Opracowanie pasywnego cyfrowego znacznika ryzyka astmy dziecięcej
23 czerwca 2026 zaktualizowane przez: Arthur H. Owora, MPH, PhD, Indiana University
Niedostateczne rozpoznanie i leczenie jest głównym problemem w leczeniu astmy u dzieci, zwłaszcza u dzieci w wieku przedszkolnym. Obecne podejścia prognostyczne wykorzystujące narzędzia oparte na ocenie ryzyka mają słabą lub umiarkowaną dokładność, są niepraktyczne i mają ograniczone dowody skuteczności w warunkach klinicznych, a zatem nie są powszechnie stosowane w praktyce.
Celem badania jest określenie użyteczności, akceptacji, wykonalności i wstępnej skuteczności pasywnego markera cyfrowego astmy dziecięcej (PDM) wśród pediatrów. Badanie obejmie praktykujących pediatrów w sieci IU Health Network.
Przegląd badań
Status
Zakończony
Warunki
Interwencja / Leczenie
Typ studiów
Interwencyjne
Zapisy (Rzeczywisty)
34
Faza
- Nie dotyczy
Kontakty i lokalizacje
Ta sekcja zawiera dane kontaktowe osób prowadzących badanie oraz informacje o tym, gdzie badanie jest przeprowadzane.
Lokalizacje studiów
-
-
Indiana
-
Indianapolis, Indiana, Stany Zjednoczone, 46202
- Indiana University
-
-
Kryteria uczestnictwa
Badacze szukają osób, które pasują do określonego opisu, zwanego kryteriami kwalifikacyjnymi. Niektóre przykłady tych kryteriów to ogólny stan zdrowia danej osoby lub wcześniejsze leczenie.
Kryteria kwalifikacji
Wiek uprawniający do nauki
- Dorosły
- Starszy dorosły
Akceptuje zdrowych ochotników
Tak
Opis
Kryteria włączenia: Praktykujący pediatrzy w IU Health Network
Kryteria wykluczenia: niepraktykujący pediatrzy w sieci IU Health Network
Plan studiów
Ta sekcja zawiera szczegółowe informacje na temat planu badania, w tym sposób zaprojektowania badania i jego pomiary.
Jak projektuje się badanie?
Szczegóły projektu
- Główny cel: Ekranizacja
- Przydział: Randomizowane
- Model interwencyjny: Przydział równoległy
- Maskowanie: Pojedynczy
Broń i interwencje
Grupa uczestników / Arm |
Interwencja / Leczenie |
|---|---|
|
Brak interwencji: Klinicyści kontrolni — tylko po teście
N=25 kontrolnych klinicystów pediatrycznych, którzy otrzymają tylko test końcowy.
Każdemu klinicyście zostanie przedstawionych 10 losowo wybranych winiet 10 dzieci [5 z astmą i 5 bez astmy] i poproszony o podanie prognozy ryzyka astmy u dziecka w wieku 6-10 lat.
|
|
|
Eksperymentalny: Klinicyści zajmujący się interwencją PDM — tylko po teście
N=25 klinicystów zajmujących się interwencją pediatryczną, którzy otrzymają tylko test końcowy.
Korzystając z PDM, każdy klinicysta otrzyma 10 losowo wybranych winiet 10 dzieci [5 z astmą i 5 bez astmy] i zostanie poproszony o oszacowanie ryzyka astmy u dziecka w wieku 6-10 lat.
|
Astma dziecięca Passive Digital Marker (PDM) to algorytm ML, który jest w stanie odzyskać i zsyntetyzować wcześniej istniejące „pasywnie” zebrane dane prognostyczne diady matka/dziecko w „cyfrowej” elektronicznej dokumentacji medycznej (EHR), aby zapewnić obiektywne i wymierne „ marker” ryzyka (prawdopodobieństwa) dziecka i związanego z nim fenotypu patofizjologicznego w celu poinformowania klinicysty o podejmowaniu decyzji w miejscu opieki.
Inne nazwy:
|
|
Brak interwencji: Klinicyści kontrolni - test przed i po
N=25 kontrolnych klinicystów pediatrycznych, którzy otrzymają test przed i po.
Każdemu klinicyście zostanie przedstawionych 10 losowo wybranych winiet 10 dzieci [5 z astmą i 5 bez astmy] i poproszony o podanie prognozy ryzyka astmy u dziecka w wieku 6-10 lat.
|
|
|
Aktywny komparator: Klinicyści zajmujący się interwencją PDM — test przed i po
N=25 interwencyjnych klinicystów pediatrycznych, którzy otrzymają test przed i po.
Korzystając z PDM, każdy klinicysta otrzyma 10 losowo wybranych winiet 10 dzieci [5 z astmą i 5 bez astmy] i zostanie poproszony o oszacowanie ryzyka astmy u dziecka w wieku 6-10 lat.
|
Astma dziecięca Passive Digital Marker (PDM) to algorytm ML, który jest w stanie odzyskać i zsyntetyzować wcześniej istniejące „pasywnie” zebrane dane prognostyczne diady matka/dziecko w „cyfrowej” elektronicznej dokumentacji medycznej (EHR), aby zapewnić obiektywne i wymierne „ marker” ryzyka (prawdopodobieństwa) dziecka i związanego z nim fenotypu patofizjologicznego w celu poinformowania klinicysty o podejmowaniu decyzji w miejscu opieki.
Inne nazwy:
|
Co mierzy badanie?
Podstawowe miary wyniku
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Perceived PDM Acceptance
Ramy czasowe: 8 to 12 months
|
Mean Perceived PDM acceptance measured using a Behavioral Intention scale (BIS) with a score Likert scale score of 0-5.
Here, higher score values represent a higher acceptability of the PDM (i.e., better outcome).
|
8 to 12 months
|
|
Perceived PDM Usability
Ramy czasowe: 8 to 12 months
|
Mean Perceived Usability measured using a modified Simplified System Usability Scale (SUS) with a score Likert scale of 0-5.
Here, higher score values represent a higher perceived usability of the PDM (i.e., better outcome).
|
8 to 12 months
|
|
Study Feasibility
Ramy czasowe: 8 to 12 months
|
Percent of successful study enrollment of eligible clinicians (>80%)
|
8 to 12 months
|
Miary wyników drugorzędnych
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Prognostic Accuracy
Ramy czasowe: 3 to 12 months
|
Clinician prognostic accuracy was defined as the proportion of correctly classified vignettes.
Accuracy was calculated as: correct vignette classifications ÷ total vignettes evaluated.
Values ranged from 0 to 1, with higher values indicating greater prognostic accuracy.
Each clinician assessed 10 vignettes (5 cases and 5 controls) and classified them as either high or low risk.
A correct classification was high risk for a case and low risk for a control vignette.
|
3 to 12 months
|
Współpracownicy i badacze
Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.
Sponsor
Współpracownicy
Publikacje i pomocne linki
Osoba odpowiedzialna za wprowadzenie informacji o badaniu dobrowolnie udostępnia te publikacje. Mogą one dotyczyć wszystkiego, co jest związane z badaniem.
Daty zapisu na studia
Daty te śledzą postęp w przesyłaniu rekordów badań i podsumowań wyników do ClinicalTrials.gov. Zapisy badań i zgłoszone wyniki są przeglądane przez National Library of Medicine (NLM), aby upewnić się, że spełniają określone standardy kontroli jakości, zanim zostaną opublikowane na publicznej stronie internetowej.
Główne daty studiów
Rozpoczęcie studiów (Rzeczywisty)
1 czerwca 2024
Zakończenie podstawowe (Rzeczywisty)
16 czerwca 2025
Ukończenie studiów (Rzeczywisty)
16 czerwca 2025
Daty rejestracji na studia
Pierwszy przesłany
12 kwietnia 2023
Pierwszy przesłany, który spełnia kryteria kontroli jakości
12 kwietnia 2023
Pierwszy wysłany (Rzeczywisty)
24 kwietnia 2023
Aktualizacje rekordów badań
Ostatnia wysłana aktualizacja (Rzeczywisty)
21 lipca 2026
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
23 czerwca 2026
Ostatnia weryfikacja
1 czerwca 2026
Więcej informacji
Terminy związane z tym badaniem
Słowa kluczowe
Dodatkowe istotne warunki MeSH
Inne numery identyfikacyjne badania
- 15873
- K01HL166436 (Grant/umowa NIH USA)
Informacje o lekach i urządzeniach, dokumenty badawcze
Bada produkt leczniczy regulowany przez amerykańską FDA
Nie
Bada produkt urządzenia regulowany przez amerykańską FDA
Nie
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 .