- ICH GCP
- Register voor klinische proeven in de VS.
- Klinische proef NCT04689685
De RADAR-studie - Op wearables gebaseerde detectie en waarschuwing van dysglykemie bij diabetes (RADAR)
13 september 2022 bijgewerkt door: University Hospital Inselspital, Berne
De studie RADAR is gericht op de ontwikkeling van een op wearables gebaseerd dysglycemiedetectie- en waarschuwingssysteem voor patiënten met diabetes mellitus met behulp van kunstmatige intelligentie.
Studie Overzicht
Toestand
Voltooid
Interventie / Behandeling
Gedetailleerde beschrijving
Eerder onderzoek heeft het algemene potentieel van gegevensanalyse en kunstmatige intelligentie onderzocht om bloedglucosewaarden af te leiden uit verschillende gegevensbronnen.
In deze studie dragen patiënten met insulineafhankelijke diabetes mellitus maximaal 3 maanden een continue glucosemeter (CGM) en een smartwatch in een poliklinische setting.
De verzamelde gegevens zullen worden gebruikt om een niet-invasief en draagbaar systeem voor de detectie en waarschuwing van dysglykemie te ontwikkelen met behulp van kunstmatige intelligentie.
Studietype
Observationeel
Inschrijving (Werkelijk)
40
Contacten en locaties
In dit gedeelte vindt u de contactgegevens van degenen die het onderzoek uitvoeren en informatie over waar dit onderzoek wordt uitgevoerd.
Studie Locaties
-
-
-
Bern, Zwitserland
- Department of Diabetes, Endocrinology, Nutritional Medicine and Metabolism
-
-
Deelname Criteria
Onderzoekers zoeken naar mensen die aan een bepaalde beschrijving voldoen, de zogenaamde geschiktheidscriteria. Enkele voorbeelden van deze criteria zijn iemands algemene gezondheidstoestand of eerdere behandelingen.
Geschiktheidscriteria
Leeftijden die in aanmerking komen voor studie
18 jaar en ouder (VOLWASSEN, OUDER_ADULT)
Accepteert gezonde vrijwilligers
Nee
Geslachten die in aanmerking komen voor studie
Allemaal
Bemonsteringsmethode
Niet-waarschijnlijkheidssteekproef
Studie Bevolking
Volwassen patiënten met insulineafhankelijke diabetes mellitus die worden behandeld met meervoudige dagelijkse insuline-injecties of continu subcutaan insuline-infuus
Beschrijving
Inclusiecriteria:
- Geïnformeerde toestemming zoals gedocumenteerd door handtekening
- Leeftijd ≥ 18 jaar
- Diabetes mellitus behandeld met meerdere dagelijkse insuline-injecties (MDI) of continue subcutane insuline-infusie (CSII)
Uitsluitingscriteria:
- Smartwatch kan niet om de pols van de patiënt worden bevestigd
- Bekende allergieën voor componenten van de Garmin smartwatch of het Dexcom G6-systeem
- Zwangerschap, intentie om zwanger te worden of borstvoeding
- Hartritmestoornissen (bijv. atriale flutter of fibrillatie, AV-re-entry tachycardie, AV-blok > graad 1)
- Pacemaker of ICD (implanteerbare cardioverterdefibrillator)
- Behandeling met antiaritmica of bètablokkers
- Drugs- of alcoholmisbruik
- Onvermogen om de procedures van het onderzoek te volgen, b.v. vanwege taalproblemen, psychische stoornissen, dementie etc. van de deelnemer
- Lichamelijke of psychische ziekte die waarschijnlijk het normale verloop van het onderzoek en de interpretatie van de onderzoeksresultaten naar het oordeel van de onderzoeker verstoort
Studie plan
Dit gedeelte bevat details van het studieplan, inclusief hoe de studie is opgezet en wat de studie meet.
Hoe is de studie opgezet?
Ontwerpdetails
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
---|---|---|
Nauwkeurigheid van het RADAR-model: Diagnostische nauwkeurigheid van op wearables gebaseerde fysiologische gegevens bij het detecteren van dysglykemie (glucose > 13,9 mmol/L en glucose < 3,9 mmol/L) gekwantificeerd als het gebied onder de curve van de receiver-operatorkarakteristieken (AUC-ROC)
Tijdsspanne: 4-12 weken
|
Nauwkeurigheid van het RADAR-model zal worden beoordeeld met behulp van machine learning-technologie en fysiologische gegevens die door de smartwatch worden geregistreerd in vergelijking met continue glucosemetingen (grondwaarheid)
|
4-12 weken
|
Secundaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
---|---|---|
Nauwkeurigheid van het RADAR-model: Diagnostische nauwkeurigheid van op wearables gebaseerde fysiologische gegevens bij het detecteren van hypoglykemie (glucose < 3,9 mmol/L) gekwantificeerd als AUC-ROC
Tijdsspanne: 4-12 weken
|
Nauwkeurigheid van het RADAR-model zal worden beoordeeld met behulp van machine learning-technologie en fysiologische gegevens die door de smartwatch worden geregistreerd in vergelijking met continue glucosemetingen (grondwaarheid)
|
4-12 weken
|
Nauwkeurigheid van het RADAR-model: Diagnostische nauwkeurigheid van op wearables gebaseerde fysiologische gegevens bij het detecteren van ernstige hypoglykemie (glucose < 3,0 mmol/L) gekwantificeerd als AUC-ROC
Tijdsspanne: 4-12 weken
|
Nauwkeurigheid van het RADAR-model zal worden beoordeeld met behulp van machine learning-technologie en fysiologische gegevens die door de smartwatch worden geregistreerd in vergelijking met continue glucosemetingen (grondwaarheid)
|
4-12 weken
|
Nauwkeurigheid van het RADAR-model: Diagnostische nauwkeurigheid van op wearables gebaseerde fysiologische gegevens bij het detecteren van ernstige hyperglykemie (glucose > 13,9 mmol/L) gekwantificeerd als AUC-ROC
Tijdsspanne: 4-12 weken
|
Nauwkeurigheid van het RADAR-model zal worden beoordeeld met behulp van machine learning-technologie en fysiologische gegevens die door de smartwatch worden geregistreerd in vergelijking met continue glucosemetingen (grondwaarheid)
|
4-12 weken
|
Nauwkeurigheid van het RADAR+-model: Diagnostische nauwkeurigheid van op wearables gebaseerde gegevens (fysiologisch, tijd, nuchtere glucose en beweging) bij het detecteren van dysglycemie (glucose > 13,9 mmol/L en glucose < 3,9 mmol/L) gekwantificeerd als AUC-ROC
Tijdsspanne: 4-12 weken
|
Nauwkeurigheid van het RADAR+-model zal worden beoordeeld met behulp van machine learning-technologie en op wearables gebaseerde gegevens (fysiologisch, tijd, nuchtere glucose en beweging) in vergelijking met continue glucosemetingen (grondwaarheid)
|
4-12 weken
|
Nauwkeurigheid van het RADAR+-model: Diagnostische nauwkeurigheid van op wearables gebaseerde gegevens (fysiologisch, tijd, nuchtere glucose en beweging) bij het detecteren van hypoglykemie (glucose < 3,9 mmol/L) gekwantificeerd als AUC-ROC
Tijdsspanne: 4-12 weken
|
Nauwkeurigheid van het RADAR+-model zal worden beoordeeld met behulp van machine learning-technologie en op wearables gebaseerde gegevens (fysiologisch, tijd, nuchtere glucose en beweging) in vergelijking met continue glucosemetingen (grondwaarheid)
|
4-12 weken
|
Nauwkeurigheid van het RADAR+-model: Diagnostische nauwkeurigheid van op wearables gebaseerde gegevens (fysiologisch, tijd, nuchtere glucose en beweging) bij het detecteren van ernstige hypoglykemie (glucose < 3,0 mmol/L) gekwantificeerd als AUC-ROC
Tijdsspanne: 4-12 weken
|
Nauwkeurigheid van het RADAR+-model zal worden beoordeeld met behulp van machine learning-technologie en op wearables gebaseerde gegevens (fysiologisch, tijd, nuchtere glucose en beweging) in vergelijking met continue glucosemetingen (grondwaarheid)
|
4-12 weken
|
Nauwkeurigheid van het RADAR+-model: Diagnostische nauwkeurigheid van op wearables gebaseerde gegevens (fysiologisch, tijd, nuchtere glucose en beweging) bij het detecteren van ernstige hyperglykemie (glucose > 13,9 mmol/L) gekwantificeerd als AUC-ROC
Tijdsspanne: 4-12 weken
|
Nauwkeurigheid van het RADAR+-model zal worden beoordeeld met behulp van machine learning-technologie en op wearables gebaseerde gegevens (fysiologisch, tijd, nuchtere glucose en beweging) in vergelijking met continue glucosemetingen (grondwaarheid)
|
4-12 weken
|
Nauwkeurigheid van RADAR-voorspellingsmodel: Diagnostische nauwkeurigheid van CGM-gegevens in combinatie met op wearables gebaseerde gegevens (fysiologisch, tijd, nuchtere glucose en beweging) bij het voorspellen van glucosespiegels gekwantificeerd als de gemiddelde absolute fout.
Tijdsspanne: 4-12 weken
|
De nauwkeurigheid van de RADAR-voorspellingen zal worden beoordeeld met behulp van machine learning-technologie, historische continue glucosemetingen en historische op wearables gebaseerde gegevens (fysiologisch, tijd, nuchtere glucose en beweging) in vergelijking met toekomstige continue glucosemetingen (grondwaarheid).
|
4-12 weken
|
Nauwkeurigheid van het RADAR-voorspellingsmodel: Diagnostische nauwkeurigheid van CGM-gegevens in combinatie met op wearables gebaseerde gegevens (fysiologisch, tijd, nuchtere glucose en beweging) bij het voorspellen van dysglycemie (glucose>13,9 mmol/L en glucose <3,9 mmol/L) gekwantificeerd als AUC-ROC
Tijdsspanne: 4-12 weken
|
De nauwkeurigheid van de RADAR-voorspellingen zal worden beoordeeld met behulp van machine learning-technologie, historische continue glucosemetingen en historische op wearables gebaseerde gegevens (fysiologisch, tijd, nuchtere glucose en beweging) in vergelijking met toekomstige continue glucosemetingen (grondwaarheid).
|
4-12 weken
|
Nauwkeurigheid van het RADAR-voorspellingsmodel: diagnostische nauwkeurigheid van CGM-gegevens in combinatie met op wearables gebaseerde gegevens (fysiologisch, tijd, nuchtere glucose en beweging) bij het voorspellen van ernstige hyperglykemie (glucose > 13,9 mmol/l), gekwantificeerd als AUC-ROC
Tijdsspanne: 4-12 weken
|
De nauwkeurigheid van de RADAR-voorspellingen zal worden beoordeeld met behulp van machine learning-technologie, historische continue glucosemetingen en historische op wearables gebaseerde gegevens (fysiologisch, tijd, nuchtere glucose en beweging) in vergelijking met toekomstige continue glucosemetingen (grondwaarheid).
|
4-12 weken
|
Nauwkeurigheid van het RADAR-voorspellingsmodel: diagnostische nauwkeurigheid van CGM-gegevens in combinatie met op wearables gebaseerde gegevens (fysiologisch, tijd, nuchtere glucose en beweging) bij het voorspellen van milde hypoglykemie (glucose < 3,9 mmol/L) gekwantificeerd als AUC-ROC
Tijdsspanne: 4-12 weken
|
De nauwkeurigheid van de RADAR-voorspellingen zal worden beoordeeld met behulp van machine learning-technologie, historische continue glucosemetingen en historische op wearables gebaseerde gegevens (fysiologisch, tijd, nuchtere glucose en beweging) in vergelijking met toekomstige continue glucosemetingen (grondwaarheid).
|
4-12 weken
|
Nauwkeurigheid van het RADAR-voorspellingsmodel: Diagnostische nauwkeurigheid van CGM-gegevens in combinatie met draagbare gegevens (fysiologisch, tijd, nuchtere glucose en beweging) bij het voorspellen van ernstige hyperglykemie (glucose < 3,0 mmol/L) gekwantificeerd als AUC-ROC.
Tijdsspanne: 4-12 weken
|
De nauwkeurigheid van de RADAR-voorspellingen zal worden beoordeeld met behulp van machine learning-technologie, historische continue glucosemetingen en historische op wearables gebaseerde gegevens (fysiologisch, tijd, nuchtere glucose en beweging) in vergelijking met toekomstige continue glucosemetingen (grondwaarheid).
|
4-12 weken
|
Verandering van slaappatroon bij dysglykemie (< 3,9 mmol/l en > 13,9 mmol/l) in vergelijking met eugylycemie.
Tijdsspanne: 4-12 weken
|
Het slaappatroon wordt geregistreerd door de smartwatch en de glucosewaarden worden gemeten met de continue glucosemeter (CGM).
|
4-12 weken
|
Verandering van hartslag bij dysglycemie (< 3,9 mmol/l en > 13,9 mmol/l) in vergelijking met eugylycemie.
Tijdsspanne: 4-12 weken
|
De hartslag wordt geregistreerd door de smartwatch en de glucosewaarden worden gemeten met de continue glucosemeter (CGM).
|
4-12 weken
|
Verandering van hartslagvariabiliteit (< 3,9 mmol/l en > 13,9 mmol/l) in vergelijking met eugylycemie.
Tijdsspanne: 4-12 weken
|
Hartslagvariabiliteit wordt geregistreerd door de smartwatch en glucosewaarden worden gemeten met de continue glucosemeter (CGM).
|
4-12 weken
|
Verandering van huidtemperatuur (< 3,9 mmol/l en > 13,9 mmol/l) vergeleken met eugylycemie.
Tijdsspanne: 4-12 weken
|
De huidtemperatuur wordt geregistreerd door de smartwatch en de glucosewaarden worden gemeten met de continue glucosemeter (CGM).
|
4-12 weken
|
Verandering van elektrodermale activiteit (< 3,9 mmol/l en > 13,9 mmol/l) in vergelijking met eugylycemie.
Tijdsspanne: 4-12 weken
|
Elektrodermale activiteit wordt geregistreerd door de smartwatch en glucosewaarden worden gemeten met de continue glucosemeter (CGM).
|
4-12 weken
|
Verandering van stressniveau (< 3,9 mmol/l en > 13,9 mmol/l) in vergelijking met eugylycemie.
Tijdsspanne: 4-12 weken
|
Het stressniveau wordt geregistreerd door de smartwatch en de glucosewaarden worden gemeten met de continue glucosemeter (CGM).
|
4-12 weken
|
Invloed van slaapduur op dagelijkse tijd in glykemisch streefbereik (3,9 - 10 mmol/L)
Tijdsspanne: 4-12 weken
|
De slaapduur wordt geregistreerd door de smartwatch en de glucosewaarden worden gemeten met de continue glucosemeter (CGM).
|
4-12 weken
|
Invloed op stressniveau op dagelijkse tijd in glycemisch streefbereik (3,9 - 10 mmol/L)
Tijdsspanne: 4-12 weken
|
Het stressniveau wordt geregistreerd door de smartwatch en de glucosewaarden worden gemeten met de continue glucosemeter (CGM).
|
4-12 weken
|
Invloed op activiteit (aantal treden en trappen per dag beklommen) op dagelijkse tijd in glykemisch streefbereik (3,9 - 10 mmol/L)
Tijdsspanne: 4-12 weken
|
Het aantal stappen en trappen dat per dag wordt beklommen, wordt geregistreerd door de smartwatch en de glucosewaarden worden gemeten met de continue glucosemeter (CGM).
|
4-12 weken
|
Invloed van beweging op dagelijkse tijd in glykemisch streefbereik (3,9 - 10,0 mmol/l)
Tijdsspanne: 4-12 weken
|
Beweging wordt geregistreerd door de smartwatch en glucosewaarden worden gemeten met de continue glucosemeter (CGM).
|
4-12 weken
|
24. Analyse van gebruikersvereisten voor op smartwatch gebaseerde dysglykemiewaarschuwingssystemen
Tijdsspanne: 4-12 weken
|
Gebruikersvereisten voor het op smartwatch gebaseerde dysglycemie-waarschuwingssysteem zullen worden beoordeeld in een semi-kwantitatief interview.
|
4-12 weken
|
Medewerkers en onderzoekers
Hier vindt u mensen en organisaties die betrokken zijn bij dit onderzoek.
Onderzoekers
- Hoofdonderzoeker: Christoph Stettler, Prof. MD, University of Bern
Studie record data
Deze datums volgen de voortgang van het onderzoeksdossier en de samenvatting van de ingediende resultaten bij ClinicalTrials.gov. Studieverslagen en gerapporteerde resultaten worden beoordeeld door de National Library of Medicine (NLM) om er zeker van te zijn dat ze voldoen aan specifieke kwaliteitscontrolenormen voordat ze op de openbare website worden geplaatst.
Bestudeer belangrijke data
Studie start (WERKELIJK)
19 februari 2021
Primaire voltooiing (WERKELIJK)
28 maart 2022
Studie voltooiing (WERKELIJK)
28 maart 2022
Studieregistratiedata
Eerst ingediend
24 december 2020
Eerst ingediend dat voldeed aan de QC-criteria
24 december 2020
Eerst geplaatst (WERKELIJK)
30 december 2020
Updates van studierecords
Laatste update geplaatst (WERKELIJK)
14 september 2022
Laatste update ingediend die voldeed aan QC-criteria
13 september 2022
Laatst geverifieerd
1 september 2022
Meer informatie
Termen gerelateerd aan deze studie
Trefwoorden
Aanvullende relevante MeSH-voorwaarden
Andere studie-ID-nummers
- RADAR
Informatie over medicijnen en apparaten, studiedocumenten
Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel
Nee
Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct
Nee
Deze informatie is zonder wijzigingen rechtstreeks van de website clinicaltrials.gov gehaald. Als u verzoeken heeft om uw onderzoeksgegevens te wijzigen, te verwijderen of bij te werken, neem dan contact op met register@clinicaltrials.gov. Zodra er een wijziging wordt doorgevoerd op clinicaltrials.gov, wordt deze ook automatisch bijgewerkt op onze website .
Klinische onderzoeken op Suikerziekte
-
University of Colorado, DenverMassachusetts General Hospital; Beta Bionics, Inc.VoltooidDiabetes mellitus, type 1 | Diabetes type 1 | Diabetestype1 | Diabetes mellitus type 1 | Auto-immuun diabetes | Diabetes Mellitus, insulineafhankelijk | Jeugddiabetes | Diabetes, auto-immuunziekte | Insulineafhankelijke diabetes mellitus 1 | Diabetes Mellitus, insulineafhankelijk, 1 | Diabetes Mellitus,... en andere voorwaardenVerenigde Staten
-
Guang NingWervingDiabetes mellitus type 2 | Diabetes mellitus type 1 | Monogene diabetes | Pancreatogene diabetes | Door medicijnen veroorzaakte diabetes mellitus | Andere vormen van diabetes mellitusChina
-
Medical College of WisconsinMedical University of South CarolinaVoltooidSuikerziekte | Diabetes mellitus type 2 | Diabetes Mellitus bij volwassenen | Niet-insulineafhankelijke diabetes mellitus | Niet-insulineafhankelijke diabetes mellitus, type IIVerenigde Staten
-
Diabetes Foundation, IndiaNational Diabetes Obesity and Cholesterol FoundationWervingDiabetes mellitus type 2 met complicatiesIndië
-
SanofiVoltooidDiabetes mellitus type 1 - Diabetes mellitus type 2Hongarije, Russische Federatie, Duitsland, Polen, Japan, Verenigde Staten, Finland
-
Meir Medical CenterVoltooidDiabetes mellitus type 2 | Diabetes Mellitus, niet-insulineafhankelijk | Diabetes Mellitus, over orale hypoglycemische behandeling | Diabetes Mellitus bij volwassenenIsraël
-
Peking Union Medical College HospitalOnbekendDiabetes mellitus type 2 | Diabetes mellitus type 1 | Zwangerschapsdiabetes mellitus | Pancreatogene diabetes mellitus | Pregestationele diabetes mellitus | Diabetespatiënten in de perioperatieve periodeChina
-
Medical College of WisconsinMedical University of South Carolina; National Institute of Diabetes and Digestive...Actief, niet wervendDiabetes mellitus, type 2 | Diabetes mellitus, Type II | Diabetes Mellitus, aanvang op volwassen leeftijd | Diabetes Mellitus, niet-insulineafhankelijk | Diabetes Mellitus, niet-insuline-afhankelijkVerenigde Staten
-
Medical College of WisconsinNational Institute of Diabetes and Digestive and Kidney Diseases (NIDDK)VoltooidDiabetes mellitus, type 2 | Diabetes mellitus, Type II | Diabetes Mellitus, aanvang op volwassen leeftijd | Diabetes Mellitus, niet-insulineafhankelijk | Diabetes Mellitus, niet-insuline-afhankelijkVerenigde Staten
-
University of Colorado, DenverVoltooidDiabetes mellitus, type 1 | Diabetische nefropathieën | Diabetes mellitus type 1 | Diabetes Mellitus-complicatie | Nefropathie | Auto-immuun diabetes | JeugddiabetesVerenigde Staten