- ICH GCP
- Rejestr badań klinicznych w USA
- Badanie kliniczne NCT05874466
SenseToKnow Badanie walidacji urządzenia do badań przesiewowych autyzmu
4 marca 2026 zaktualizowane przez: Duke University
Badanie SenseToKnow STAR: badanie technologii oceny rozwoju dzieci
Jest to kluczowe, prospektywne, podwójnie ślepe badanie mające na celu ocenę czułości i swoistości aplikacji SenseToKnow w wykrywaniu zaburzeń ze spektrum autyzmu u dzieci w wieku 16-36 miesięcy.
Przegląd badań
Status
Rekrutacyjny
Warunki
Szczegółowy opis
Jest to kluczowe, prospektywne, prowadzone metodą podwójnie ślepej próby badanie mające na celu ocenę czułości i swoistości aplikacji SenseToKnow do klasyfikacji zaburzeń ze spektrum autyzmu, stosowanej przez rodziców na próbie pacjentów w wieku 16-36 miesięcy.
Projekt badania jest nieinterwencyjnym badaniem przekrojowym porównującym klasyfikację zaburzeń ze spektrum autyzmu („autyzm”) w porównaniu z nieautyzmem w aplikacji SenseToKnow ze statusem diagnostycznym pacjenta opartym na eksperckiej diagnozie klinicznej w populacji pacjentów pediatrycznych.
Typ studiów
Obserwacyjny
Zapisy (Szacowany)
350
Kontakty i lokalizacje
Ta sekcja zawiera dane kontaktowe osób prowadzących badanie oraz informacje o tym, gdzie badanie jest przeprowadzane.
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
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
- Dziecko
Akceptuje zdrowych ochotników
Tak
Metoda próbkowania
Próbka bez prawdopodobieństwa
Badana populacja
Uczestnikami będą pacjenci w wieku 16-36 miesięcy rekrutowani z > 6 ośrodków składających się z klinik medycyny pediatrycznej, które są częścią szerszego Duke University Health System w Północnej Karolinie.
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
Ta sekcja zawiera szczegółowe informacje na temat planu badania, w tym sposób zaprojektowania badania i jego pomiary.
Jak projektuje się badanie?
Szczegóły projektu
Kohorty i interwencje
Grupa / 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
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
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
Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.
Sponsor
Współpracownicy
Śledczy
- Główny śledczy: Geraldine Dawson, PhD, Duke University
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)
7 lipca 2023
Zakończenie podstawowe (Szacowany)
1 grudnia 2027
Ukończenie studiów (Szacowany)
1 grudnia 2027
Daty rejestracji na studia
Pierwszy przesłany
12 maja 2023
Pierwszy przesłany, który spełnia kryteria kontroli jakości
12 maja 2023
Pierwszy wysłany (Rzeczywisty)
25 maja 2023
Aktualizacje rekordów badań
Ostatnia wysłana aktualizacja (Rzeczywisty)
6 marca 2026
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
4 marca 2026
Ostatnia weryfikacja
1 lutego 2026
Więcej informacji
Terminy związane z tym badaniem
Słowa kluczowe
Dodatkowe istotne warunki MeSH
Inne numery identyfikacyjne badania
- Pro00111371
- 2P50HD093074 (Grant/umowa NIH USA)
Plan dla danych uczestnika indywidualnego (IPD)
Planujesz udostępniać dane poszczególnych uczestników (IPD)?
TAK
Opis planu IPD
Wszystkie dane na poziomie indywidualnym, które spełniają wymogi poufności PHI i IRB, zostaną przesłane do repozytorium danych NIH/NIMH przed końcem okresu przyznania grantu.
Ramy czasowe udostępniania IPD
Prześlemy elektroniczną wersję ostatecznej, recenzowanej pracy, w tym kod analizy statystycznej, do Narodowej Biblioteki Medycznej PubMed Central, aby została udostępniona publicznie nie później niż 12 miesięcy po oficjalnej dacie publikacji.
Kryteria dostępu do udostępniania IPD
Publicznie dostępne za pośrednictwem PubMed Central
Typ informacji pomocniczych dotyczących udostępniania IPD
- ANALITYCZNY_KOD
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 .