Denna sida har översatts automatiskt och översättningens korrekthet kan inte garanteras. Vänligen se engelsk version för en källtext.

SenseToKnow Autism Screening Device Validation Study

4 mars 2026 uppdaterad av: Duke University

SenseToKnow STAR Study: En studie av teknologier för att bedöma barns utveckling

Detta är en pivotal, prospektiv, dubbelblind studie för att utvärdera känsligheten och specificiteten hos SenseToKnow-appen för upptäckt av autismspektrumstörning hos barn 16-36 månader gamla.

Studieöversikt

Status

Rekrytering

Detaljerad beskrivning

Detta är en pivotal, prospektiv, dubbelblind studie för att utvärdera känsligheten och specificiteten hos SenseToKnow-appen för klassificering av autismspektrumstörning när den administreras av föräldrar i ett urval av patienter i åldern 16-36 månader. Försöksdesignen är en icke-interventionell tvärsnittsstudie som jämför SenseToKnow-appens klassificering av autismspektrumstörning ("autism") kontra icke-autism med patientens diagnostiska status baserat på klinisk expertdiagnos i en population av pediatriska patienter.

Studietyp

Observationell

Inskrivning (Beräknad)

350

Kontakter och platser

Det här avsnittet innehåller kontaktuppgifter för dem som genomför studien och information om var denna studie genomförs.

Studiekontakt

Studera Kontakt Backup

Studieorter

    • North Carolina
      • Durham, North Carolina, Förenta staterna, 27705
        • Rekrytering
        • Duke University
        • Kontakt:
          • Geraldine Dawson, PhD
          • Telefonnummer: 919-668-0070

Deltagandekriterier

Forskare letar efter personer som passar en viss beskrivning, så kallade behörighetskriterier. Några exempel på dessa kriterier är en persons allmänna hälsotillstånd eller tidigare behandlingar.

Urvalskriterier

Åldrar som är berättigade till studier

  • Barn

Tar emot friska volontärer

Ja

Testmetod

Icke-sannolikhetsprov

Studera befolkning

Deltagarna kommer att vara patienter 16-36 månader gamla rekryterade från > 6 platser som består av pediatriska medicinska kliniker som är en del av det bredare Duke University Health System i North Carolina.

Beskrivning

Inklusionskriterier:

  1. Duke Health pediatrisk patient vid inskrivningen
  2. 16-<37 månaders ålder vid inskrivning
  3. Förälder/vårdnadshavare talar engelska eller spanska
  4. Förälder/vårdnadshavare förstår och ger frivilligt informerat samtycke

Exklusions kriterier:

  1. Svår motorisk funktionsnedsättning som förhindrar att studieåtgärden genomförs
  2. Kända genetiska störningar
  3. Allvarlig hörsel- eller synnedsättning som fastställts vid fysisk undersökning
  4. Akuta sjukdomar som sannolikt förhindrar framgångsrik eller giltig datainsamling
  5. Okontrollerad epilepsi eller anfallsstörning
  6. Historik eller närvaro av en kliniskt signifikant medicinsk sjukdom, eller ett mentalt tillstånd som kan förvirra studien eller vara skadligt för försökspersonen enligt utredarens bedömning
  7. Akuta exacerbationer av kroniska sjukdomar som sannolikt förhindrar framgångsrik eller giltig datainsamling
  8. Ta emot behandlingar som påverkar synen
  9. Förälder/vårdnadshavare och/eller utredare tror att barnet inte kommer att kunna/vilja sitta i förälderns knä för att titta på appvideorna
  10. Förälder/vårdnadshavare anger att de eller deras barn är ovilliga eller oförmögna att slutföra appadministrationen, undersökningar eller diagnostisk bedömning
  11. Deltagare som i övrigt bedöms som oförmögna att följa protokollet av utredaren
  12. Varje annan faktor som utredaren anser skulle göra studieåtgärderna ogiltiga

Studieplan

Det här avsnittet ger detaljer om studieplanen, inklusive hur studien är utformad och vad studien mäter.

Hur är studien utformad?

Designdetaljer

Kohorter och interventioner

Grupp / Kohort
Pediatriska patienter, 16-36 månader gamla, rekryterade via pediatriska medicinska kliniker
Efterföljande pediatriska deltagare kommer att rekryteras och registreras via >= 6 deltagande platser bestående av pediatriska medicinska kliniker (t.ex. primärvårds- och familjemedicinkliniker) som ingår i det bredare Duke University Health System (DUHS) beläget i North Carolina. Registreringen fortsätter tills målen på N = 150 deltagare diagnostiserade med autismspektrumstörning och N = 200 utan autism har uppnåtts.

Vad mäter studien?

Primära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Sensitiviteten hos SenseToKnow-screeningenheten baserad på en maskininlärningsalgoritm som kombinerar SenseToKnows digitala data med data från SenseToKnow Caregiver-enkäten för autismscreening
Tidsram: Kommer att beräknas baserat på data från Baseline/Timepunkt 1
Känslighet = #deltagare positiva för autism på både (1) SenseToKnow-screeningenheten baserat på en maskininlärningsalgoritm som kombinerar SenseToKnow-digitala data med SenseToKnow-vårdnadshavarenkäten och (2) expertklinisk diagnos / #deltagare positiva för autism på både SenseToKnow och expertklinisk diagnos
Kommer att beräknas baserat på data från Baseline/Timepunkt 1
Specificiteten hos SenseToKnow-screeningenheten baserat på maskininlärningsalgoritm som kombinerar SenseToKnow-digitaldata med data från SenseToKnow Caregiver-undersökningen för autismdetektering
Tidsram: Kommer att beräknas baserat på data från Baseline/Timepoint 1
Specificitet = #deltagare negativa för autism på både (1) SenseToKnow-screeningenheten baserad på en maskininlärningsalgoritm som kombinerar SenseToKnow digitala data med SenseToKnow Caregiver Survey-data, och (2) expertklinisk diagnos / #deltagare negativa för autism på autism av expertklinisk diagnos
Kommer att beräknas baserat på data från Baseline/Timepoint 1

Sekundära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Positivt prediktivt värde för SenseToKnow-screeningenheten (baserat på en maskininlärningsalgoritm som använder SenseToKnow-digitala data, kombinerat med SenseToKnow Caregiver Survey-data) för autismdetektion i jämförelse med expertklinisk diagnos
Tidsram: Kommer att beräknas baserat på data från baslinje/tidsperiod 1
Sannolikheten att en deltagare med ett positivt testresultat (baserat på en maskininlärningsalgoritm som använder SenseToKnows digitala data, kombinerat med SenseToKnow Caregiver Survey-data) har en autismdiagnos (baserad på expertens kliniska diagnos). Positivt prediktivt värde kommer att beräknas med och utan justering för populationsprevalens.
Kommer att beräknas baserat på data från baslinje/tidsperiod 1
SenseToKnow-screeningutrustningens negativa prediktiva värde (baserat på en maskininlärningsalgoritm som använder SenseToKnows digitala data, kombinerat med SenseToKnow Caregiver Survey-data) för autismdetektion i jämförelse med expertens kliniska diagnos
Tidsram: Kommer att beräknas baserat på data från Baseline/Timepoint 1
Sannolikheten att en deltagare med ett negativt testresultat (baserat på en maskininlärningsalgoritm som använder SenseToKnow digitala data, kombinerat med SenseToKnow Caregiver Survey-data) inte har en diagnos av autism (baserat på expertens kliniska diagnos). Negativt prediktivt värde kommer att beräknas med och utan justering för populationsförekomst.
Kommer att beräknas baserat på data från Baseline/Timepoint 1
Receiver Operating Characteristic-kurva och Area Under the Curve med avseende på noggrannheten hos SenseToKnow-screeningenheten (med SenseToKnow-digitaldata och SenseToKnow-vårdgivarenkätdata) för autism kontra icke-autism-klassificering
Tidsram: Kommer att beräknas baserat på data från Baseline/Timepoint 1
Receiver Operating Characteristic-kurva (ROC) är en grafisk plot som illustrerar det diagnostiska förmågan hos ett binärt klassificeringssystem när dess diskrimineringsgräns varieras. Area Under the Curve (AUC) mäter arean under hela ROC-kurvan. Testets noggrannhet baseras på en maskininlärningsalgoritm som använder SenseToKnows digitala data, kombinerat med SenseToKnow Caregiver Survey-data, i jämförelse med expertens kliniska diagnos.
Kommer att beräknas baserat på data från Baseline/Timepoint 1
Känslighet hos SenseToKnow-screeningenheten baserad på en maskininlärningsalgoritm som endast använder SenseToKnows digitala data för autismdetektering
Tidsram: Kommer att beräknas baserat på data från Baseline/Timepunkt 1
Sensitivitet = #deltagare positiva för autism på både (1) SenseToKnow-screeningenheten baserad på en maskininlärningsalgoritm som endast använder SenseToKnow digitala data och (2) expertens kliniska diagnos / # deltagare positiva för autism på expertens kliniska diagnos
Kommer att beräknas baserat på data från Baseline/Timepunkt 1
Specifikationen hos SenseToKnow-screeningenheten baserad på en maskininlärningsalgoritm som endast använder SenseToKnows digitala data för autismdetektering
Tidsram: Kommer att beräknas baserat på data från Baseline/Timepoint 1
Specificitet = #deltagare negativa för autism på både (1) SenseToKnow-screeningenheten baserad på en maskininlärningsalgoritm som endast använder SenseToKnow:s digitala data och (2) expertens kliniska diagnos / #deltagare negativa för autism på expertens kliniska diagnos.
Kommer att beräknas baserat på data från Baseline/Timepoint 1
Positivt prediktivt värde för SenseToKnow-screeningenheten baserat på en maskininlärningsalgoritm som endast använder SenseToKnows digitala data för autismdetektion i jämförelse med expertens kliniska diagnos
Tidsram: Kommer att beräknas baserat på data från Baseline/Timepoint 1
Sannolikheten att en deltagare med ett positivt testresultat har en diagnos av autism (baserat på expert klinisk diagnos). Positivt prediktivt värde kommer att beräknas med och utan justering för populationsförekomst.
Kommer att beräknas baserat på data från Baseline/Timepoint 1
Negativt prediktivt värde för SenseToKnow-screeningenhet baserat på en maskininlärningsalgoritm som endast använder SenseToKnow:s digitala data för autismdetektion jämfört med expertens kliniska diagnos
Tidsram: Kommer att beräknas baserat på data från Baseline/Timepoint 1
Sannolikheten att en deltagare med ett negativt testresultat inte har en diagnos av autism (baserat på expert klinisk diagnos). Negativt prediktivt värde kommer att beräknas med och utan justering för populationsprevalens.
Kommer att beräknas baserat på data från Baseline/Timepoint 1
Receiver Operating Characteristic-kurva och Area Under the Curve med avseende på noggrannheten hos SenseToKnow-enheten med endast SenseToKnow digital data för autism kontra icke-autism klassificering
Tidsram: Kommer att beräknas baserat på data från Baseline/Timepoint 1
Receiver Operating Characteristic Curve (ROC) är en grafisk plot som illustrerar det diagnostiska förmågan hos ett binärt klassificeringssystem när dess diskrimineringsgräns varieras. Area Under the Curve (AUC) mäter arean under hela ROC-kurvan. Testets noggrannhet baseras på en maskininlärningsalgoritm som endast använder SenseToKnows digitala data, i jämförelse med expertklinisk diagnos.
Kommer att beräknas baserat på data från Baseline/Timepoint 1

Samarbetspartners och utredare

Det är här du hittar personer och organisationer som är involverade i denna studie.

Sponsor

Utredare

  • Huvudutredare: Geraldine Dawson, PhD, Duke University

Studieavstämningsdatum

Dessa datum spårar framstegen för inlämningar av studieposter och sammanfattande resultat till ClinicalTrials.gov. Studieposter och rapporterade resultat granskas av National Library of Medicine (NLM) för att säkerställa att de uppfyller specifika kvalitetskontrollstandarder innan de publiceras på den offentliga webbplatsen.

Studera stora datum

Studiestart (Faktisk)

7 juli 2023

Primärt slutförande (Beräknad)

1 december 2027

Avslutad studie (Beräknad)

1 december 2027

Studieregistreringsdatum

Först inskickad

12 maj 2023

Först inskickad som uppfyllde QC-kriterierna

12 maj 2023

Första postat (Faktisk)

25 maj 2023

Uppdateringar av studier

Senaste uppdatering publicerad (Faktisk)

6 mars 2026

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

4 mars 2026

Senast verifierad

1 februari 2026

Mer information

Termer relaterade till denna studie

Plan för individuella deltagardata (IPD)

Planerar du att dela individuella deltagardata (IPD)?

JA

IPD-planbeskrivning

All data på individnivå som uppfyller PHI- och IRB-konfidentialitetskraven kommer att skickas till NIH/NIMH Data Repository i slutet av bidragsperioden.

Tidsram för IPD-delning

Vi kommer att lämna in en elektronisk version av det slutliga, peer-reviewed arbetet, inklusive den statistiska analyskoden, till National Library of Medicine PubMed Central, för att göras allmänt tillgänglig senast 12 månader efter det officiella publiceringsdatumet.

Kriterier för IPD Sharing Access

Allmänt tillgänglig via PubMed Central

IPD-delning som stöder informationstyp

  • ANALYTIC_CODE

Läkemedels- och apparatinformation, studiedokument

Studerar en amerikansk FDA-reglerad läkemedelsprodukt

Nej

Studerar en amerikansk FDA-reglerad produktprodukt

Nej

Denna information hämtades direkt från webbplatsen clinicaltrials.gov utan några ändringar. Om du har några önskemål om att ändra, ta bort eller uppdatera dina studieuppgifter, vänligen kontakta register@clinicaltrials.gov. Så snart en ändring har implementerats på clinicaltrials.gov, kommer denna att uppdateras automatiskt även på vår webbplats .

Prenumerera