Denne siden ble automatisk oversatt og nøyaktigheten av oversettelsen er ikke garantert. Vennligst referer til engelsk versjon for en kildetekst.

Kunstig intelligens-støttet mobilapplikasjon for selvbehandling av diabetes

24. mars 2025 oppdatert av: Nilhan Toyer Sahin, Uludag University

Effekten av nettbaserte og kunstig intelligens-assisterte persontilpassede applikasjoner på kunnskapsnivåer etterlevelse av behandling og selvledelse blant diabetikere

Pasienter i den AI-støttede mobilapplikasjonsgruppen vil kunne logge på med et brukernavn og passord som vil bli definert spesifikt for dem. Pasientene vil bli informert om hvordan søknaden brukes under første intervju. De vil legge inn sine personlige egenskaper og sykdomsegenskaper (alder, kjønn, høyde, vekt, HbA1C, HDL, LDL) i søknaden ved inngangen. Andre deler av søknaden vil inkludere trening, ernæring, medisinering, komplikasjonssporing og diabetisk fotpleie. Personen vil bli bedt om å legge inn relevant informasjon i disse feltene i henhold til eget liv og tilstand (for eksempel; hvor mange ganger bruker du insulin per dag, hva er medisineringstidene dine, hvordan bruker du dagen når det gjelder trening, hvor mange måltider spiser du, hva er kostholdet ditt, tisser du ofte, er du ekstremt tørst, er du ofte sulten, har du nummenhet i hender og føtter osv.). Etter at pasienten har lagt inn nødvendig informasjon, vil de også bli bedt om å legge inn sine daglige blodsukkermåleverdier i systemet. Dermed vil individets risiko for hypo/hyperglykemi, risikoanalyse, ernæringsanbefalinger, medisinpåminnelsessystem, treningspåminnelse og insentivadvarsler bli kommunisert til individet takket være den AI-baserte mobilapplikasjonen. Målet med denne applikasjonen er å redusere risikoen for komplikasjoner og forbedre individets livskvalitet ved å gi personlige anbefalinger for alle behovene til individet, inkludert alarmer og påminnelser, og å støtte pasienter til å fortsette sin diabetesopplæring og sykdomsbehandling mer aktivt. .

Studieoversikt

Status

Har ikke rekruttert ennå

Forhold

Intervensjon / Behandling

Detaljert beskrivelse

pre-test post-test kontrollgruppe design

Studietype

Intervensjonell

Registrering (Antatt)

156

Fase

  • Ikke aktuelt

Kontakter og plasseringer

Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.

Studiekontakt

  • Navn: Nilhan NŞ Töyer Şahin, PhD Student
  • Telefonnummer: +905333752295
  • E-post: nilhantyr@gmail.com

Studer Kontakt Backup

Studiesteder

  • Tyrkia
    • Başakşehir
      • İstanbul, Başakşehir, Tyrkia, 34480
        • Istanbul Basaksehir Cam and Sakura City Hospital
        • Ta kontakt med:
        • Ta kontakt med:
          • Nilhan NS TÖYER ŞAHİN, PhD Student

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
  • Voksen
  • Eldre voksen

Tar imot friske frivillige

Nei

Beskrivelse

Inkluderingskriterier:

  • Har vært diagnostisert med diabetes i minst 1 år
  • Å være mellom 18-65 år
  • Å være åpen for verbal kommunikasjon
  • Å kunne lese og skrive og snakke tyrkisk
  • Å ha en smart Android-telefon og kunne bruke mobilapplikasjoner
  • Å være villig til å delta i studien

Ekskluderingskriterier:

  • Å ha en persepsjonsforstyrrelse og psykiatrisk lidelse som hindrer pasienten i å kommunisere,
  • Å ha en tilstand som hindrer dem i å bruke en smarttelefon (avansert retinopati og nevropati, internettproblemer)
  • Å være på intensiv insulinbehandling
  • Å ha en tilstand som hindrer dem i å fortsette søknadsfasen av studien
  • Ønsker å forlate studiet

Studieplan

Denne delen gir detaljer om studieplanen, inkludert hvordan studien er utformet og hva studien måler.

Hvordan er studiet utformet?

Designdetaljer

  • Primært formål: Støttende omsorg
  • Tildeling: Randomisert
  • Intervensjonsmodell: Parallell tildeling
  • Masking: Enkelt

Våpen og intervensjoner

Deltakergruppe / Arm
Intervensjon / Behandling
Eksperimentell: WEB-basert applikasjon
Innholdsplanen for den nettbaserte mobilapplikasjonsgruppen vil bli utarbeidet med teknisk støtte som spesifisert. Pasienter vil kunne logge inn på mobilapplikasjonen med et brukernavn og passord som vil bli definert spesifikt for dem. Pasientene vil bli informert om hvordan nettsiden brukes ved første møte. De vil få tilgang til all informasjonen de trenger om diabetes med den nettbaserte mobilapplikasjonen. Statistiske data som hyppigheten av enkeltpersoner som besøker nettstedet, hvilke seksjoner de bruker oftere og hvor mye tid de bruker vil bli beregnet.
Annen: WEB-basert applikasjon
Innholdsplanen for den nettbaserte mobilapplikasjonsgruppen vil bli utarbeidet med teknisk støtte som spesifisert. Pasienter vil kunne logge inn på mobilapplikasjonen med et brukernavn og passord som vil bli definert spesifikt for dem. Pasientene vil bli informert om hvordan nettsiden brukes ved første møte. De vil få tilgang til all informasjonen de trenger om diabetes med den nettbaserte mobilapplikasjonen. Statistiske data som hyppigheten av enkeltpersoner som besøker nettstedet, hvilke seksjoner de bruker oftere og hvor mye tid de bruker vil bli beregnet.
Eksperimentell: kunstig intelligens-støttet mobilapplikasjon
Målet er at en kunstig intelligens-basert mobilapplikasjon som inkluderer informasjon, ernæring, treningsprogrammer, komplikasjoner og medisinering, personlige forslag, alarmer og påminnelser, som vil gjøre det mulig for diabetikere å følge glukosemålene sine, støtte pasienter i diabetesopplæringen, bevissthet og sykdomshåndtering for å fortsette mer aktivt. I tillegg er det sikte på at pasienter enkelt skal få tilgang til informasjon, forebygge akutte og kroniske komplikasjoner, presentere fysisk aktivitet og ernæringsforslag i samsvar med personens livsstil, følge opp medisiner med alarmer og påminnelser, forebygge negative resultater av komplikasjoner på forhånd, og forbedre individers diabetesspesifikke kunnskapsnivåer, etterlevelse av behandling, egenbehandling og omsorg med informasjon og veiledning om fotpleie for å redusere risikoen for diabetiske føtter, som er spesielt risikabelt for diabetespasienter.
Annen: kunstig intelligens-støttet mobilapplikasjon
Målet er at en kunstig intelligens-basert mobilapplikasjon som inkluderer informasjon, ernæring, treningsprogrammer, komplikasjoner og medisinering, personlige forslag, alarmer og påminnelser, som vil gjøre det mulig for diabetikere å følge glukosemålene sine, støtte pasienter i diabetesopplæringen, bevissthet og sykdomshåndtering for å fortsette mer aktivt. I tillegg er det sikte på at pasienter enkelt skal få tilgang til informasjon, forebygge akutte og kroniske komplikasjoner, presentere fysisk aktivitet og ernæringsforslag i samsvar med personens livsstil, følge opp medisiner med alarmer og påminnelser, forebygge negative resultater av komplikasjoner på forhånd, og forbedre individers diabetesspesifikke kunnskapsnivåer, etterlevelse av behandling, selvledelse og omsorg med informasjon og veiledning om fotpleie for å redusere risikoen for diabetiske føtter, som er spesielt risikabelt for diabetespasienter.
Ingen inngripen: kontrollgruppe
Ingen intervensjon vil bli brukt til kontrollgruppen, og de vil få rutinemessig klinisk og poliklinisk opplæring.

Hva måler studien?

Primære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Diabetes Self-Management Scale (DSMS)
Tidsramme: 6 måneder
Diabetes Self-Management Scale (DSMS): Denne skalaen ble brukt til å måle atferdskomponenten til individer i IMB-modellen. Denne skalaen ble utviklet av Schmitt et al. (2013) for å undersøke forholdet mellom selvbehandling av diabetes og glykemisk kontroll hos diabetespasienter (Schmitt et al., 2013). Validitets- og reliabilitetsstudien av den tyrkiske Diabetes Self-Management Scale (DSMS) ble utført av Eroğlu og Sabuncu (2018) (Eroğlu og Sabuncu, 2018). Skalaen består av 16 elementer og 4 underdimensjoner og er en 4-punkts Likert-type. Skalaen besvares som 3. Det passer meg veldig, 2. Det passer meg mye, 1. Det passer meg litt, 0. Det passer meg ikke i det hele tatt. Glukosebehandlingsunderdimensjon: Punkt 1, 4, 6, 10, 12 (punkt 4 og 12 handler om medisinbruk, punkt 1, 6 og 10 handler om blodsukkermåling). Underdimensjon kostholdskontroll: punkt 2, 5, 9, 13. Underdimensjon Fysisk aktivitet: Elementer 8, 11, 15. Bruk av helsetjenester underdimensjon: punkt 3, 7 og 14. Punkt 16 er ikke inkludert
6 måneder

Sekundære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Adult diabetes kunnskapsskala (ADSL)
Tidsramme: 6 måneder
Adult diabetes knowledge scale (ADSL): Denne skalaen ble utviklet av Erenel Yavuz og Erol (2022) for å måle kunnskapsnivåene til voksne individer med diabetes (Erenel Yavuz og Erol, 2022). Skalaen består av 5 underdimensjoner og 28 elementer: Generell informasjon om diabetes (6 elementer), blodsukkermålinger og -verdier (5 elementer), diabetesrisikofaktorer (4 elementer), diabetessymptomer (8 elementer), diabeteskomplikasjoner (5 elementer) varer). Skalaen består av to sett med elementer som sant og usant. De som svarer riktig på spørsmålene ja/nei/jeg vet ikke svartype får 1 poeng, og de som ikke vet og de som svarer feil får 0 poeng. Maksimal poengsum som kan oppnås fra skalaen er 28, og minimumskåren er 0. Kuder-Richardson-20 reliabilitetskoeffisienten for hele skalaen ble funnet å være 0,94. Alfaverdier i underdimensjonene er; Generell informasjon om diabetes ble funnet som 0,78, blodsukkermålinger og verdier som 0,85, diabetes
6 måneder
Morisky Medication Adherence Scale (MMAS-8)
Tidsramme: 6 måneder
Morisky Medication Adherence Scale (MMAS-8) MMAS-8-skalaen består av 8 elementer. Hvert av de 7 første punktene har 2 mulige svar (ja/nei), mens det 8. elementet besvares med en 5-punkts Likert-skala. Den mulige totale medisinoverholdelsesskåren varierer mellom 0 og 8, og jo høyere skåre, desto bedre etterlevelsesnivå. En total skåre < 6 regnes som lav etterlevelse, mens en total skåre på ≥ 6 men < 8 indikerer moderat etterlevelse, og en skåre på 8 indikerer høy etterlevelse.
6 måneder

Samarbeidspartnere og etterforskere

Det er her du vil finne personer og organisasjoner som er involvert i denne studien.

Sponsor

Uludag 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 (Antatt)

1. april 2025

Primær fullføring (Antatt)

1. januar 2026

Studiet fullført (Antatt)

1. juni 2026

Datoer for studieregistrering

Først innsendt

18. oktober 2024

Først innsendt som oppfylte QC-kriteriene

18. oktober 2024

Først lagt ut (Faktiske)

21. oktober 2024

Oppdateringer av studieposter

Sist oppdatering lagt ut (Faktiske)

25. mars 2025

Siste oppdatering sendt inn som oppfylte QC-kriteriene

24. mars 2025

Sist bekreftet

1. mars 2025

Mer informasjon

Begreper knyttet til denne studien

Nøkkelord

Ytterligere relevante MeSH-vilkår

Andre studie-ID-numre

  • 2024-12/16

Plan for individuelle deltakerdata (IPD)

Planlegger du å dele individuelle deltakerdata (IPD)?

NEI

Legemiddel- og utstyrsinformasjon, studiedokumenter

Studerer et amerikansk FDA-regulert medikamentprodukt

Nei

Studerer et amerikansk FDA-regulert enhetsprodukt

Nei

produkt produsert i og eksportert fra USA

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. .

Abonnere