SenseToKnow Badanie walidacji urządzenia do badań przesiewowych autyzmu
Badanie SenseToKnow STAR: badanie technologii oceny rozwoju dzieci
Przegląd badań
Status
Status
Warunki
Warunki
Szczegółowy opis
Typ studiów
Typ studiów
Zapisy (Szacowany)
Zapisy
Kontakty i lokalizacje
Kontakt w sprawie studiów
Kontakt w sprawie studiów
- Nazwa: Geraldine Dawson, PhD
- Numer telefonu: 9196680070
- E-mail: geraldine.dawson@duke.edu
Kopia zapasowa kontaktu do badania
- Nazwa: Charlotte Stoute, BA
- Numer telefonu: 919-681-9730
- E-mail: charlotte.stoute@duke.edu
Lokalizacje studiów
-
-
North Carolina
-
Durham, North Carolina, Stany Zjednoczone, 27705
- Rekrutacyjny
- Duke University
-
Kontakt:
- Geraldine Dawson, PhD
- Numer telefonu: 919-668-0070
-
-
Kryteria uczestnictwa
Kryteria kwalifikacji
Kryteria kwalifikacji
Wiek uprawniający do nauki
- Dziecko
Akceptuje zdrowych ochotników
Metoda próbkowania
Badana populacja
Opis
Kryteria przyjęcia:
- Pacjent pediatryczny Duke Health podczas rejestracji
- Wiek 16-<37 miesięcy w chwili rejestracji
- Rodzic/opiekun prawny mówi po angielsku lub hiszpańsku
- Rodzic/opiekun prawny rozumie i dobrowolnie wyraża świadomą zgodę
Kryteria wyłączenia:
- Ciężkie upośledzenie ruchowe, które uniemożliwia ukończenie badania
- Znane wady genetyczne
- Ciężkie upośledzenie słuchu lub wzroku stwierdzone podczas badania fizykalnego
- Ostre choroby, które mogą uniemożliwić pomyślne lub prawidłowe gromadzenie danych
- Niekontrolowana padaczka lub zaburzenie napadowe
- Historia lub obecność klinicznie istotnej choroby medycznej lub stanu psychicznego, który mógłby zakłócić badanie lub być szkodliwy dla uczestnika, zgodnie z ustaleniami badacza
- Ostre zaostrzenia chorób przewlekłych, które mogą uniemożliwić pomyślne lub prawidłowe zebranie danych
- Przyjmowanie terapii wpływających na wzrok
- Rodzic/opiekun prawny i/lub badacz uważa, że dziecko nie będzie mogło/nie będzie chciało siedzieć na kolanach rodzica, aby oglądać filmy z aplikacji
- Rodzic/opiekun prawny wskazuje, że on lub jego dziecko nie chcą lub nie mogą ukończyć administrowania aplikacją, ankiet lub oceny diagnostycznej
- Uczestnicy, którzy w inny sposób zostali uznani przez badacza za niezdolnych do przestrzegania protokołu
- Każdy inny czynnik, który zdaniem badacza może spowodować, że pomiary badawcze będą nieważne
Plan studiów
Jak projektuje się badanie?
Szczegóły projektu
Liczba grup / kohort
Kohorty i interwencje
Grupa / KohortaGrupa / Kohorta |
|---|
|
Pacjenci pediatryczni, w wieku 16–36 miesięcy, rekrutowani za pośrednictwem klinik medycyny dziecięcej
Kolejni uczestnicy pediatryczni będą rekrutowani i rekrutowani za pośrednictwem ≥ 6 uczestniczących ośrodków składających się z pediatrycznych klinik medycznych (np. podstawowej opieki zdrowotnej i klinik medycyny rodzinnej), które są częścią szerszego systemu opieki zdrowotnej Duke University (DUHS) zlokalizowanego w Karolinie Północnej.
Rekrutacja będzie kontynuowana do osiągnięcia docelowych wartości N = 150 uczestników z rozpoznaniem zaburzeń ze spektrum autyzmu oraz N = 200 bez autyzmu.
|
Co mierzy badanie?
Podstawowe miary wyniku
Podstawowe miary wyniku
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Czułość urządzenia przesiewowego SenseToKnow oparta na algorytmie uczenia maszynowego, który łączy dane cyfrowe SenseToKnow z danymi z ankiety SenseToKnow Caregiver do wykrywania autyzmu
Ramy czasowe: Zostanie obliczone na podstawie danych z punktu wyjściowego/punktu czasowego 1
|
Czułość = #uczestników z wynikiem pozytywnym na autyzm zarówno w (1) urządzeniu przesiewowym SenseToKnow opartym na algorytmie uczenia maszynowego, który łączy dane cyfrowe SenseToKnow z danymi z ankiety dla opiekunów SenseToKnow, jak i w (2) eksperckiej diagnozie klinicznej / #uczestników z wynikiem pozytywnym na autyzm zarówno w SenseToKnow, jak i w eksperckiej diagnozie klinicznej
|
Zostanie obliczone na podstawie danych z punktu wyjściowego/punktu czasowego 1
|
|
Specyficzność urządzenia przesiewowego SenseToKnow opartego na algorytmie uczenia maszynowego, który łączy dane cyfrowe SenseToKnow z danymi z ankiety SenseToKnow Caregiver do wykrywania autyzmu
Ramy czasowe: Będzie obliczane na podstawie danych z punktu wyjściowego/punktu czasowego 1
|
Specyficzność = #uczestnicy negatywni pod względem autyzmu zarówno w (1) urządzeniu przesiewowym SenseToKnow opartym na algorytmie uczenia maszynowego, który łączy dane cyfrowe SenseToKnow z danymi z ankiety SenseToKnow Caregiver Survey, jak i (2) eksperckiej diagnozie klinicznej / #uczestnicy negatywni pod względem autyzmu w autyzmie według eksperckiej diagnozy klinicznej
|
Będzie obliczane na podstawie danych z punktu wyjściowego/punktu czasowego 1
|
Miary wyników drugorzędnych
Miary wyników drugorzędnych
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Wartość Predykcyjna Dodatnia urządzenia przesiewowego SenseToKnow (oparta na algorytmie uczenia maszynowego wykorzystującym dane cyfrowe SenseToKnow, w połączeniu z danymi z ankiety SenseToKnow Caregiver Survey) do wykrywania autyzmu w porównaniu z ekspercką diagnozą kliniczną
Ramy czasowe: Będzie obliczane na podstawie danych z Punktu wyjściowego/Czasu 1
|
Prawdopodobieństwo, że uczestnik z pozytywnym wynikiem testu (w oparciu o algorytm uczenia maszynowego wykorzystujący dane cyfrowe SenseToKnow, w połączeniu z danymi z ankiety SenseToKnow dla opiekunów) ma diagnozę autyzmu (w oparciu o ekspercką diagnozę kliniczną).
Wartość predykcyjna dodatnia zostanie obliczona z korektą i bez korekty o częstość występowania w populacji.
|
Będzie obliczane na podstawie danych z Punktu wyjściowego/Czasu 1
|
|
Wartość predykcyjna ujemna urządzenia przesiewowego SenseToKnow (oparta na algorytmie uczenia maszynowego wykorzystującym cyfrowe dane SenseToKnow, połączona z danymi z ankiety dla opiekunów SenseToKnow) w wykrywaniu autyzmu w porównaniu z ekspercką diagnozą kliniczną
Ramy czasowe: Będzie obliczane na podstawie danych z punktu wyjściowego/punktu czasowego 1
|
Prawdopodobieństwo, że uczestnik z negatywnym wynikiem testu (na podstawie algorytmu uczenia maszynowego wykorzystującego dane cyfrowe SenseToKnow, połączone z danymi z ankiety SenseToKnow Caregiver Survey) nie ma diagnozy autyzmu (na podstawie eksperckiej diagnozy klinicznej).
Wartość predykcyjna ujemna zostanie obliczona z korektą i bez korekty dla częstości występowania w populacji.
|
Będzie obliczane na podstawie danych z punktu wyjściowego/punktu czasowego 1
|
|
Krzywa charakterystyki odbiorczej (ROC) i pole pod krzywą w odniesieniu do dokładności urządzenia przesiewowego SenseToKnow (przy użyciu danych cyfrowych SenseToKnow i danych z ankiety SenseToKnow Caregiver) w klasyfikacji autyzmu versus nie-autyzmu
Ramy czasowe: Będzie obliczany na podstawie danych z punktu wyjściowego/punktu czasowego 1
|
Krzywa Charakterystyki Odbiorcy (ROC) to wykres graficzny ilustrujący zdolność diagnostyczną systemu klasyfikatora binarnego w miarę zmiany jego progu dyskryminacji.
Pole pod Krzywą (AUC) mierzy obszar pod całą krzywą ROC. Dokładność testu opiera się na algorytmie uczenia maszynowego wykorzystującym cyfrowe dane SenseToKnow, połączone z danymi z ankiety dla opiekunów SenseToKnow, w porównaniu z ekspercką diagnozą kliniczną. |
Będzie obliczany na podstawie danych z punktu wyjściowego/punktu czasowego 1
|
|
Czułość urządzenia przesiewowego SenseToKnow oparta na algorytmie uczenia maszynowego wykorzystującym wyłącznie dane cyfrowe SenseToKnow do wykrywania autyzmu
Ramy czasowe: Będzie obliczany na podstawie danych z punktu wyjściowego/punktu czasowego 1
|
Czułość = #uczestnicy pozytywni pod kątem autyzmu zarówno w (1) urządzeniu przesiewowym SenseToKnow opartym na algorytmie uczenia maszynowego wykorzystującym tylko dane cyfrowe SenseToKnow, jak i (2) eksperckiej diagnozie klinicznej / # uczestnicy pozytywni pod kątem autyzmu w eksperckiej diagnozie klinicznej
|
Będzie obliczany na podstawie danych z punktu wyjściowego/punktu czasowego 1
|
|
Specyficzność urządzenia przesiewowego SenseToKnow opartego na algorytmie uczenia maszynowego wykorzystującego wyłącznie dane cyfrowe SenseToKnow do wykrywania autyzmu
Ramy czasowe: Będzie obliczana na podstawie danych z punktu wyjściowego / punktu czasowego 1
|
Swoistość = #uczestników z negatywnym wynikiem autyzmu zarówno w (1) urządzeniu przesiewowym SenseToKnow opartym na algorytmie uczenia maszynowego wykorzystującym wyłącznie dane cyfrowe SenseToKnow, jak i (2) eksperckiej diagnozie klinicznej / #uczestników z negatywnym wynikiem autyzmu w eksperckiej diagnozie klinicznej.
|
Będzie obliczana na podstawie danych z punktu wyjściowego / punktu czasowego 1
|
|
Wartość predykcyjna dodatnia urządzenia przesiewowego SenseToKnow opartego na algorytmie uczenia maszynowego wykorzystującego wyłącznie cyfrowe dane SenseToKnow do wykrywania autyzmu w porównaniu z ekspercką diagnozą kliniczną
Ramy czasowe: Zostanie obliczone na podstawie danych z punktu wyjściowego/punktu czasowego 1
|
Prawdopodobieństwo, że uczestnik z pozytywnym wynikiem testu ma diagnozę autyzmu (na podstawie eksperckiej diagnozy klinicznej).
Wartość predykcyjna dodatnia będzie obliczona z uwzględnieniem i bez uwzględnienia dostosowania do częstości występowania w populacji.
|
Zostanie obliczone na podstawie danych z punktu wyjściowego/punktu czasowego 1
|
|
Wartość predykcyjna ujemna urządzenia przesiewowego SenseToKnow oparta na algorytmie uczenia maszynowego wykorzystującym wyłącznie dane cyfrowe SenseToKnow do wykrywania autyzmu w porównaniu z ekspercką diagnozą kliniczną
Ramy czasowe: Będzie obliczana na podstawie danych z linii bazowej/punktu czasowego 1
|
Prawdopodobieństwo, że uczestnik z negatywnym wynikiem testu nie ma diagnozy autyzmu (na podstawie eksperckiej diagnozy klinicznej).
Wartość predykcyjna negatywna zostanie obliczona z korektą i bez korekty o częstość występowania w populacji.
|
Będzie obliczana na podstawie danych z linii bazowej/punktu czasowego 1
|
|
Krzywa Charakterystyki Odbiorczej i Pole pod Krzywą w odniesieniu do dokładności urządzenia SenseToKnow wykorzystującego wyłącznie dane cyfrowe SenseToKnow do klasyfikacji autyzmu versus brak autyzmu
Ramy czasowe: Będzie obliczana na podstawie danych z punktu wyjściowego/punktu czasowego 1
|
Krzywa Charakterystyki Odbiorczej (ROC) to wykres graficzny ilustrujący zdolność diagnostyczną systemu klasyfikatora binarnego w miarę zmiany jego progu dyskryminacji.
Pole Pod Krzywą (AUC) mierzy obszar pod całą krzywą ROC.
Dokładność testu opiera się na algorytmie uczenia maszynowego wykorzystującym wyłącznie cyfrowe dane SenseToKnow, w porównaniu z ekspercką diagnozą kliniczną.
|
Będzie obliczana na podstawie danych z punktu wyjściowego/punktu czasowego 1
|
Współpracownicy i badacze
Sponsor
Sponsor
Współpracownicy
Współpracownicy
Śledczy
Śledczy
- Główny śledczy: Geraldine Dawson, PhD, Duke University
Daty zapisu na studia
Główne daty studiów
Rozpoczęcie studiów (Rzeczywisty)
Rozpoczęcie studiów
Zakończenie podstawowe (Szacowany)
Zakończenie podstawowe
Ukończenie studiów (Szacowany)
Ukończenie studiów
Daty rejestracji na studia
Pierwszy przesłany
Pierwszy przesłany
Pierwszy przesłany, który spełnia kryteria kontroli jakości
Pierwszy przesłany, który spełnia kryteria kontroli jakości
Pierwszy wysłany (Rzeczywisty)
Pierwszy wysłany
Aktualizacje rekordów badań
Ostatnia wysłana aktualizacja (Rzeczywisty)
Ostatnia wysłana aktualizacja
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
Ostatnia weryfikacja
Ostatnia weryfikacja
Więcej informacji
Terminy związane z tym badaniem
Słowa kluczowe
Dodatkowe istotne warunki MeSH
Inne numery identyfikacyjne badania
Inne numery identyfikacyjne badania
- Pro00111371
- 2P50HD093074 (Grant/umowa NIH USA)
Plan dla danych uczestnika indywidualnego (IPD)
Planujesz udostępniać dane poszczególnych uczestników (IPD)?
Opis planu IPD
Ramy czasowe udostępniania IPD
Kryteria dostępu do udostępniania IPD
Typ informacji pomocniczych dotyczących udostępniania IPD
- ANALITYCZNY_KOD
Informacje o lekach i urządzeniach, dokumenty badawcze
Bada produkt leczniczy regulowany przez amerykańską FDA
Bada produkt urządzenia regulowany przez amerykańską FDA
Te informacje zostały pobrane bezpośrednio ze strony internetowej clinicaltrials.gov bez żadnych zmian. Jeśli chcesz zmienić, usunąć lub zaktualizować dane swojego badania, skontaktuj się z register@clinicaltrials.gov. Gdy tylko zmiana zostanie wprowadzona na stronie clinicaltrials.gov, zostanie ona automatycznie zaktualizowana również na naszej stronie internetowej .