- ICH GCP
- Реестр клинических исследований США
- Клиническое испытание NCT05874466
Исследование SenseToKnow для скрининга аутизма
4 марта 2026 г. обновлено: Duke University
Исследование SenseToKnow STAR: исследование технологий оценки развития детей
Это базовое проспективное двойное слепое исследование для оценки чувствительности и специфичности приложения SenseToKnow для выявления расстройств аутистического спектра у детей в возрасте 16–36 месяцев.
Обзор исследования
Статус
Рекрутинг
Подробное описание
Это ключевое, проспективное, двойное слепое исследование для оценки чувствительности и специфичности приложения SenseToKnow для классификации расстройств аутистического спектра при использовании родителями в выборке пациентов в возрасте 16–36 месяцев.
Дизайн исследования представляет собой неинтервенционное кросс-секционное исследование, сравнивающее классификацию расстройств аутистического спектра («аутизм») с помощью приложения SenseToKnow и неаутизма с диагностическим статусом пациента, основанным на экспертном клиническом диагнозе в популяции педиатрических пациентов.
Тип исследования
Наблюдательный
Регистрация (Оцененный)
350
Контакты и местонахождение
В этом разделе приведены контактные данные лиц, проводящих исследование, и информация о том, где проводится это исследование.
Контакты исследования
- Имя: Geraldine Dawson, PhD
- Номер телефона: 9196680070
- Электронная почта: geraldine.dawson@duke.edu
Учебное резервное копирование контактов
- Имя: Charlotte Stoute, BA
- Номер телефона: 919-681-9730
- Электронная почта: charlotte.stoute@duke.edu
Места учебы
-
-
North Carolina
-
Durham, North Carolina, Соединенные Штаты, 27705
- Рекрутинг
- Duke University
-
Контакт:
- Geraldine Dawson, PhD
- Номер телефона: 919-668-0070
-
-
Критерии участия
Исследователи ищут людей, которые соответствуют определенному описанию, называемому критериям приемлемости. Некоторыми примерами этих критериев являются общее состояние здоровья человека или предшествующее лечение.
Критерии приемлемости
Возраст, подходящий для обучения
- Ребенок
Принимает здоровых добровольцев
Да
Метод выборки
Невероятностная выборка
Исследуемая популяция
Участниками будут пациенты в возрасте от 16 до 36 месяцев, набранные из более чем 6 учреждений, состоящих из детских медицинских клиник, которые являются частью более широкой системы здравоохранения Университета Дьюка в Северной Каролине.
Описание
Критерии включения:
- Педиатрический пациент Duke Health при зачислении
- 16-<37 месяцев на момент зачисления
- Родитель/законный опекун говорит по-английски или по-испански
- Родитель/законный опекун понимает и добровольно дает информированное согласие
Критерий исключения:
- Тяжелые двигательные нарушения, препятствующие завершению исследования.
- Известные генетические нарушения
- Серьезные нарушения слуха или зрения, установленные при медицинском осмотре
- Острые заболевания, которые могут помешать успешному или достоверному сбору данных
- Неконтролируемая эпилепсия или судорожное расстройство
- Наличие в анамнезе или наличие клинически значимого медицинского заболевания или психического состояния, которое может помешать исследованию или нанести ущерб субъекту, как это определено исследователем.
- Острые обострения хронических заболеваний могут помешать успешному или достоверному сбору данных
- Прием терапии, влияющей на зрение
- Родитель/законный опекун и/или следователь считает, что ребенок не сможет/не захочет сидеть на коленях у родителя и смотреть видео в приложении
- Родитель/законный опекун указывает, что они или их ребенок не хотят или не могут выполнять администрирование приложения, опросы или диагностическую оценку.
- Участники, которые иначе признаны исследователем неспособными соблюдать протокол
- Любой другой фактор, который, по мнению исследователя, может сделать измерения исследования недействительными.
Учебный план
В этом разделе представлена подробная информация о плане исследования, в том числе о том, как планируется исследование и что оно измеряет.
Как устроено исследование?
Детали дизайна
Когорты и вмешательства
Группа / когорта |
|---|
|
Педиатрические пациенты в возрасте от 16 до 36 месяцев, набранные через детские медицинские клиники
Последовательные педиатрические участники будут набираться и включаться в исследование через ≥ 6 участвующих центров, состоящих из педиатрических медицинских клиник (например, клиник первичной помощи и семейной медицины), которые являются частью более широкой системы здравоохранения Университета Дьюка (DUHS), расположенной в Северной Каролине.
Набор будет продолжаться до достижения целей: N = 150 участников с диагнозом расстройство аутистического спектра и N = 200 участников без аутизма.
|
Что измеряет исследование?
Первичные показатели результатов
Мера результата |
Мера Описание |
Временное ограничение |
|---|---|---|
|
Чувствительность скринингового устройства SenseToKnow на основе алгоритма машинного обучения, который объединяет цифровые данные SenseToKnow с данными опроса SenseToKnow Caregiver для выявления аутизма
Временное ограничение: Будет рассчитано на основе данных с момента начала исследования / Точки измерения 1
|
Чувствительность = #участников с положительным результатом на аутизм по обоим критериям: (1) устройство скрининга SenseToKnow на основе алгоритма машинного обучения, объединяющего цифровые данные SenseToKnow с данными опроса лиц, осуществляющих уход SenseToKnow, и (2) экспертное клиническое диагностирование / #участников с положительным результатом на аутизм по обоим критериям: SenseToKnow и экспертное клиническое диагностирование
|
Будет рассчитано на основе данных с момента начала исследования / Точки измерения 1
|
|
Специфичность скринингового устройства SenseToKnow на основе алгоритма машинного обучения, который объединяет цифровые данные SenseToKnow с данными опроса SenseToKnow Caregiver для выявления аутизма
Временное ограничение: Будет рассчитано на основе данных с момента начала исследования/Временная точка 1
|
Специфичность = #участники, у которых отсутствует аутизм по обоим (1) скрининговому устройству SenseToKnow на основе алгоритма машинного обучения, который объединяет цифровые данные SenseToKnow с данными опроса SenseToKnow Caregiver Survey, и (2) экспертному клиническому диагнозу / #участники, у которых отсутствует аутизм по аутизму по экспертному клиническому диагнозу
|
Будет рассчитано на основе данных с момента начала исследования/Временная точка 1
|
Вторичные показатели результатов
Мера результата |
Мера Описание |
Временное ограничение |
|---|---|---|
|
Прогностическая ценность положительного результата скринингового устройства SenseToKnow (основанного на алгоритме машинного обучения с использованием цифровых данных SenseToKnow в сочетании с данными опроса лиц, осуществляющих уход SenseToKnow) для выявления аутизма по сравнению с экспертным клиническим диагнозом
Временное ограничение: Будет рассчитано на основе данных с момента начала исследования/Временной точки 1
|
Вероятность того, что у участника с положительным результатом теста (на основе алгоритма машинного обучения с использованием цифровых данных SenseToKnow в сочетании с данными опроса лиц, осуществляющих уход SenseToKnow) будет диагностирован аутизм (на основе экспертного клинического диагноза).
Положительная прогностическая ценность будет рассчитана с поправкой на распространенность в популяции и без нее.
|
Будет рассчитано на основе данных с момента начала исследования/Временной точки 1
|
|
Негативная прогностическая ценность скринингового устройства SenseToKnow (основанного на алгоритме машинного обучения, использующего цифровые данные SenseToKnow, в сочетании с данными опроса лиц, осуществляющих уход, SenseToKnow) для выявления аутизма по сравнению с экспертным клиническим диагнозом
Временное ограничение: Будет рассчитано на основе данных из исходного уровня/Точки времени 1
|
Вероятность того, что у участника с отрицательным результатом теста (основанном на алгоритме машинного обучения с использованием цифровых данных SenseToKnow в сочетании с данными опроса SenseToKnow Caregiver Survey) отсутствует диагноз аутизма (на основе экспертного клинического диагноза).
Прогностическая ценность отрицательного результата будет рассчитываться с поправкой на распространенность в популяции и без нее.
|
Будет рассчитано на основе данных из исходного уровня/Точки времени 1
|
|
Кривая рабочих характеристик приемника и площадь под кривой, характеризующие точность скринингового устройства SenseToKnow (с использованием цифровых данных SenseToKnow и данных опроса лиц, осуществляющих уход по системе SenseToKnow) для классификации аутизма и не-аутизма
Временное ограничение: Будет рассчитано на основе данных с исходного уровня/Временной точки 1
|
Кривая рабочих характеристик приемника (ROC) — это графический график, который иллюстрирует диагностическую способность системы бинарного классификатора при изменении порога дискриминации.
Площадь под кривой (AUC) измеряет площадь под всей кривой ROC.
Точность теста основана на алгоритме машинного обучения с использованием цифровых данных SenseToKnow в сочетании с данными опроса лиц, осуществляющих уход SenseToKnow, по сравнению с экспертным клиническим диагнозом.
|
Будет рассчитано на основе данных с исходного уровня/Временной точки 1
|
|
Чувствительность устройства скрининга SenseToKnow на основе алгоритма машинного обучения с использованием только цифровых данных SenseToKnow для выявления аутизма
Временное ограничение: Будет рассчитано на основе данных из Исходного уровня/Точки времени 1
|
Чувствительность = #участники с положительным результатом на аутизм по обоим критериям: (1) устройство скрининга SenseToKnow на основе алгоритма машинного обучения с использованием только цифровых данных SenseToKnow и (2) экспертный клинический диагноз / # участники с положительным результатом на аутизм по экспертной клинической диагностике
|
Будет рассчитано на основе данных из Исходного уровня/Точки времени 1
|
|
Специфичность скринингового устройства SenseToKnow, основанного на алгоритме машинного обучения, использующего только цифровые данные SenseToKnow для выявления аутизма
Временное ограничение: Будет рассчитано на основе данных с Базового уровня/Точки времени 1
|
Специфичность = #участники с отрицательным результатом на аутизм по обоим (1) скрининговому устройству SenseToKnow на основе алгоритма машинного обучения, использующего только цифровые данные SenseToKnow, и (2) экспертному клиническому диагнозу / #участники с отрицательным результатом на аутизм по экспертному клиническому диагнозу.
|
Будет рассчитано на основе данных с Базового уровня/Точки времени 1
|
|
Положительная прогностическая ценность скринингового устройства SenseToKnow на основе алгоритма машинного обучения, использующего только цифровые данные SenseToKnow для выявления аутизма, в сравнении с экспертным клиническим диагнозом
Временное ограничение: Будет рассчитано на основе данных с момента начала исследования/Точки времени 1
|
Вероятность того, что у участника с положительным результатом теста будет диагностирован аутизм (на основе экспертного клинического диагноза).
Прогностическая ценность положительного результата будет рассчитана с корректировкой и без корректировки на распространённость в популяции. |
Будет рассчитано на основе данных с момента начала исследования/Точки времени 1
|
|
Отрицательная прогностическая ценность скринингового устройства SenseToKnow на основе алгоритма машинного обучения с использованием только цифровых данных SenseToKnow для выявления аутизма по сравнению с экспертным клиническим диагнозом
Временное ограничение: Будет рассчитано на основе данных с исходного уровня/Временной точки 1
|
Вероятность того, что участник с отрицательным результатом теста не имеет диагноза аутизма (основанного на экспертном клиническом диагнозе).
Отрицательная прогностическая ценность будет рассчитана с учетом и без учета распространенности в популяции. |
Будет рассчитано на основе данных с исходного уровня/Временной точки 1
|
|
Кривая рабочих характеристик приемника и площадь под кривой относительно точности устройства SenseToKnow при использовании только цифровых данных SenseToKnow для классификации аутизма и не-аутизма
Временное ограничение: Будет рассчитано на основе данных с исходного уровня/Точки времени 1
|
Кривая рабочих характеристик приемника (ROC) — это график, иллюстрирующий диагностическую способность системы бинарной классификации при изменении порога дискриминации.
Площадь под кривой (AUC) измеряет площадь под всей кривой ROC.
Точность теста основана на алгоритме машинного обучения, использующем только цифровые данные SenseToKnow, по сравнению с экспертным клиническим диагнозом.
|
Будет рассчитано на основе данных с исходного уровня/Точки времени 1
|
Соавторы и исследователи
Здесь вы найдете людей и организации, участвующие в этом исследовании.
Спонсор
Следователи
- Главный следователь: Geraldine Dawson, PhD, Duke University
Даты записи исследования
Эти даты отслеживают ход отправки отчетов об исследованиях и сводных результатов на сайт ClinicalTrials.gov. Записи исследований и сообщаемые результаты проверяются Национальной медицинской библиотекой (NLM), чтобы убедиться, что они соответствуют определенным стандартам контроля качества, прежде чем публиковать их на общедоступном веб-сайте.
Изучение основных дат
Начало исследования (Действительный)
7 июля 2023 г.
Первичное завершение (Оцененный)
1 декабря 2027 г.
Завершение исследования (Оцененный)
1 декабря 2027 г.
Даты регистрации исследования
Первый отправленный
12 мая 2023 г.
Впервые представлено, что соответствует критериям контроля качества
12 мая 2023 г.
Первый опубликованный (Действительный)
25 мая 2023 г.
Обновления учебных записей
Последнее опубликованное обновление (Действительный)
6 марта 2026 г.
Последнее отправленное обновление, отвечающее критериям контроля качества
4 марта 2026 г.
Последняя проверка
1 февраля 2026 г.
Дополнительная информация
Термины, связанные с этим исследованием
Ключевые слова
Дополнительные соответствующие термины MeSH
Другие идентификационные номера исследования
- Pro00111371
- 2P50HD093074 (Грант/контракт NIH США)
Планирование данных отдельных участников (IPD)
Планируете делиться данными об отдельных участниках (IPD)?
ДА
Описание плана IPD
Все данные индивидуального уровня, отвечающие требованиям конфиденциальности PHI и IRB, будут отправлены в репозиторий данных NIH/NIMH к концу периода гранта.
Сроки обмена IPD
Мы отправим электронную версию окончательной рецензируемой работы, включая код статистического анализа, в Национальную медицинскую библиотеку PubMed Central, которая станет общедоступной не позднее, чем через 12 месяцев после официальной даты публикации.
Критерии совместного доступа к IPD
Общедоступно через PubMed Central
Совместное использование IPD Поддерживающий тип информации
- АНАЛИТИЧЕСКИЙ_КОД
Информация о лекарствах и устройствах, исследовательские документы
Изучает лекарственный продукт, регулируемый FDA США.
Нет
Изучает продукт устройства, регулируемый Управлением по санитарному надзору за качеством пищевых продуктов и медикаментов США.
Нет
Эта информация была получена непосредственно с веб-сайта clinicaltrials.gov без каких-либо изменений. Если у вас есть запросы на изменение, удаление или обновление сведений об исследовании, обращайтесь по адресу register@clinicaltrials.gov. Как только изменение будет реализовано на clinicaltrials.gov, оно будет автоматически обновлено и на нашем веб-сайте. .