- ICH GCP
- US Clinical Trials Registry
- Klinisk utprøving NCT07248046
Smarttelefon vs manuell tolkning av biomarkører for eggløsning og lutealfasedeteksjon (SMOM-studien) (SMOM)
24. juli 2026 oppdatert av: Bruyère Health Research Institute.
Sammenligning av livmorhalsslime, PDG, LH og basal kroppstemperatur-kombinasjoner for eggløsnings- og lutealfaseidentifikasjon ved bruk av Premom-smarttelefonappen mot brukerleste testresultater: En prospektiv observasjonsstudie
Denne studien vil sammenligne ulike kombinasjoner av fruktbarhetstegn (cervikalslim [CM], luteiniserende hormon [LH], pregnandiolglukuronid [PDG] og basal kroppstemperatur [BBT]) for å finne ut hvilke som er mest pålitelige for å identifisere eggløsning og lutealfaselengde.
Tredve eksisterende Premom App-brukere vil følge daglige observasjoner gjennom tre menstruasjonssykluser.
Deltakerne vil registrere slim, utføre urinprøver, laste opp teststripebilder til Premom App-en og måle BBT.
Både deltakernes egne avlesninger og AI-assisterte app-avlesninger vil bli analysert.
Hovedmålet er å finne ut hvilke markørparinger som gir det mest nøyaktige bildet av eggløsningstidspunkt og lutealfaselengde.
Bimål inkluderer å forstå brukervennlighet, antall tester som kreves, og om appen forbedrer nøyaktigheten.
Studieoversikt
Status
Aktiv, ikke rekrutterende
Forhold
Intervensjon / Behandling
Detaljert beskrivelse
Denne studien undersøker hvor godt ulike kombinasjoner av fruktbarhetstegn – endringer i livmorhalsslim, hormonverdier i urin og kroppstemperatur – kan bidra til å identifisere eggløsning og lutealfaselengde. Studien bruker Premom-appen, som lar brukere registrere fruktbarhetstegn og ta bilder av urinhormonteststrimler for AI-assistert tolkning. Fire markørpar vil bli sammenlignet: Slim pluss PDG, LH pluss PDG, Slim pluss BBT og LH pluss BBT. Hver deltaker vil spore tre sykluser, med både app-baserte og brukerbaserte avlesninger som analyseres. Studien vil vurdere hvilke markørkombinasjoner som er mest nøyaktige og brukervennlige. Sekundære endepunkter inkluderer brukervennlighet, testbyrde og avtale mellom app og deltaker. Resultatene kan støtte forbedringer i fruktbarhetsbevissthet og digitale helseverktyg. Risikoene er minimale og involverer tidsforpliktelse for daglig sporing. **Dette er en observasjonsstudie. Deltakere blir ikke tildelt noen intervensjon; alle fruktbarhetstegn som samles inn er en del av deres eksisterende selvsporing ved bruk av Premom-appen. Studien analyserer disse naturlig forekommende dataene for å sammenligne markørpar for å identifisere eggløsning og lutealfaselengde.**
Studietype
Observasjonsmessig
Registrering (Antatt)
30
Kontakter og plasseringer
Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.
Studiesteder
-
-
Ontario
-
Ottawa, Ontario, Canada, K1G 3V4
- St. Laurent Ideal Clinic
-
-
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
Tar imot friske frivillige
Ja
Prøvetakingsmetode
Ikke-sannsynlighetsprøve
Studiepopulasjon
Denne studien vil inkludere opptil 30 voksne kvinner i alderen 16 til 45 år som har naturlige menstruasjonssykluser og er nåværende brukere av Premom smarttelefon-applikasjonen for fruktbarhetssporing.
Alle deltakere vil bo innenfor omtrent 50 kilometer fra Ottawa, Ontario, Canada.
Deltakere må være uten hormonell prevensjon i minst tre måneder og være villige til å registrere daglige fruktbarhetstegn - livmorhalsslime, urin-LH og PDG-testresultater, og basal kroppstemperatur - over tre påfølgende menstruasjonssykluser.
Studiepopulasjonen representerer friske kvinner i fruktbar alder som allerede er engasjert i selvsporing av fruktbarhet og menstruasjonshelse ved hjelp av mobilteknologi.
Beskrivelse
Inklusjonskriterier:
- Kvinne, 16 til 45 år
- Naturlige menstruasjonssykluser lik eller mindre enn 35 dager
- Uten hormonell prevension i mer enn 3 måneder
- Nåværende bruker av Premom-appen
- Villig til å spore livmorslim, LH, PDG og basal kroppstemperatur i 3 fulle sykluser
- Bor innen 50 km fra studieområdet i Ottawa-regionen
- I stand til å gi informert samtykke
Eksklusjonskriterier:
- Gravid eller ammende
- Nåværende hormonbehandling eller prevension
- Kjente anovulatoriske lidelser, f.eks. polycystisk ovarysyndrom, hypotalamisk amenoré
- Svært uregelmessige eller fraværende sykluser
- Bruker ikke Premom-appen
- Ikke i stand til eller ikke villig til å fullføre sporing eller gi samtykke
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 |
Intervensjon / Behandling |
|---|---|
|
Premom App-brukere
Kvinner i alderen 16 til 45 som allerede bruker Premom-appen, som vil spore daglige fruktbarhetstegn over 3 menstruasjonssykluser.
|
Deltakere bruker Premom-smarttelefonappen (Easy Healthcare Corporation) til å logge daglige fruktbarhetsindikatorer - livmorslim (CM), luteiniserende hormon (LH)-strimler i urin, pregnandiolglukuronid (PDG)-strimler i urin og basal kroppstemperatur (BBT) - over tre menstruasjonssykluser.
Både deltaker-leste og AI-tolkede app-avlesninger sammenlignes for å identifisere eggløsning og lutealfaselengde.
**Dette er en observasjonsstudie.
Deltakere blir ikke tildelt noen intervensjon; alle fruktbarhetstegn som samles inn er en del av deres eksisterende egenovervåkning ved bruk av Premom-appen.
Studien analyserer disse naturlig forekommende dataene for å sammenligne markørparinger for å identifisere eggløsning og lutealfaselengde.**
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Avtale mellom markørkombinasjoner og estimert eggløsningsdag (EDO)
Tidsramme: Gjennom fullføring av hver menstruasjonssyklus (sykluslengde opptil 35 dager), over 3 påfølgende sykluser per deltaker
|
Dette resultatet evaluerer hvordan fire kombinasjoner av fruktbarhetsmarkører identifiserer den estimerte ovulasjonsdagen (EDO) over tre menstruasjonssykluser.
Deltakere vil registrere daglige observasjoner av livmorhalsslim (CM), urinbasert luteiniserende hormon (LH) og pregnandiolglukuronid (PDG)-resultater, og basal kroppstemperatur (BBT), ved bruk av både manuelle avlesninger og Premom-smarttelefonappen.
For hver syklus vil EDO etableres ved hjelp av validerte fysiologiske indikatorer, inkludert topptype livmorhalsslim, LH-toppen, økningen i PDG og den postovulatoriske BBT-endringen.
EDO identifisert av hver markørkombinasjon - livmorhalsslim pluss PDG, LH pluss PDG, livmorhalsslim pluss BBT, og LH pluss BBT.
Overensstemmelse vil bli vurdert ved å beregne den absolutte dagsforskjellen mellom estimatene.
|
Gjennom fullføring av hver menstruasjonssyklus (sykluslengde opptil 35 dager), over 3 påfølgende sykluser per deltaker
|
|
Lutealfaselengde bestemt av ulike fruktbarhetsmarkørkombinasjoner
Tidsramme: Daglig registrering gjennom fullføring av hver menstruasjonssyklus (sykluslengde opptil 35 dager), over 3 påfølgende sykluser per deltaker.
|
Antall dager fra estimert eggløsningsdag til starten av neste menstruasjonsperiode, beregnet for hver markørkombinasjon og sammenlignet innenfor forsøkspersoner over tre menstruasjonssykluser.
|
Daglig registrering gjennom fullføring av hver menstruasjonssyklus (sykluslengde opptil 35 dager), over 3 påfølgende sykluser per deltaker.
|
Sekundære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Brukertilfredshet med fruktbarhetssporingsmetoder
Tidsramme: Ved fullføring av syklus 3 (sykluslengde opptil 35 dager).
|
Deltakertilfredshet vil bli målt ved hjelp av den nitten-punkts Deltakerevalueringundersøkelsen, som undersøker klarhet i instruksjoner, enkelhet i daglig sporing, bruk av livmorslimsobservasjoner, LH- og PDG-tester, BBT-målinger, app-basert tolkning, tidsbelastning og samlet verdi.
Hvert punkt bruker en fem-alternativ Likert-skala: Sterkt enig, Enig, Nøytral, Uenig og Sterkt uenig.
Høyere vurderte svar indikerer bedre brukervennlighet, klarere instruksjoner, lavere opplevd belastning og større samlet tilfredshet.
|
Ved fullføring av syklus 3 (sykluslengde opptil 35 dager).
|
|
Avtale mellom deltaker og app-tolkninger av LH- og PDG-teststrimer
Tidsramme: Ved fullføring av syklus 3 (sykluslengde opptil 35 dager).
|
Overensstemmelsesrate mellom deltakerens visuelle tolkning og Premom App AI-assistert tolkning av LH- og PDG-teststriperesultater, uttrykt som prosentvis overensstemmelse.
|
Ved fullføring av syklus 3 (sykluslengde opptil 35 dager).
|
|
Testbyrde og antall testdager per syklus
Tidsramme: Daglig oppfølging Gjennom fullføring av hver menstruasjonssyklus (sykluslengde opp til 35 dager), over 3 påfølgende sykluser per deltaker.
|
Gjennomsnittlig antall dager deltakerne utfører LH- og PDG-testing per syklus over tre sykluser, registrert i studieoppføringsdagboken og brukt for å evaluere praktisk gjennomførbarhet av hver markørkombinasjon.
|
Daglig oppfølging Gjennom fullføring av hver menstruasjonssyklus (sykluslengde opp til 35 dager), over 3 påfølgende sykluser per deltaker.
|
|
Evaluering av app-brukervennlighet og funksjonalitet
Tidsramme: Ved fullføring av syklus 3 (sykluslengde opptil 35 dager).
|
Tilbakemelding fra deltaker om funksjonalitet, pålitelighet ved bildeopplasting og nøyaktighet av AI-testtolkning i Premom-appen, vurdert gjennom undersøkelsen om brukervennlighet ved studiens slutt.
|
Ved fullføring av syklus 3 (sykluslengde opptil 35 dager).
|
|
Korrelasjon mellom livmorhalsslime-definert og standard fruktbarhetsvindu
Tidsramme: Gjennom fullføring av hver menstruasjonssyklus (sykluslengde opptil 35 dager), over 3 påfølgende sykluser per deltaker.
|
Sammenligning mellom fruktbare dager identifisert ved observasjon av cervixsekret og det klassiske Wilcox fruktbare vindu (de 5 dagene før og inkludert eggløsning), uttrykt som prosentvis overlapp og gjennomsnittlig dagsforskjell.
|
Gjennom fullføring av hver menstruasjonssyklus (sykluslengde opptil 35 dager), over 3 påfølgende sykluser per deltaker.
|
Samarbeidspartnere og etterforskere
Det er her du vil finne personer og organisasjoner som er involvert i denne studien.
Publikasjoner og nyttige lenker
Den som er ansvarlig for å legge inn informasjon om studien leverer frivillig disse publikasjonene. Disse kan handle om alt relatert til studiet.
Generelle publikasjoner
- Ecochard R, Leiva R, Bouchard T, Boehringer H, Direito A, Mariani A, Fehring R. Use of urinary pregnanediol 3-glucuronide to confirm ovulation. Steroids. 2013 Oct;78(10):1035-40. doi: 10.1016/j.steroids.2013.06.006. Epub 2013 Jul 4.
- Ecochard R, Duterque O, Leiva R, Bouchard T, Vigil P. Self-identification of the clinical fertile window and the ovulation period. Fertil Steril. 2015 May;103(5):1319-25.e3. doi: 10.1016/j.fertnstert.2015.01.031. Epub 2015 Feb 24.
- Gibbons T, Reavey J, Georgiou EX, Becker CM. Timed intercourse for couples trying to conceive. Cochrane Database Syst Rev. 2023 Sep 15;9(9):CD011345. doi: 10.1002/14651858.CD011345.pub3.
- Youngster M, Luz A, Baum M, Hourvitz R, Reuvenny S, Maman E, Hourvitz A. Artificial intelligence in the service of intrauterine insemination and timed intercourse in spontaneous cycles. Fertil Steril. 2023 Nov;120(5):1004-1012. doi: 10.1016/j.fertnstert.2023.07.008. Epub 2023 Jul 23.
- • Wang L, He L, Li J, Zeng D, Wen Y. T Line and C Line Detection and Ratio Reading of the Ovulation Test Strip Based on Deep Learning. In: Intelligent Data Engineering and Automated Learning - IDEAL 2021. Springer, Cham. Lecture Notes in Computer Science. 2021 Nov 23;(13113):625-636. https://www.researchgate.net/publication/356488630_T_Line_and_C_Line_Detection_and_Ratio_Reading_of_the_Ovulation_Test_Strip_Based_on_Deep_Learning
- Potluri V, Kathiresan PS, Kandula H, Thirumalaraju P, Kanakasabapathy MK, Kota Sai Pavan S, Yarravarapu D, Soundararajan A, Baskar K, Gupta R, Gudipati N, C Petrozza J, Shafiee H. An inexpensive smartphone-based device for point-of-care ovulation testing. Lab Chip. 2018 Dec 18;19(1):59-67. doi: 10.1039/c8lc00792f.
- Pattnaik S, Das D, Venkatesan VA. Validation of urinary reproductive hormone measurements using a novel smartphone connected reader. Sci Rep. 2023 Jun 7;13(1):9227. doi: 10.1038/s41598-023-36539-w.
- Mendizabal-Ruiz G, Paredes O, Alvarez A, Acosta-Gomez F, Hernandez-Morales E, Gonzalez-Sandoval J, Mendez-Zavala C, Borrayo E, Chavez-Badiola A. Artificial Intelligence in Human Reproduction. Arch Med Res. 2024 Dec;55(8):103131. doi: 10.1016/j.arcmed.2024.103131. Epub 2024 Nov 29.
- Leiva RA, Bouchard TP, Abdullah SH, Ecochard R. Urinary Luteinizing Hormone Tests: Which Concentration Threshold Best Predicts Ovulation? Front Public Health. 2017 Nov 28;5:320. doi: 10.3389/fpubh.2017.00320. eCollection 2017.
- Leiva R, Ecochard R. Helping Patients to Predict and Confirm Ovulation with the Use of Combined Urinary Hormonal and Smartphone Technology: A Proof-of-Concept Retrospective Descriptive Case Series. Semin Reprod Med. 2024 Jun;42(2):90-99. doi: 10.1055/s-0044-1791702. Epub 2024 Oct 8.
- Leiva R, McNamara-Kilian M, Niezgoda H, Ecochard R, Bouchard T. Pilot observational prospective cohort study on the use of a novel home-based urinary pregnanediol 3-glucuronide (PDG) test to confirm ovulation when used as adjunct to fertility awareness methods (FAMs) stage 1. BMJ Open. 2019 May 27;9(5):e028496. doi: 10.1136/bmjopen-2018-028496.
- Ecochard R, Leiva R, Bouchard T, Boehringer H, Iwaz J, Plotton I. Descriptive analysis of the relationship between progesterone and basal body temperature across the menstrual cycle. Steroids. 2022 Feb;178:108964. doi: 10.1016/j.steroids.2022.108964. Epub 2022 Jan 20.
- Duane M, Stanford JB, Porucznik CA, Vigil P. Fertility Awareness-Based Methods for Women's Health and Family Planning. Front Med (Lausanne). 2022 May 24;9:858977. doi: 10.3389/fmed.2022.858977. eCollection 2022.
- Bouchard TP, Fehring RJ, Schneider M. Pilot Evaluation of a New Urine Progesterone Test to Confirm Ovulation in Women Using a Fertility Monitor. Front Public Health. 2019 Jul 2;7:184. doi: 10.3389/fpubh.2019.00184. eCollection 2019.
- Bouchard TP. Using Quantitative Hormonal Fertility Monitors to Evaluate the Luteal Phase: Proof of Concept Case Study. Medicina (Kaunas). 2023 Jan 10;59(1):140. doi: 10.3390/medicina59010140.
Hjelpsomme linker
- • G. Maroju R, G. Choudhari S, Shaikh MK et al. Application of artificial intelligence-based strategies for promotion of family planning in India: a scoping review [version 1; peer review: awaiting peer review]. F1000Research 2023, 12:1447
- • Steward K, Raja A. Physiology, Ovulation And Basal Body Temperature. [Updated 2023 Jul 17]. In: StatPearls [Internet]. Treasure Island (FL): StatPearls Publishing; 2025 Jan-.
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)
15. januar 2026
Primær fullføring (Antatt)
15. september 2026
Studiet fullført (Antatt)
15. desember 2026
Datoer for studieregistrering
Først innsendt
14. november 2025
Først innsendt som oppfylte QC-kriteriene
21. november 2025
Først lagt ut (Faktiske)
25. november 2025
Oppdateringer av studieposter
Sist oppdatering lagt ut (Faktiske)
27. juli 2026
Siste oppdatering sendt inn som oppfylte QC-kriteriene
24. juli 2026
Sist bekreftet
1. juli 2026
Mer informasjon
Begreper knyttet til denne studien
Nøkkelord
- Menstruasjonssyklus
- Prospektive studier
- Observasjonsstudie
- Kunstig intelligens
- Kvinners helse
- Digital helse
- Fertilitet
- Eggløsning
- Progesteron
- Mobilapplikasjoner
- Lutealfase
- Luteiniserende hormon
- Livmorhalsslim
- Smartphone-app
- Selvtesting
- Basal kroppstemperatur
- Pregnanediol Glukuronid
- Kvinnelig reproduktiv fysiologi
- Fruktbarhetsbevissthetsbaserte metoder
- Hjemmediagnostiske tester
Andre studie-ID-numre
- REB-2026-56
Plan for individuelle deltakerdata (IPD)
Planlegger du å dele individuelle deltakerdata (IPD)?
UBESLUTTE
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. .