- ICH GCP
- Register voor klinische proeven in de VS.
- Klinische proef NCT05303051
Validatie van de Diabetes Deep Neural Network Score voor Diabetes Mellitus Screening
4 april 2025 bijgewerkt door: University of California, San Francisco
De validatie van de Diabetes Deep Neural Network Score (DNN-score) voor screening op diabetes mellitus type 2 (diabetes) is een single-center, niet-geblindeerd, observationeel onderzoek voor de klinische validering van een eerder ontwikkelde externe digitale biomarker, geïdentificeerd als de DNN-score, om voor suikerziekte.
De eerder ontwikkelde DNN-score biedt een veelbelovende manier om diabetes op te sporen in deze risicovolle gemeenschappen door gebruik te maken van fotoplethysmografie (PPG) -technologie op de commerciële smartphonecamera die zeer toegankelijk is.
Ons primaire doel is om het PPG DNN-algoritme prospectief klinisch te valideren tegen de referentiestandaarden van geglyceerd hemoglobine (HbA1c) voor de aanwezigheid van heersende diabetes.
Onze visie is dat deze klinische proef uiteindelijk een aanvraag bij de Food and Drug Administration kan ondersteunen, zodat deze kan worden opgenomen in screening op basis van richtlijnen.
Studie Overzicht
Studietype
Ingrijpend
Fase
- Niet toepasbaar
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
-
-
California
-
San Francisco, California, Verenigde Staten, 94143
- University of California, San Francisco
-
-
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, Oudere volwassene)
Accepteert gezonde vrijwilligers
Ja
Beschrijving
Inclusiecriteria:
- Leeftijd > 18 jaar
- Deelnemers zonder voorafgaande diagnose van DM
- Deelnemers met een recent gemeten HBA1c-meting één maand voor inschrijving of gepland om binnen één maand na inschrijving een HBA1c-meting te ondergaan
- Deelnemers die niet zijn ingepland voor HBA1c en bereid zijn een in het laboratorium gemeten HBA1c te ondergaan
- Deelnemers zonder risicofactoren voor DM
- Deelnemers met > 1 van de volgende risicofactoren voor DM:
- Leeftijd > 40 jaar
- Obesitas (BMI > 30)
- Familiegeschiedenis: elk familielid in de eerste graad met een hx van DM
- Risicofactoren voor levensstijl (beweging, roken en slaapduur)
- Eigendom van een smartphone
- In staat om geïnformeerde toestemming te geven
- Bereidheid om PPG-golfvormen te leveren
Uitsluitingscriteria:
- Deelnemers met een voorgeschiedenis van DM
- Deelnemers met een eerdere HBA1c > 6,5%
- Onvermogen om PPG-signalen op te vangen (cijferamputatie, overmatige trillingen, enz.)
- Gebrek aan eigendom van een smartphone
- Onvermogen of onwil om in te stemmen met en/of te voldoen aan de vereisten van het onderzoek
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
- Primair doel: Diagnostisch
- Toewijzing: Niet-gerandomiseerd
- Interventioneel model: Parallelle opdracht
- Masker: Geen (open label)
Wapens en interventies
Deelnemersgroep / Arm |
Interventie / Behandeling |
|---|---|
|
Experimenteel: Studie Bevolking
De onderzoekers zullen een elektronisch medisch dossier (EMR) doorzoeken van personen in de eerstelijnsklinieken van de University of California, San Francisco (UCSF) zonder voorafgaande diagnose van DM en die een in het laboratorium gemeten HBA1c ondergaan of onlangs hebben ondergaan. of na 1 maand inschrijving.
schatting van de steekproefomvang voor het testen van de geschatte AUROC in de validatiesteekproef vs. de nulwaarde van AUC 0,7.
De onderzoekers streven naar een inschrijving van 5006 proefpersonen om een vooraf gespecificeerde AUROC 95% betrouwbaarheidsintervalbreedte van 0,07 (d.w.z.
AUROC = 0,76 [95% BI 0,725, 0,795]).
De onderzoekers gaan ervan uit dat ~ 4% van het cohort niet-gediagnosticeerde diabetes zal hebben op basis van nationale prevalentieschattingen.
|
Na het aanmaken van accounts, zullen deelnemers in beide groepen de Azumio Instant Diabetes Test downloaden en fotoplethysmografie (PPG)-golfvormen leveren door hun wijsvinger gedurende 20 seconden op hun smartphonecamera te plaatsen om PPG-golfvormgegevens voor het onderzoek te verstrekken.
|
|
Experimenteel: Alternatieve voorbeeldgroep
De onderzoekers streven er ook naar een gevoeligheidsanalyse uit te voeren om de DNN-prestaties te schatten in een algemene doelgroep zonder diabetesdiagnose.
De onderzoekers zullen patiënten rekruteren uit het UCSF EPD-systeem zonder een voorgeschiedenis van diabetes, geen eerder gemeten HBA1c en geen voorgeschiedenis van bekende risicofactoren voor diabetes.
De onderzoekers streven naar een inschrijving van 1000 proefpersonen om een vooraf gespecificeerde AUROC 95% betrouwbaarheidsintervalbreedte van 0,18 (d.w.z.
AUROC = 0,76 [95% BI 0,67, 0,85]).
De onderzoekers gaan ervan uit dat ~ 3% van het cohort niet-gediagnosticeerde diabetes zal hebben op basis van nationale prevalentieschattingen.
|
Na het aanmaken van accounts, zullen deelnemers in beide groepen de Azumio Instant Diabetes Test downloaden en fotoplethysmografie (PPG)-golfvormen leveren door hun wijsvinger gedurende 20 seconden op hun smartphonecamera te plaatsen om PPG-golfvormgegevens voor het onderzoek te verstrekken.
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Het gebied onder de receiver operating Characteristic (AUROC) van de DNN-score in vergelijking met één HBA1c-meting, gebaseerd op een gemiddelde van twee PPG-metingen.
Tijdsspanne: PPG-metingen en DNN-score binnen een maand te behalen oh HBA1c-meting
|
Deelnemers zullen zeven totale PPG-metingen uitvoeren met hun eigen smartphonecamera.
Nadat PPG-metingen zijn verkregen, wordt het DNN-algoritme ingezet en gerapporteerd als een DNN-score.
De onderzoekers zullen de DNN-prestaties beoordelen aan de hand van de AUROC (Area Under the Receiver Operating Characteristic) van de DNN-score in vergelijking met de HBA1c op basis van de DNN-score van gemiddeld 2 PPG-metingen.
|
PPG-metingen en DNN-score binnen een maand te behalen oh HBA1c-meting
|
|
De gevoeligheid, specificiteit, positief voorspellende waarde, negatief voorspellende waarde van de DNN-score in vergelijking met één HBA1c-meting op basis van een gemiddelde van twee PPG-metingen.
Tijdsspanne: PPG-metingen en DNN-score binnen een maand te behalen oh HBA1c-meting
|
Deelnemers zullen zeven totale PPG-metingen uitvoeren met hun eigen smartphonecamera.
Nadat PPG-metingen zijn verkregen, wordt het DNN-algoritme ingezet en gerapporteerd als een DNN-score.
De onderzoekers zullen de DNN-prestaties beoordelen aan de hand van de gevoeligheid, specificiteit, positieve voorspellende waarde, negatieve voorspellende waarde van de DNN-score in vergelijking met de HBA1c op basis van de DNN-score van gemiddeld 2 PPG-metingen.
|
PPG-metingen en DNN-score binnen een maand te behalen oh HBA1c-meting
|
|
Beoordeel de prestaties van de DNN-score in verschillende etniciteit en huidtinten
Tijdsspanne: PPG-metingen en DNN-score binnen een maand te behalen oh HBA1c-meting
|
De onderzoekers zullen ernaar streven individuen van verschillende rassen/etniciteiten en huidtinten te rekruteren om de prestaties van de DNN-score in verschillende rassen/etniciteiten te beoordelen.
|
PPG-metingen en DNN-score binnen een maand te behalen oh HBA1c-meting
|
Secundaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Het gebied onder de receiver operating Characteristic (AUROC) van de DNN-score in vergelijking met één HBA1c-meting op basis van > 2 PPG-metingen.
Tijdsspanne: PPG-metingen en DNN-score binnen een maand te behalen oh HBA1c-meting
|
Deelnemers zullen zeven totale PPG-metingen uitvoeren met hun eigen smartphonecamera.
Nadat PPG-metingen zijn verkregen, wordt het DNN-algoritme ingezet en gerapporteerd als een DNN-score.
De onderzoekers zullen de DNN-prestaties beoordelen in het gebied onder de receiver operating Characteristic (AUROC) van de DNN-score van > 2 PPG-metingen in vergelijking met de HBA1c.
|
PPG-metingen en DNN-score binnen een maand te behalen oh HBA1c-meting
|
|
De gevoeligheid, specificiteit, positief voorspellende waarde, negatief voorspellende waarde van de DNN-score in vergelijking met één HBA1c-meting op basis van >2 PPG-metingen.
Tijdsspanne: PPG-metingen en DNN-score binnen een maand te behalen oh HBA1c-meting
|
Deelnemers zullen zeven totale PPG-metingen uitvoeren met hun eigen smartphonecamera.
Nadat PPG-metingen zijn verkregen, wordt het DNN-algoritme ingezet en gerapporteerd als een DNN-score.
De onderzoekers zullen de DNN-prestaties beoordelen aan de hand van de gevoeligheid, specificiteit, positieve voorspellende waarde, negatieve voorspellende waarde van de DNN-score van > 2 PPG-metingen in vergelijking met de HBA1c.
|
PPG-metingen en DNN-score binnen een maand te behalen oh HBA1c-meting
|
|
Train het DNN-algoritme opnieuw
Tijdsspanne: Omscholing vindt plaats na volledige verzameling van PPG-metingen en HBA1c-gegevens. De onderzoekers schatten dat dit een jaar na inschrijving zal gebeuren.
|
Door PPG-golfvormgegevens te verzamelen bij patiënten met door laboratoriumonderzoek bevestigde diabetes, kunnen de onderzoekers het algoritme trainen met behulp van de meer specifieke diagnose van door laboratoriumonderzoek bevestigde diabetes.
De onderzoekers zullen de prestaties van de DNN-score beoordelen zodra ze opnieuw zijn getraind met behulp van HbA1c.
De DNN zal worden getraind met vergelijkbare benaderingen als de onderzoekers eerder hebben gepubliceerd
|
Omscholing vindt plaats na volledige verzameling van PPG-metingen en HBA1c-gegevens. De onderzoekers schatten dat dit een jaar na inschrijving zal gebeuren.
|
Medewerkers en onderzoekers
Hier vindt u mensen en organisaties die betrokken zijn bij dit onderzoek.
Onderzoekers
- Hoofdonderzoeker: Geoff Tison, MD, MPH, University of California, San Franscisco
Publicaties en nuttige links
De persoon die verantwoordelijk is voor het invoeren van informatie over het onderzoek stelt deze publicaties vrijwillig ter beschikking. Dit kan gaan over alles wat met het onderzoek te maken heeft.
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 (Geschat)
1 juni 2023
Primaire voltooiing (Werkelijk)
1 juni 2023
Studie voltooiing (Werkelijk)
1 april 2025
Studieregistratiedata
Eerst ingediend
10 maart 2022
Eerst ingediend dat voldeed aan de QC-criteria
21 maart 2022
Eerst geplaatst (Werkelijk)
31 maart 2022
Updates van studierecords
Laatste update geplaatst (Werkelijk)
8 april 2025
Laatste update ingediend die voldeed aan QC-criteria
4 april 2025
Laatst geverifieerd
1 april 2025
Meer informatie
Termen gerelateerd aan deze studie
Aanvullende relevante MeSH-voorwaarden
Andere studie-ID-nummers
- 21-35207
Plan Individuele Deelnemersgegevens (IPD)
Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?
NEE
Informatie over medicijnen en apparaten, studiedocumenten
Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel
Nee
Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct
Ja
product vervaardigd in en geëxporteerd uit de V.S.
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 .