구 완료 (추정된)
2024년 9월 6일
연구 등록 날짜
최초 제출
2024년 1월 19일
QC 기준을 충족하는 최초 제출
2024년 1월 19일
처음 게시됨 (실제)
2024년 1월 29일
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
2024년 8월 29일
QC 기준을 충족하는 마지막 업데이트 제출
2024년 8월 27일
마지막으로 확인됨
2024년 8월 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. .