- ICH GCP
- US Clinical Trials Registry
- Klinisk utprøving NCT05874466
SenseToKnow Autism Screening Device Validation Study
4. mars 2026 oppdatert av: Duke University
SenseToKnow STAR Study: En studie av teknologier for vurdering av barns utvikling
Dette er en sentral, prospektiv, dobbeltblind studie for å evaluere sensitiviteten og spesifisiteten til SenseToKnow-appen for påvisning av autismespekterforstyrrelser hos barn i alderen 16-36 måneder.
Studieoversikt
Status
Rekruttering
Forhold
Detaljert beskrivelse
Dette er en sentral, prospektiv, dobbeltblind studie for å evaluere sensitiviteten og spesifisiteten til SenseToKnow-appen for klassifisering av autismespekterforstyrrelser når den administreres av foreldre i et utvalg pasienter i alderen 16–36 måneder.
Forsøksdesignet er en ikke-intervensjonell tverrsnittsstudie som sammenligner SenseToKnow-appens klassifisering av autismespektrumforstyrrelse ("autisme") versus ikke-autisme med pasientens diagnostiske status basert på ekspert klinisk diagnose i en populasjon av pediatriske pasienter.
Studietype
Observasjonsmessig
Registrering (Antatt)
350
Kontakter og plasseringer
Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.
Studiekontakt
- Navn: Geraldine Dawson, PhD
- Telefonnummer: 9196680070
- E-post: geraldine.dawson@duke.edu
Studer Kontakt Backup
- Navn: Charlotte Stoute, BA
- Telefonnummer: 919-681-9730
- E-post: charlotte.stoute@duke.edu
Studiesteder
-
-
North Carolina
-
Durham, North Carolina, Forente stater, 27705
- Rekruttering
- Duke University
-
Ta kontakt med:
- Geraldine Dawson, PhD
- Telefonnummer: 919-668-0070
-
-
Deltakelseskriterier
Forskere ser etter personer som passer til en bestemt beskrivelse, kalt kvalifikasjonskriterier. Noen eksempler på disse kriteriene er en persons generelle helsetilstand eller tidligere behandlinger.
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
- Barn
Tar imot friske frivillige
Ja
Prøvetakingsmetode
Ikke-sannsynlighetsprøve
Studiepopulasjon
Deltakerne vil være pasienter i alderen 16-36 måneder rekruttert fra > 6 steder som består av pediatriske medisinske klinikker som er en del av det bredere Duke University Health System i North Carolina.
Beskrivelse
Inklusjonskriterier:
- Duke Health pediatrisk pasient ved påmelding
- 16-<37 måneder ved innmelding
- Foreldre/verge snakker engelsk eller spansk
- Foreldre/verge forstår og gir frivillig informert samtykke
Ekskluderingskriterier:
- Alvorlig motorisk svikt som utelukker gjennomføring av studietiltak
- Kjente genetiske lidelser
- Alvorlig hørsels- eller synshemming som bestemt ved fysisk undersøkelse
- Akutte sykdommer som sannsynligvis forhindrer vellykket eller gyldig datainnsamling
- Ukontrollert epilepsi eller anfallsforstyrrelse
- Historie eller tilstedeværelse av en klinisk signifikant medisinsk sykdom, eller en mental tilstand som kan forvirre studien eller være skadelig for forsøkspersonen som bestemt av etterforskeren
- Akutte forverringer av kroniske sykdommer som sannsynligvis forhindrer vellykket eller gyldig datainnsamling
- Motta terapier som påvirker synet
- Foreldre/verge og/eller etterforsker mener at barnet ikke vil kunne/vil ikke sitte i fanget til foreldrene for å se appvideoene
- Foreldre/verge indikerer at de eller barnet deres er uvillige eller ute av stand til å fullføre appadministrasjonen, undersøkelsene eller diagnosevurderingen
- Deltakere som ellers vurderes som ute av stand til å overholde protokollen av etterforskeren
- Enhver annen faktor som etterforskeren mener vil gjøre studietiltakene ugyldige
Studieplan
Denne delen gir detaljer om studieplanen, inkludert hvordan studien er utformet og hva studien måler.
Hvordan er studiet utformet?
Designdetaljer
Kohorter og intervensjoner
Gruppe / Kohort |
|---|
|
Pediatriske pasienter, 16–36 måneder gamle, rekruttert gjennom pediatriske medisinske klinikker
Løpende pediatriske deltakere vil bli rekruttert og innskrevet via >= 6 deltakende steder bestående av pediatriske medisinske klinikker (f.eks. primærhelsetjeneste- og allmennmedisinklinikker) som er en del av det større Duke University Health System (DUHS) lokalisert i Nord-Carolina.
Innskriving vil fortsette til målene på N = 150 deltakere diagnostisert med autismepekterforstyrrelse og N = 200 uten autisme er nådd.
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Følsomheten til SenseToKnow-screeningenheten basert på en maskinlæringsalgoritme som kombinerer SenseToKnow-digitale data med data fra SenseToKnow Caregiver-spørreundersøkelsen for autismeoppdagelse
Tidsramme: Vil bli beregnet basert på data fra Baseline/Timepoint 1
|
Sensitivitet = #deltakere positiv for autisme på både (1) SenseToKnow-screeningenheten basert på en maskinlæringsalgoritme som kombinerer SenseToKnow digitale data med SenseToKnow Omsorgspersonundersøkelsesdata og (2) ekspert klinisk diagnose / #deltakere positiv for autisme på både SenseToKnow og ekspert klinisk diagnose
|
Vil bli beregnet basert på data fra Baseline/Timepoint 1
|
|
Spesifisiteten til SenseToKnow-screeningenheten basert på maskinlæringsalgoritme som kombinerer SenseToKnow-digitale data med data fra SenseToKnow-omsorgspersonundersøkelsen for autismeoppdagelse
Tidsramme: Vil bli beregnet basert på data fra Baseline/Timepoint 1
|
Spesifisitet = #deltakere negative for autisme på både (1) SenseToKnow-screeningverktøyet basert på en maskinlæringsalgoritme som kombinerer SenseToKnow digitale data med SenseToKnow omsorgspersonundersøkelsedata, og (2) ekspert klinisk diagnose / #deltakere negative for autisme på autisme ved ekspert klinisk diagnose
|
Vil bli beregnet basert på data fra Baseline/Timepoint 1
|
Sekundære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Positiv prediktiv verdi av SenseToKnow-screendingsenhet (basert på en maskinlæringsalgoritme som bruker SenseToKnows digitale data, kombinert med SenseToKnow Caregiver Survey-data) for autismeoppdagelse i sammenligning med ekspert klinisk diagnose
Tidsramme: Vil bli beregnet basert på data fra Baseline/Timepoint 1
|
Sannsynligheten for at en deltaker med et positivt testresultat (basert på en maskinlæringsalgoritme som bruker SenseToKnows digitale data, kombinert med SenseToKnow-omsorgsgiverundersøkelsesdata) har en diagnose for autisme (basert på ekspertens kliniske diagnose).
Positiv prediktiv verdi vil bli beregnet med og uten justering for befolkningsforekomst.
|
Vil bli beregnet basert på data fra Baseline/Timepoint 1
|
|
Negativ prediktiv verdi av SenseToKnow-screeningenheten (basert på en maskinlæringsalgoritme som bruker SenseToKnows digitale data, kombinert med SenseToKnow-omsorgspersonundersøkelsesdata) for autismeoppdagelse i sammenligning med ekspert klinisk diagnose
Tidsramme: Vil bli beregnet basert på data fra Baseline/Timepoint 1
|
Sannsynligheten for at en deltaker med et negativt testresultat (basert på en maskinlæringsalgoritme som bruker SenseToKnows digitale data, kombinert med SenseToKnow Caregiver Survey-data) ikke har en diagnose for autisme (basert på ekspert klinisk diagnose).
Negativ prediktiv verdi vil bli beregnet med og uten justering for befolkningens forekomst.
|
Vil bli beregnet basert på data fra Baseline/Timepoint 1
|
|
Receiver Operating Characteristic-kurve og areal under kurven med hensyn til nøyaktigheten av SenseToKnow-screeningenheten (ved bruk av SenseToKnow digitale data og SenseToKnow omsorgspersonundersøkelsesdata) for autisme versus ikke-autisme-klassifisering
Tidsramme: Vil bli beregnet basert på data fra Baseline/Timepoint 1
|
Receiver Operating Characteristic Curve (ROC) er en grafisk plot som illustrerer den diagnostiske evnen til et binært klassifiseringssystem når diskriminasjonsterskelen varieres.
Area Under the Curve (AUC) måler området under hele ROC-kurven.
Testens nøyaktighet er basert på en maskinlæringsalgoritme som bruker SenseToKnows digitale data, kombinert med SenseToKnow Caregiver Survey-data, sammenlignet med ekspertklinisk diagnose.
|
Vil bli beregnet basert på data fra Baseline/Timepoint 1
|
|
Sensitiviteten til SenseToKnow-screeningenheten basert på en maskinlæringsalgoritme som kun bruker SenseToKnows digitale data for autismeoppdagelse
Tidsramme: Vil bli beregnet basert på data fra Baseline/Timepoint 1
|
Sensitivitet = #deltakere positive for autisme på både (1) SenseToKnow-skreeningverktøyet basert på en maskinlæringsalgoritme som kun bruker SenseToKnows digitale data og (2) ekspert klinisk diagnose / # deltakere positive for autisme på ekspert klinisk diagnose
|
Vil bli beregnet basert på data fra Baseline/Timepoint 1
|
|
Spesifisiteten til SenseToKnow-screeningenheten basert på en maskinlæringsalgoritme som kun bruker SenseToKnows digitale data for autismeoppdagelse
Tidsramme: Vil bli beregnet basert på data fra Baseline/Timepoint 1
|
Spesifisitet = #deltakere som er negative for autisme på både (1) SenseToKnow-screeningverktøyet basert på en maskinlæringsalgoritme som kun bruker SenseToKnows digitale data og (2) ekspert klinisk diagnose / #deltakere som er negative for autisme på ekspert klinisk diagnose.
|
Vil bli beregnet basert på data fra Baseline/Timepoint 1
|
|
Positiv prediktiv verdi av SenseToKnow-screeningenheten basert på en maskinlæringsalgoritme som kun bruker SenseToKnows digitale data for autismeoppdagelse i sammenligning med ekspertklinisk diagnose
Tidsramme: Vil bli beregnet basert på data fra Baseline/Timepoint 1
|
Sannsynligheten for at en deltaker med et positivt testresultat har en diagnose av autisme (basert på ekspert klinisk diagnose).
Positiv prediktiv verdi vil bli beregnet med og uten justering for forekomst i befolkningen.
|
Vil bli beregnet basert på data fra Baseline/Timepoint 1
|
|
Negativ prediktiv verdi av SenseToKnow-screeningenhet basert på en maskinlæringsalgoritme som kun bruker SenseToKnows digitale data for autismeoppdagelse i sammenligning med ekspert klinisk diagnose
Tidsramme: Vil bli beregnet basert på data fra Baseline/Timepoint 1
|
Sannsynligheten for at en deltaker med et negativt testresultat ikke har en autisme-diagnose (basert på eksperters kliniske diagnose).
Negativ prediktiv verdi vil bli beregnet med og uten justering for forekomst i befolkningen.
|
Vil bli beregnet basert på data fra Baseline/Timepoint 1
|
|
Receiver Operating Characteristic-kurve og areal under kurven med hensyn til nøyaktigheten av SenseToKnow-enheten ved bruk av kun SenseToKnow digital data for autisme versus ikke-autisme klassifisering
Tidsramme: Vil bli beregnet basert på data fra Baseline/Timepoint 1
|
Receiver Operating Characteristic-kurve (ROC) er en grafisk plot som illustrerer diagnostisk evne til et binært klassifiseringssystem når diskriminasjonsterskelen varieres.
Areal under kurven (AUC) måler arealet under hele ROC-kurven.
Nøyaktighet av test er basert på en maskinlæringsalgoritme som kun bruker SenseToKnow digitale data, i sammenligning med ekspert klinisk diagnose.
|
Vil bli beregnet basert på data fra Baseline/Timepoint 1
|
Samarbeidspartnere og etterforskere
Det er her du vil finne personer og organisasjoner som er involvert i denne studien.
Sponsor
Samarbeidspartnere
Etterforskere
- Hovedetterforsker: Geraldine Dawson, PhD, Duke University
Studierekorddatoer
Disse datoene sporer fremdriften for innsending av studieposter og sammendragsresultater til ClinicalTrials.gov. Studieposter og rapporterte resultater gjennomgås av National Library of Medicine (NLM) for å sikre at de oppfyller spesifikke kvalitetskontrollstandarder før de legges ut på det offentlige nettstedet.
Studer hoveddatoer
Studiestart (Faktiske)
7. juli 2023
Primær fullføring (Antatt)
1. desember 2027
Studiet fullført (Antatt)
1. desember 2027
Datoer for studieregistrering
Først innsendt
12. mai 2023
Først innsendt som oppfylte QC-kriteriene
12. mai 2023
Først lagt ut (Faktiske)
25. mai 2023
Oppdateringer av studieposter
Sist oppdatering lagt ut (Faktiske)
6. mars 2026
Siste oppdatering sendt inn som oppfylte QC-kriteriene
4. mars 2026
Sist bekreftet
1. februar 2026
Mer informasjon
Begreper knyttet til denne studien
Nøkkelord
Ytterligere relevante MeSH-vilkår
Andre studie-ID-numre
- Pro00111371
- 2P50HD093074 (U.S. NIH-stipend/kontrakt)
Plan for individuelle deltakerdata (IPD)
Planlegger du å dele individuelle deltakerdata (IPD)?
JA
IPD-planbeskrivelse
Alle data på individnivå som oppfyller PHI- og IRB-konfidensialitetskravene vil bli sendt til NIH/NIMH Data Repository innen utgangen av tilskuddsperioden.
IPD-delingstidsramme
Vi vil sende inn en elektronisk versjon av det endelige, fagfellevurderte arbeidet, inkludert den statistiske analysekoden, til National Library of Medicine PubMed Central, for å gjøres offentlig tilgjengelig senest 12 måneder etter den offisielle publiseringsdatoen.
Tilgangskriterier for IPD-deling
Offentlig tilgjengelig via PubMed Central
IPD-deling Støtteinformasjonstype
- ANALYTIC_CODE
Legemiddel- og utstyrsinformasjon, studiedokumenter
Studerer et amerikansk FDA-regulert medikamentprodukt
Nei
Studerer et amerikansk FDA-regulert enhetsprodukt
Nei
Denne informasjonen ble hentet direkte fra nettstedet clinicaltrials.gov uten noen endringer. Hvis du har noen forespørsler om å endre, fjerne eller oppdatere studiedetaljene dine, vennligst kontakt register@clinicaltrials.gov. Så snart en endring er implementert på clinicaltrials.gov, vil denne også bli oppdatert automatisk på nettstedet vårt. .