- ICH GCP
- Registro de ensaios clínicos dos EUA
- Ensaio Clínico NCT05810636
Avaliação da Hiperatividade em Crianças com Transtorno de Déficit de Atenção e Hiperatividade
Visão geral do estudo
Status
Intervenção / Tratamento
Tipo de estudo
Inscrição (Estimado)
Contactos e Locais
Locais de estudo
-
-
-
Taipei, Taiwan, 10048
- National Taiwan University Hospital
-
-
Critérios de participação
Critérios de elegibilidade
Idades elegíveis para estudo
- Filho
- Adulto
Aceita Voluntários Saudáveis
Método de amostragem
População do estudo
Descrição
Grupo TDAH:
Critério de inclusão:
- DSM-5 Transtorno de déficit de atenção e hiperatividade
- 7~18 anos
- Disposto a carregar smartwatch e smartphone na maior parte do tempo durante o período de estudo de um mês
Critério de exclusão:
- Comorbidade com transtornos psiquiátricos graves (ou seja, esquizofrenia, transtorno bipolar) ou transtornos do neurodesenvolvimento (ou seja, deficiência intelectual, transtorno do espectro do autismo)
- Não é possível usar smartwatch e smartphone
Grupo neurotípico:
Critério de inclusão:
- 7 a 18 anos sem diagnóstico de transtorno de déficit de atenção e hiperatividade
- Disposto a carregar smartwatch e smartphone na maior parte do tempo durante o período de estudo de um mês
Critério de exclusão:
- Ter um diagnóstico de transtornos psiquiátricos graves (ou seja, esquizofrenia, transtorno bipolar) ou transtornos do neurodesenvolvimento (ou seja, deficiência intelectual, transtorno do espectro autista)
- Não é possível usar smartwatch e smartphone
Plano de estudo
Como o estudo é projetado?
Detalhes do projeto
Coortes e Intervenções
Grupo / Coorte |
Intervenção / Tratamento |
|---|---|
|
Grupo TDAH
Critério de inclusão:
Critério de exclusão: - Comorbidade com transtornos psiquiátricos graves (ou seja, esquizofrenia, transtorno bipolar) ou transtornos do neurodesenvolvimento (ou seja, deficiência intelectual, transtorno do espectro autista) |
Usando smartwatches para coletar dados
|
|
Grupo neurotípico
Critério de inclusão:
Critério de exclusão:
|
Usando smartwatches para coletar dados
|
O que o estudo está medindo?
Medidas de resultados primários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Aceleração
Prazo: 24 horas por 30 dias
|
Aceleração do Braço
|
24 horas por 30 dias
|
Colaboradores e Investigadores
Patrocinador
Publicações e links úteis
Publicações Gerais
- Polanczyk G, de Lima MS, Horta BL, Biederman J, Rohde LA. The worldwide prevalence of ADHD: a systematic review and metaregression analysis. Am J Psychiatry. 2007 Jun;164(6):942-8. doi: 10.1176/ajp.2007.164.6.942.
- Swanson JM, Kraemer HC, Hinshaw SP, Arnold LE, Conners CK, Abikoff HB, Clevenger W, Davies M, Elliott GR, Greenhill LL, Hechtman L, Hoza B, Jensen PS, March JS, Newcorn JH, Owens EB, Pelham WE, Schiller E, Severe JB, Simpson S, Vitiello B, Wells K, Wigal T, Wu M. Clinical relevance of the primary findings of the MTA: success rates based on severity of ADHD and ODD symptoms at the end of treatment. J Am Acad Child Adolesc Psychiatry. 2001 Feb;40(2):168-79. doi: 10.1097/00004583-200102000-00011.
- Marzano L, Bardill A, Fields B, Herd K, Veale D, Grey N, Moran P. The application of mHealth to mental health: opportunities and challenges. Lancet Psychiatry. 2015 Oct;2(10):942-8. doi: 10.1016/S2215-0366(15)00268-0. Epub 2015 Sep 29.
- Martin JL, Hakim AD. Wrist actigraphy. Chest. 2011 Jun;139(6):1514-1527. doi: 10.1378/chest.10-1872.
- Burton C, McKinstry B, Szentagotai Tatar A, Serrano-Blanco A, Pagliari C, Wolters M. Activity monitoring in patients with depression: a systematic review. J Affect Disord. 2013 Feb 15;145(1):21-8. doi: 10.1016/j.jad.2012.07.001. Epub 2012 Aug 4.
- Couronne R, Probst P, Boulesteix AL. Random forest versus logistic regression: a large-scale benchmark experiment. BMC Bioinformatics. 2018 Jul 17;19(1):270. doi: 10.1186/s12859-018-2264-5.
- Dogan E, Sander C, Wagner X, Hegerl U, Kohls E. Smartphone-Based Monitoring of Objective and Subjective Data in Affective Disorders: Where Are We and Where Are We Going? Systematic Review. J Med Internet Res. 2017 Jul 24;19(7):e262. doi: 10.2196/jmir.7006.
- Gau SS, Chen SJ, Chou WJ, Cheng H, Tang CS, Chang HL, Tzang RF, Wu YY, Huang YF, Chou MC, Liang HY, Hsu YC, Lu HH, Huang YS. National survey of adherence, efficacy, and side effects of methylphenidate in children with attention-deficit/hyperactivity disorder in Taiwan. J Clin Psychiatry. 2008 Jan;69(1):131-40. doi: 10.4088/jcp.v69n0118.
- Gau SS, Lin CH, Hu FC, Shang CY, Swanson JM, Liu YC, Liu SK. Psychometric properties of the Chinese version of the Swanson, Nolan, and Pelham, Version IV Scale-Teacher Form. J Pediatr Psychol. 2009 Sep;34(8):850-61. doi: 10.1093/jpepsy/jsn133. Epub 2008 Dec 12.
- Gau SS, Shang CY, Liu SK, Lin CH, Swanson JM, Liu YC, Tu CL. Psychometric properties of the Chinese version of the Swanson, Nolan, and Pelham, version IV scale - parent form. Int J Methods Psychiatr Res. 2008;17(1):35-44. doi: 10.1002/mpr.237.
- Leikauf JE, Correa C, Bueno AN, Sempere VP, Williams LM. StopWatch: Pilot study for an Apple Watch application for youth with ADHD. Digit Health. 2021 Apr 1;7:20552076211001215. doi: 10.1177/20552076211001215. eCollection 2021 Jan-Dec.
- Patel MS, Foschini L, Kurtzman GW, Zhu J, Wang W, Rareshide CAL, Zbikowski SM. Using Wearable Devices and Smartphones to Track Physical Activity: Initial Activation, Sustained Use, and Step Counts Across Sociodemographic Characteristics in a National Sample. Ann Intern Med. 2017 Nov 21;167(10):755-757. doi: 10.7326/M17-1495. Epub 2017 Sep 26. No abstract available.
- Reinertsen E, Clifford GD. A review of physiological and behavioral monitoring with digital sensors for neuropsychiatric illnesses. Physiol Meas. 2018 May 15;39(5):05TR01. doi: 10.1088/1361-6579/aabf64.
- Simon V, Czobor P, Balint S, Meszaros A, Bitter I. Prevalence and correlates of adult attention-deficit hyperactivity disorder: meta-analysis. Br J Psychiatry. 2009 Mar;194(3):204-11. doi: 10.1192/bjp.bp.107.048827.
- Tazawa Y, Wada M, Mitsukura Y, Takamiya A, Kitazawa M, Yoshimura M, Mimura M, Kishimoto T. Actigraphy for evaluation of mood disorders: A systematic review and meta-analysis. J Affect Disord. 2019 Jun 15;253:257-269. doi: 10.1016/j.jad.2019.04.087. Epub 2019 Apr 22.
- Cho CH, Lee T, Kim MG, In HP, Kim L, Lee HJ. Mood Prediction of Patients With Mood Disorders by Machine Learning Using Passive Digital Phenotypes Based on the Circadian Rhythm: Prospective Observational Cohort Study. J Med Internet Res. 2019 Apr 17;21(4):e11029. doi: 10.2196/11029.
Datas de registro do estudo
Datas Principais do Estudo
Início do estudo (Real)
Conclusão Primária (Estimado)
Conclusão do estudo (Estimado)
Datas de inscrição no estudo
Enviado pela primeira vez
Enviado pela primeira vez que atendeu aos critérios de CQ
Primeira postagem (Real)
Atualizações de registro de estudo
Última Atualização Postada (Real)
Última atualização enviada que atendeu aos critérios de controle de qualidade
Última verificação
Mais Informações
Termos relacionados a este estudo
Termos MeSH relevantes adicionais
Outros números de identificação do estudo
- 202110059RINB
Plano para dados de participantes individuais (IPD)
Planeja compartilhar dados de participantes individuais (IPD)?
Informações sobre medicamentos e dispositivos, documentos de estudo
Estuda um medicamento regulamentado pela FDA dos EUA
Estuda um produto de dispositivo regulamentado pela FDA dos EUA
Essas informações foram obtidas diretamente do site clinicaltrials.gov sem nenhuma alteração. Se você tiver alguma solicitação para alterar, remover ou atualizar os detalhes do seu estudo, entre em contato com register@clinicaltrials.gov. Assim que uma alteração for implementada em clinicaltrials.gov, ela também será atualizada automaticamente em nosso site .