- ICH GCP
- Register voor klinische proeven in de VS.
- Klinische proef NCT05866107
App en lichaamsvetschaal bij de behandeling van patiënten met overgewicht
De effectiviteit en haalbaarheid van de gezondheidsapp en de slimme lichaamsvetschaal bij het beheersen van gezondheidsuitkomsten bij patiënten met overgewicht die worden behandeld met antipsychotica: een gerandomiseerde studie met getrapte wigclusters
Hoofddoel:
Om de impact te onderzoeken van het aanhoudende gebruik van de gezondheidsapp en de slimme weegschaal voor lichaamsvet op gewichtsbeheersing en patiëntbetrokkenheid
Secundaire doelstellingen:
- Om het verschil in gewichtsverlies te vergelijken tussen de deelnemers die het app + weegschaalprotocol goed naleven en de deelnemers die slecht naleven
- Om de longitudinale associatie tussen zelfcontrole therapietrouw en percentage gewichtsverlies te evalueren.
- Om de toekomstige associatie tussen maandelijks % gewichtsverlies en de daaropvolgende maand van zelfcontroletrouw te evalueren
Noem de klinische hypothesen:
- Minstens 50% van de deelnemers bereikt een gewichtsvermindering van 7% in vergelijking met de uitgangswaarde door controle van het eigen gewicht met behulp van een slimme weegschaal voor lichaamsvet en een gezondheidsapp.
- De therapietrouw bij zelfcontrole wordt in verband gebracht met een groter gewichtsverlies.
- Het maandelijkse gewichtsverlies hangt samen met de volgende maand van zelfcontrole.
- De monitoring van het eigen gewicht met behulp van een slimme weegschaal voor lichaamsvet en een gezondheidsapp is mogelijk door de conformiteit en volledigheid van de gegevens te evalueren.
Studie Overzicht
Toestand
Gedetailleerde beschrijving
De onderzoekers zullen de patiënten met de diagnose schizofrenie of bipolaire stoornis rekruteren uit het Beijing Anding Hospital. Deelnemers gebruiken een mobiele telefoon-app (Huawei Health) om gegevens te verzamelen over slaaplogboek, dagelijkse activiteiten en calorieverbruik. De slimme lichaamsvetweegschaal met zeer nauwkeurige weegchip (Huawei Scale 2pro) zal worden gebruikt om hartslag, gewicht, BMI, lichaamstype, basaal metabolisme, vetpercentage, vetvrij lichaamsgewicht, skeletspiermassa, botzoutgehalte te verzamelen , visceraal vetgehalte, lichaamswater (%), lichaamseiwitpercentage en lichaamssamenstelling, en alle gegevens worden geüpload naar de app. Deelnemers konden ook hun dagelijkse inname via de voeding (voor berekening van de calorie-inname) registreren in de gezondheidsapp.
Dit is een 6 maanden durend, single-center, getrapt wigvormig cluster gerandomiseerd onderzoek. Het is de bedoeling om 200 onderwerpen met overgewicht aan te werven, waaronder 100 patiënten met schizofrenie en 100 patiënten met bipolaire stoornis, die antipsychotica krijgen. Interventies omvatten zelfcontrole van het gewicht met behulp van een slimme lichaamsvetschaal, dieetbeheer en bewegingsbeheer. Het follow-upteam bestaat uit een psychiater, een voedingsinstructeur en een bewegingsinstructeur die doelstellingen voor gewichtsverlies vaststelde en een plan uitvoerde. De patiënten gebruiken zelf de gezondheids-APP en slimme lichaamsvetweegschaal om gezondheidsgegevens zoals lichaamsgewicht vast te leggen; psychiaters evalueren de toestand van de patiënt en voeren laboratoriumtests uit; voedingsinstructeurs geven voedingsvoorlichting en formuleren geïndividualiseerde energiebeperkte evenwichtige dieetvoorschriften; bewegingsinstructeurs geven gedragsoefeningen en sporteducatie en geven individuele oefeningen.
Studietype
Inschrijving (Geschat)
Fase
- Niet toepasbaar
Contacten en locaties
Studiecontact
- Naam: Xiao Le
- Telefoonnummer: +8613466604224
- E-mail: xiaole373@163.com
Deelname Criteria
Geschiktheidscriteria
Leeftijden die in aanmerking komen voor studie
- Volwassen
Accepteert gezonde vrijwilligers
Beschrijving
Inclusiecriteria:
- Leeftijd 18-60 jaar oud, geen geslachtsbeperking.
- Volgens ICD-10 om een bipolaire stoornis of schizofrenie te diagnosticeren, oordeelt de onderzoeker dat de patiënt momenteel in remissie is, of dat de aandoening stabiel is en kan meewerken aan het onderzoek.
- Gebruikt momenteel ten minste één antipsychoticum of stemmingsstabilisator (bijv. lithium, magnesiumvalproaat, natriumvalproaat, lamotrigine).
- Momenteel overgewicht of obesitas (body mass index ≥ 24kg/m2) en bereid om gezondheidsapp en slimme weegschaal te gebruiken om af te vallen.
- Het opleidingsniveau van de basisschool of hoger, de inhoud van de schaal kunnen begrijpen en vaardig kunnen omgaan met smartphones.
- Begrijp en neem vrijwillig deel aan dit onderzoek en onderteken het formulier voor geïnformeerde toestemming.
Uitsluitingscriteria:
- Plan om tijdens de onderzoeksperiode op andere manieren af te vallen (zoals diëten, braken opwekken, dieetpillen slikken, operaties).
- Zelfgerapporteerd gewichtsverlies ≥ 7% in de afgelopen 6 maanden.
- Gewicht ruim 150 kg.
- Andere secundaire obesitas (zoals hypothyreoïdie, het syndroom van Cushing, hypothalamische obesitas, enz.).
- Momenteel zwanger, borstvoeding gevend, < 6 maanden na de bevalling of van plan zwanger te worden tijdens de onderzoeksperiode.
- Zelfgerapporteerd hartongemak of pijn op de borst tijdens activiteit of in rust.
- Er is sprake van een ernstige medische aandoening en de onderzoekers menen dat er veiligheidsrisico's kunnen zijn bij het sporten.
- 30 minuten niet kunnen lopen zonder te stoppen.
- Er zijn problemen die de naleving van het protocol kunnen beïnvloeden (bijv. ziekte in het eindstadium, plannen om naar het veld te reizen, voorgeschiedenis van middelenmisbruik, andere ongecontroleerde of onbehandelde medische aandoeningen);
- Alle andere omstandigheden die door de onderzoeker ongepast worden geacht.
Studie plan
Hoe is de studie opgezet?
Ontwerpdetails
- Primair doel: Behandeling
- Toewijzing: Gerandomiseerd
- Interventioneel model: Parallelle opdracht
- Masker: Geen (open label)
Wapens en interventies
Deelnemersgroep / Arm |
Interventie / Behandeling |
---|---|
Experimenteel: Blok 1
50 patiënten met schizofrenie en 50 patiënten met een bipolaire stoornis
|
Deelnemers gebruiken een mobiele telefoon-app (Huawei Health) om gegevens te verzamelen over slaaplogboek, dagelijkse activiteiten en calorieverbruik.
De slimme lichaamsvetweegschaal met zeer nauwkeurige weegchip (Huawei Scale 2pro) zal worden gebruikt om hartslag, gewicht, BMI, lichaamstype, basaal metabolisme, vetpercentage, vetvrij lichaamsgewicht, skeletspiermassa, botzoutgehalte te verzamelen , visceraal vetgehalte, lichaamswater (%), lichaamseiwitpercentage en lichaamssamenstelling, en alle gegevens worden geüpload naar de app.
Deelnemers konden ook hun dagelijkse inname via de voeding (voor berekening van de calorie-inname) registreren in de gezondheidsapp; psychiaters evalueren de toestand van de patiënt en voeren laboratoriumtests uit; voedingsinstructeurs geven voedingsvoorlichting en formuleren geïndividualiseerde energiebeperkte evenwichtige dieetvoorschriften; bewegingsinstructeurs geven gedragsoefeningen en sporteducatie en geven individuele oefeningen.
|
Experimenteel: Blok 2
50 patiënten met schizofrenie en 50 patiënten met een bipolaire stoornis
|
Deelnemers gebruiken een mobiele telefoon-app (Huawei Health) om gegevens te verzamelen over slaaplogboek, dagelijkse activiteiten en calorieverbruik.
De slimme lichaamsvetweegschaal met zeer nauwkeurige weegchip (Huawei Scale 2pro) zal worden gebruikt om hartslag, gewicht, BMI, lichaamstype, basaal metabolisme, vetpercentage, vetvrij lichaamsgewicht, skeletspiermassa, botzoutgehalte te verzamelen , visceraal vetgehalte, lichaamswater (%), lichaamseiwitpercentage en lichaamssamenstelling, en alle gegevens worden geüpload naar de app.
Deelnemers konden ook hun dagelijkse inname via de voeding (voor berekening van de calorie-inname) registreren in de gezondheidsapp; psychiaters evalueren de toestand van de patiënt en voeren laboratoriumtests uit; voedingsinstructeurs geven voedingsvoorlichting en formuleren geïndividualiseerde energiebeperkte evenwichtige dieetvoorschriften; bewegingsinstructeurs geven gedragsoefeningen en sporteducatie en geven individuele oefeningen.
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
---|---|---|
De impact van langdurig gebruik van de gezondheidsapp en slimme lichaamsvetweegschaal op gewichtsbeheersing. Factoren die het onderscheid maken tussen wie wel/niet afvalt, worden gedetecteerd met behulp van machine learning.
Tijdsspanne: aan het einde van 1 maand
|
De impact van het langdurig gebruik van de gezondheidsapp en de slimme lichaamsvetweegschaal op gewichtsbeheersing wordt onderzocht aan de hand van procentueel gewichtsverlies. Factoren die het onderscheid maken tussen wie wel/niet afvalt, worden gedetecteerd met behulp van machine learning. |
aan het einde van 1 maand
|
De impact van langdurig gebruik van de gezondheidsapp en de slimme lichaamsvetschaal op de betrokkenheid van patiënten. Factoren die het onderscheid maken tussen wie wel/niet afvalt, worden gedetecteerd met behulp van machine learning.
Tijdsspanne: aan het einde van 1 maand
|
De impact van het langdurig gebruik van de gezondheidsapp en de slimme lichaamsvetschaal op de betrokkenheid van de patiënt wordt onderzocht door het aantal trouwe dagen per week van elke maand bij elkaar op te tellen. Factoren die het onderscheid maken tussen wie wel/niet afvalt, worden gedetecteerd met behulp van machine learning. |
aan het einde van 1 maand
|
De impact van langdurig gebruik van de gezondheidsapp en slimme lichaamsvetweegschaal op gewichtsbeheersing. Factoren die het onderscheid maken tussen wie wel/niet afvalt, worden gedetecteerd met behulp van machine learning.
Tijdsspanne: aan het einde van 2 maanden
|
De impact van het langdurig gebruik van de gezondheidsapp en de slimme lichaamsvetweegschaal op gewichtsbeheersing wordt onderzocht aan de hand van procentueel gewichtsverlies. Factoren die het onderscheid maken tussen wie wel/niet afvalt, worden gedetecteerd met behulp van machine learning. |
aan het einde van 2 maanden
|
De impact van langdurig gebruik van de gezondheidsapp en de slimme lichaamsvetschaal op de betrokkenheid van patiënten. Factoren die het onderscheid maken tussen wie wel/niet afvalt, worden gedetecteerd met behulp van machine learning.
Tijdsspanne: aan het einde van 2 maanden
|
De impact van het langdurig gebruik van de gezondheidsapp en de slimme lichaamsvetschaal op de betrokkenheid van de patiënt wordt onderzocht door het aantal trouwe dagen per week van elke maand bij elkaar op te tellen. Factoren die het onderscheid maken tussen wie wel/niet afvalt, worden gedetecteerd met behulp van machine learning. |
aan het einde van 2 maanden
|
De impact van langdurig gebruik van de gezondheidsapp en slimme lichaamsvetweegschaal op gewichtsbeheersing. Factoren die het onderscheid maken tussen wie wel/niet afvalt, worden gedetecteerd met behulp van machine learning.
Tijdsspanne: aan het einde van 3 maanden
|
De impact van het langdurig gebruik van de gezondheidsapp en de slimme lichaamsvetweegschaal op gewichtsbeheersing wordt onderzocht aan de hand van procentueel gewichtsverlies. Factoren die het onderscheid maken tussen wie wel/niet afvalt, worden gedetecteerd met behulp van machine learning. |
aan het einde van 3 maanden
|
De impact van langdurig gebruik van de gezondheidsapp en de slimme lichaamsvetschaal op de betrokkenheid van patiënten. Factoren die het onderscheid maken tussen wie wel/niet afvalt, worden gedetecteerd met behulp van machine learning.
Tijdsspanne: aan het einde van 3 maanden
|
De impact van het langdurig gebruik van de gezondheidsapp en de slimme lichaamsvetschaal op de betrokkenheid van de patiënt wordt onderzocht door het aantal trouwe dagen per week van elke maand bij elkaar op te tellen. Factoren die het onderscheid maken tussen wie wel/niet afvalt, worden gedetecteerd met behulp van machine learning. |
aan het einde van 3 maanden
|
De impact van langdurig gebruik van de gezondheidsapp en slimme lichaamsvetweegschaal op gewichtsbeheersing. Factoren die het onderscheid maken tussen wie wel/niet afvalt, worden gedetecteerd met behulp van machine learning.
Tijdsspanne: aan het einde van 6 maanden
|
De impact van het langdurig gebruik van de gezondheidsapp en de slimme lichaamsvetweegschaal op gewichtsbeheersing wordt onderzocht aan de hand van procentueel gewichtsverlies. Factoren die het onderscheid maken tussen wie wel/niet afvalt, worden gedetecteerd met behulp van machine learning. |
aan het einde van 6 maanden
|
De impact van langdurig gebruik van de gezondheidsapp en de slimme lichaamsvetschaal op de betrokkenheid van patiënten. Factoren die het onderscheid maken tussen wie wel/niet afvalt, worden gedetecteerd met behulp van machine learning.
Tijdsspanne: aan het einde van 6 maanden
|
De impact van het langdurig gebruik van de gezondheidsapp en de slimme lichaamsvetschaal op de betrokkenheid van de patiënt wordt onderzocht door het aantal trouwe dagen per week van elke maand bij elkaar op te tellen. Factoren die het onderscheid maken tussen wie wel/niet afvalt, worden gedetecteerd met behulp van machine learning. |
aan het einde van 6 maanden
|
Secundaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
---|---|---|
De impact van het langdurig gebruik van de gezondheidsapp en de slimme lichaamsvetschaal op de betrokkenheid van de patiënt wordt onderzocht door het aantal trouwe dagen per week van elke maand bij elkaar op te tellen.
Tijdsspanne: aan het einde van 1,2,3 en 6 maanden
|
De impact van het langdurig gebruik van de gezondheidsapp en de slimme lichaamsvetschaal op de betrokkenheid van de patiënt wordt onderzocht door het aantal trouwe dagen per week van elke maand bij elkaar op te tellen.
|
aan het einde van 1,2,3 en 6 maanden
|
Het verschil in gewichtsverlies tussen de deelnemers die goed voldoen aan het app + weegschaalprotocol en de deelnemers die slecht voldoen, wordt vergeleken met het percentage gewichtsverlies.
Tijdsspanne: aan het einde van 1,2,3 en 6 maanden
|
Het verschil in gewichtsverlies tussen de deelnemers die goed voldoen aan het app + weegschaalprotocol en de deelnemers die slecht voldoen, wordt vergeleken met het percentage gewichtsverlies.
|
aan het einde van 1,2,3 en 6 maanden
|
De associatie tussen zelfcontrole en maandelijks gewichtsverlies zal worden geëvalueerd door lineaire gemengde modellen met willekeurige effecten van tijd (maand) en deelnemer.
Tijdsspanne: aan het einde van 1,2,3 en 6 maanden
|
Onafhankelijke variabelen zijn onder meer diagnose, behandeling, uitgangsgewicht, therapietrouw bij zelfcontrole en fysieke activiteit et al.
De afhankelijke variabele wordt elke maand berekend als %WL, waarbij het basisgewicht als referentiepunt wordt gebruikt.
|
aan het einde van 1,2,3 en 6 maanden
|
De prospectieve associatie tussen maandelijks gewichtsverlies en naleving van zelfcontrole zal worden geëvalueerd door gegeneraliseerde lineaire gemengde modellen met willekeurige effecten van tijd (maand) en deelnemer.
Tijdsspanne: aan het einde van 1,2,3 en 6 maanden
|
Onafhankelijke variabelen zijn onder meer diagnose, behandeling, uitgangsgewicht, therapietrouw bij zelfcontrole, %WL van de vorige maand (bijv. %WL aan het einde van maand 2 voorspelde zelfcontrole tijdens maand 3) en de interactie tussen aandoening en %WL.
|
aan het einde van 1,2,3 en 6 maanden
|
Medewerkers en onderzoekers
Sponsor
Medewerkers
Onderzoekers
- Studie stoel: Xiao Le, Capital Medical University
Publicaties en nuttige links
Algemene publicaties
- Tek C, Kucukgoncu S, Guloksuz S, Woods SW, Srihari VH, Annamalai A. Antipsychotic-induced weight gain in first-episode psychosis patients: a meta-analysis of differential effects of antipsychotic medications. Early Interv Psychiatry. 2016 Jun;10(3):193-202. doi: 10.1111/eip.12251. Epub 2015 May 12.
- Dayabandara M, Hanwella R, Ratnatunga S, Seneviratne S, Suraweera C, de Silva VA. Antipsychotic-associated weight gain: management strategies and impact on treatment adherence. Neuropsychiatr Dis Treat. 2017 Aug 22;13:2231-2241. doi: 10.2147/NDT.S113099. eCollection 2017.
- Brockmann AN, Eastman A, Ross KM. Frequency and Consistency of Self-Weighing to Promote Weight-Loss Maintenance. Obesity (Silver Spring). 2020 Jul;28(7):1215-1218. doi: 10.1002/oby.22828. Epub 2020 May 21.
- Patel ML, Wakayama LN, Bennett GG. Self-Monitoring via Digital Health in Weight Loss Interventions: A Systematic Review Among Adults with Overweight or Obesity. Obesity (Silver Spring). 2021 Mar;29(3):478-499. doi: 10.1002/oby.23088.
- Cheatham SW, Stull KR, Fantigrassi M, Motel I. The efficacy of wearable activity tracking technology as part of a weight loss program: a systematic review. J Sports Med Phys Fitness. 2018 Apr;58(4):534-548. doi: 10.23736/S0022-4707.17.07437-0. Epub 2017 May 9.
- Suen L, Wang W, Cheng KKY, Chua MCH, Yeung JWF, Koh WK, Yeung SKW, Ho JYS. Self-Administered Auricular Acupressure Integrated With a Smartphone App for Weight Reduction: Randomized Feasibility Trial. JMIR Mhealth Uhealth. 2019 May 29;7(5):e14386. doi: 10.2196/14386.
- Flores Mateo G, Granado-Font E, Ferre-Grau C, Montana-Carreras X. Mobile Phone Apps to Promote Weight Loss and Increase Physical Activity: A Systematic Review and Meta-Analysis. J Med Internet Res. 2015 Nov 10;17(11):e253. doi: 10.2196/jmir.4836.
- Goldstein SP, Goldstein CM, Bond DS, Raynor HA, Wing RR, Thomas JG. Associations between self-monitoring and weight change in behavioral weight loss interventions. Health Psychol. 2019 Dec;38(12):1128-1136. doi: 10.1037/hea0000800. Epub 2019 Sep 26.
- Patel ML, Hopkins CM, Brooks TL, Bennett GG. Comparing Self-Monitoring Strategies for Weight Loss in a Smartphone App: Randomized Controlled Trial. JMIR Mhealth Uhealth. 2019 Feb 28;7(2):e12209. doi: 10.2196/12209.
Studie record data
Bestudeer belangrijke data
Studie start (Geschat)
Primaire voltooiing (Geschat)
Studie voltooiing (Geschat)
Studieregistratiedata
Eerst ingediend
Eerst ingediend dat voldeed aan de QC-criteria
Eerst geplaatst (Werkelijk)
Updates van studierecords
Laatste update geplaatst (Geschat)
Laatste update ingediend die voldeed aan QC-criteria
Laatst geverifieerd
Meer informatie
Termen gerelateerd aan deze studie
Aanvullende relevante MeSH-voorwaarden
- Psychische aandoening
- Glucosemetabolismestoornissen
- Metabole ziekten
- Stemmingsstoornissen
- Overvoeding
- Voedingsstoornissen
- Lichaamsgewicht
- Schizofreniespectrum en andere psychotische stoornissen
- Insuline-resistentie
- Hyperinsulinisme
- Bipolaire en aanverwante stoornissen
- Schizofrenie
- Metaboolsyndroom
- Bipolaire stoornis
- Overgewicht
Andere studie-ID-nummers
- MISP#100150
Informatie over medicijnen en apparaten, studiedocumenten
Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel
Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct
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 .