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

Bättre riskuppfattning via patientlikhet för kontroll av hyperglykemi och upprätthålls av teleövervakning (BRILLIANT)

7 maj 2026 uppdaterad av: Tan Ngiap Chuan, SingHealth Polyclinics

Bakgrund: Diabetes ökar avsevärt sannolikheten för komplikationer och ökar därmed risken för diabetesrelaterad dödlighet, särskilt på grund av vaskulära komplikationer. Det är viktigt att ta itu med denna stigande trend av dödlighet genom att öka medvetenheten om diabeteskomplikationer för att förbättra riskuppfattningen och i slutändan minska dödligheten. Att hantera diabetes effektivt kräver insatser som tar itu med både riskkommunikation och övervakning, vilket hjälper patienter att bättre förstå och fatta välgrundade beslut om sin hälsa.

Mål: Det primära syftet är att utvärdera och jämföra effektiviteten av kombinerad riskkommunikationssession med hjälp av en AI-modul (PERDICT.AI) och hembaserad diabetesövervakning (PTEC-DM) jämfört med en fristående riskkommunikationssession för att förbättra hälsoresultaten (riskuppfattning). , medicinadherens, egenvårdsaktiviteter och glykemisk kontroll) bland dåligt kontrollerade diabetespatienter. Sekundära syften är att utforska deltagarnas åsikter och erfarenheter av riskkommunikationssessioner med hjälp av PERDICT.AI, PTEC-DM och vanlig vård och läkares syn på nyttan av det nya tillvägagångssättet för att förbättra riskuppfattningen.

Metoder: En studiedesign med blandad metod kommer att användas för att genomföra en randomiserad kontrollerad studie med flera armar i fyra av SingHealth Polyclinics-klustret (Pasir Ris, Eunos, Sengkang, Tampines North). Patientdeltagare kommer att fördelas slumpmässigt i förhållandet 1:1:1 till en av de tre armarna. Arm 1 kommer att få riskkommunikationssession med PERDICT.AI och hembaserad diabetesövervakning med PTEC-DM tillsammans med vanlig vård. Arm 2-deltagare kommer att genomgå en fristående riskkommunikationssession med PERDICT.AI med vanlig omsorg medan arm 3 kommer att fungera som kontrollgrupp med vanlig omsorg. Totalt 360 (120 i varje grupp) deltagare kommer att registreras genom enkel randomisering. Kvalificerad patient måste vara myndig mellan 36 och 65 år med HbA1c >8,0 % under de senaste 6 månaderna.

Studiens betydelse: Resultaten från studien kan lägga till bevis till den vetenskapliga kunskapen om att använda dessa metoder för att förbättra riskuppfattningen och rekommendera utveckling av liknande interventioner.

Studieöversikt

Detaljerad beskrivning

Diabetes har dykt upp som ett stort folkhälsoproblem globalt, och Singapore är inget undantag. Från och med 2022 är 8,5 % av de vuxna i Singapore drabbade av diabetes och antalet förväntas nå 1 miljon år 2050, vilket gör det absolut nödvändigt att ta itu med de associerade utmaningarna. De ekonomiska konsekvenserna av diabetes sträcker sig bortom sjukvårdskostnader och påverkar produktivitet och livskvalitet. Den totala kostnaden bland befolkningen i arbetsför ålder med diabetes - direkta och indirekta kostnader inklusive - förväntas stiga från 787 miljoner USD (5 646 USD per person) 2010 till 1 867 miljoner USD 2050 (7 791 USD per person).

Dessutom utgör diabetes en betydande risk för komplikationer som kan påverka olika organsystem negativt. Komplikationer som hjärt-kärlsjukdomar, neuropati och retinopati utgör allvarliga hot mot hälsan hos individer med dåligt hanterad diabetes. En studie om den globala trenden för diabetesdödlighet avslöjade en oroande global ökning av diabetesrelaterad dödlighet, särskilt på grund av vaskulära komplikationer, vilket utgör en betydande utmaning för diabeteshanteringen. För att komma till rätta med de stigande trenderna för dödlighet är det avgörande att öka medvetenheten om diabeteskomplikationer för att förbättra riskuppfattningen och i slutändan minska dödligheten.

Upplevd risk för diabeteskomplikationer kan påverka patientens beteende, påverka efterlevnaden av behandlingsplaner och livsstilsförändringar. Individer med en högre riskuppfattning kan vara mer benägna att engagera sig i proaktiv hantering, vilket leder till bättre hälsoresultat och potentiellt minskad dödlighet i samband med diabeteskomplikationer. Å andra sidan kan individer med sämre riskuppfattning försumma nödvändiga försiktighetsåtgärder, vilket leder till suboptimal sjukdomshantering och en ökad sannolikhet för komplikationer, vilket potentiellt påverkar dödligheten.

En systematisk genomgång av riskuppfattningar om diabeteskomplikationer visar på en oroande brist på medvetenhet om risken för diabetesrelaterade komplikationer hos individer med typ 2-diabetes mellitus (T2DM). På liknande sätt avslöjade forskningsstudier om riskmedvetenhet om diabeteskomplikationer, särskilt i Singapore, kunskapsluckor bland vuxna. Trots den betydande inverkan på livskvaliteten upplevdes T2DM i senare skede och dess komplikationer som långsamt fortskridande och inte direkt livshotande. För dåligt kontrollerade diabetespatienter är därför effektiv kommunikation om riskerna för komplikationer av största vikt.

Weaver et al definierade riskkommunikation som "effektivt och korrekt utbyte av information om hälsorisker och faror" för att "föra fram riskmedvetenhet och förståelse och främja hälsoskyddande beteenden". Att förbättra riskkommunikationen främjar inte bara informerat beslutsfattande utan främjar också tidiga insatser och förebyggande åtgärder. Dessutom betonade Hashim J et al vikten av att överväga sociala och kulturella faktorer i utvecklingen av effektiva interventioner bland vuxna med förhöjd riskuppfattning men inte engagerar sig i förebyggande åtgärder. Studien antydde också att olika perspektiv på fördelar och svagheter relaterade till förebyggande åtgärder kan påverka den långsiktiga hållbarheten av dessa beteenden.

Riskkommunikationsinsatser har utvecklats för patienter med T2DM för att förbättra deras riskuppfattningar och hälsoåtgärder. Dessa interventionsstudier utforskar olika metoder för att kommunicera diabeteskomplikationsrisker till personer med T2DM. interventioner inkluderar en rad innovativa riskkommunikationsmetoder som visuella hjälpmedel, allmänna knuffar, digitala verktyg för personlig riskinformation och familjestöd genom WeChat. Även om sådana insatser bidrar till värdefulla insikter, finns det vissa begränsningar med dessa verktyg, som begränsad långsiktig effekt, utmaningar med teknikanvändning. Att ta itu med dessa nackdelar med ett integrerat tillvägagångssätt kan öka robustheten och användbarheten av resultaten i olika vårdmiljöer.

PERDICT.AI-baserad rådgivning

En AI-aktiverad likhetsbaserad modell, kallad PERDICT.AI (Personalised Diabetes Counseling Tool using Artificial Intelligence) utvecklades av ett team av primärvårdsläkare och datavetare i Singapore för att hjälpa läkare att kommunicera risker för patienter med diabetes mellitus. Verktyget rangordnar en patients HbA1c-nivåer med liknande patienter (eller jämnåriga) från en avidentifierad databas, och visar hur vanliga diabeteskomplikationer är baserat på HbA1c-allvarlighet. Detta kallas "peer-comparison" och verktyget genomgick revisioner efter feedback från primärvårdsläkare för att öka dess användbarhet i riskkommunikation.

Baserat på Health Belief Model (HBM), en riskkommunikationsintervention, utvecklades för primärvårdsläkare (PCP) för att ge patienter med T2DM råd om deras glykemiska kontroll och de komplikationer som kan uppstå, och för att rekommendera sätt att förbättra glykemisk kontroll och förebygga komplikationer (eller ytterligare komplikationer). Detta kommer att stödjas av information från PERDICT.AI.

Riskkommunikation med hjälp av PERDICT.AI kommunicerar dynamiskt en individs glykemiska kontroll, och erbjuder en jämförande rankning bland kamrater för att öka motivationen och medvetenheten. Dessutom bedömer den risken för potentiella komplikationer jämfört med peer-data med exemplariska fall för att understryka konsekvenserna av suboptimal hantering. Dessutom kommer det att generera personliga rekommendationer inklusive medicinjustering och personliga hälsoplaner.

Diabeteshantering kräver ofta konsekvent uppmuntran och vägledning, vilket ett statiskt riskkommunikationsverktyg kanske inte levererar. Dessutom kan passivt mottagande av information inte motivera patienter att aktivt delta i diabetesbehandlingen. Sådan brist på engagemang kan leda till minskad efterlevnad av rekommenderade strategier, vilket begränsar verktygets totala effekt. Detta framgår av @RISK-studien, där den förbättrade riskuppfattningen som observerades initialt efter 2 veckor försvann av den 12:e veckan, vilket belyser en tidsmässig begränsning i att upprätthålla positiva resultat. Även om deltagarna i interventionsarmen rapporterade högre tillfredsställelse med riskkommunikation, ledde detta inte till varaktiga förbättringar. Detta understryker behovet av en integrerad strategi för att upprätthålla positiva resultat på kort sikt.

Integration med teleövervakningssystem

Att upprätthålla förbättrad riskuppfattning under en längre period kan uppnås genom teleövervakning. Genom att använda teleövervakningsteknik kan vårdgivare upprätthålla en konsekvent kontakt med patienterna och erbjuda realtidsinsikter om deras hälsotillstånd. Dessutom underlättar teleövervakning kontinuerlig utbildning och stöd, vilket bidrar till den långsiktiga hållbarheten av förbättrad riskuppfattning och kan avsevärt förbättra diabeteshanteringen och förhindra komplikationer.

Programmet Primary Tech-Enhanced Care (PTEC) fokuserar på att uppmuntra patienter att hantera kroniska tillstånd hemma genom användarvänliga kit. Home Diabetes Monitoring-programmet (PTEC-DM) möjliggör hembaserad glukos- och blodtrycksövervakning en gång i veckan med hjälp av en Bluetooth-aktiverad enhet. Dessa läsningar kommer säkert att överföras till studieteamet via appen och hanteras på lämpligt sätt genom telekonsultation. Dessutom kommer deltagarna att få hälsonuffar, uppmuntran och påminnelser via meddelanden i appen för att stödja deras välbefinnande.

Integrationen av PTEC-DM med riskkommunikation med hjälp av PERDICT.AI drar nytta av styrkorna i mänsklig interaktion och anpassningsförmåga, vilket bidrar till en mer holistisk och patientcentrerad diabeteshanteringsmetod. Ett sådant kombinerat tillvägagångssätt tar upp både övervakning och vägledning, vilket bidrar till ökad patientförståelse och informerat beslutsfattande. Därför är denna studie utformad med följande mål, med en multi-site, multi-arm randomiserad kontrollerad studiedesign.

Mål

Primärt mål:

i. Att bedöma effektiviteten av riskkommunikation med hjälp av ett AI-aktiverat verktyg (PERDICT.AI) för att förbättra riskuppfattningspoäng, livskvalitet och hälsoresultat (medicinering och egenvårdsaktiviteter och glykemisk kontroll) bland dåligt kontrollerade diabetespatienter ii. För att fastställa effektiviteten av en kombination av riskkommunikationssession med hjälp av PERDICT.AI och teleövervakning (PTEC-DM) för att förbättra riskuppfattning, livskvalitet och hälsoresultat

Sekundära mål:

iii. För att jämföra effekten av de två metoderna för att förbättra riskuppfattning, livskvalitet och hälsoresultat bland dåligt kontrollerade diabetespatienter iv. Att bedöma kostnadseffektiviteten för den avancerade vården genom att jämföra de inkrementella kostnaderna och hälsoresultaten v. Att utforska deltagarnas åsikter och erfarenheter av riskkommunikationssessioner med hjälp av PERDICT.AI, PTEC-DM och vanlig vård vi. Att utforska läkarens syn på nyttan av det nya tillvägagångssättet för att förbättra riskuppfattningen

Hypotes:

• Det kommer att bli en förbättring av patienternas riskuppfattningspoäng och hälsoresultat (glykemisk kontroll och egenvårdsaktiviteter) efter interventionen.

Material och metoder

Studiemiljö Studien kommer att genomföras vid 4 polikliniker från ett primärvårdsklinikkluster som tar hand om mer än 200 000 invånare med diabetes i den östra regionen Singapore.

Studiedesign Sekventiell förklarande blandad metodstudie

Kvantitativ: Flerarmad randomiserad kontrollerad studie (RCT) vid fyra polikliniker som inkluderar SingHealth-poliklinikerna vid Pasir Ris, Tampines North, Eunos och Sengkang.

Kvalitativ: Djupintervju mellan studiedeltagarnas och klinikern, som är en integrerad del av studieteamet som levererar interventioner.

Kvantitativ: Multi-arm RCT Denna RCT involverar tre armar, som innehåller en kombination av interventioner och standardvård, som beskrivs nedan.

Arm 1: Avancerad vård med riskkommunikation med hjälp av ett AI-aktiverat verktyg (PERDICT.AI) + hembaserad övervakning med PTEC DM (huvudinsatsarm) Arm 2: Vanlig vård + riskkommunikation med ett AI-aktiverat verktyg (PERDICT.AI) Arm 3: Vanlig vård Alla grupper får även en diabetespamflett.

Randomisering Patientdeltagare från varje studieplats kommer att fördelas slumpmässigt i förhållandet 1:1:1 till en av de ovan nämnda armarna på ett öppet sätt, med hjälp av datorgenererade slumptal för enkel randomisering av försökspersoner. Interventionens karaktär gör det omöjligt att blinda patienter och forskarteam för deltagareallokering. Randomiseringssekvensen skrivs och förvaras i ett ogenomskinligt förseglat kuvert, som kommer att märkas med ett serienummer. Studiegruppen kommer att öppna det förseglade kuvertet när patienten har samtyckt till att delta och kommer sedan att tilldelas studiearmarna i enlighet med detta. Alla deltagare kommer att få en diabetespamflett ("Pamphlet - Ta kontroll över diabetes").

Studietyp

Interventionell

Inskrivning (Faktisk)

360

Fas

  • Inte tillämpbar

Kontakter och platser

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

Studieorter

      • Singapore, Singapore
        • SingHealth Polyclinics

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

  • Vuxen
  • Äldre vuxen

Tar emot friska volontärer

Nej

Beskrivning

Inklusionskriterier:

  • Typ 2-diabetes mellitus vid uppföljning på studieplatsen i minst 12 månader
  • Ålder 36 till 65 år
  • Minst en HbA1c-avläsning ≥ 8,0 % under de senaste 6 månaderna
  • Kunna läsa och tala engelska

Uteslutningskriterier:

  • Inte en Singapore-medborgare eller permanent bosatt
  • Gravid
  • Njursjukdom i slutstadiet eller på njurersättningsterapi
  • Känd dödlig sjukdom
  • Syn- och/eller hörselnedsättning
  • Kognitiv funktionsnedsättning eller psykisk ohälsa
  • Det går inte att ge informerat samtycke

Studieplan

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

Hur är studien utformad?

Designdetaljer

  • Primärt syfte: Stödjande vård
  • Tilldelning: Randomiserad
  • Interventionsmodell: Parallellt uppdrag
  • Maskning: Ingen (Open Label)

Vapen och interventioner

Deltagargrupp / Arm
Intervention / Behandling
Experimentell: Arm 1
I arm 1 kommer deltagarna att delta i riskkommunikationssessionen med hjälp av AI-modulen (PERDICT.AI) som levereras av studieteamet integrerat med hembaserad diabetesövervakning (PTEC-DM) som ger personlig vägledning genom telekonsultation utöver vanlig vård. Skärmaktivitet för PERDICT.AI kommer att spelas in med hjälp av en skärmdumpsprogramvara. Hela sessionen kommer att spelas in med ljud.
Riskkommunikation med hjälp av PERDICT.AI kommunicerar dynamiskt en individs glykemiska kontroll, och erbjuder en jämförande rankning bland kamrater för att öka motivationen och medvetenheten. Dessutom bedömer den risken för potentiella komplikationer jämfört med peer-data med exemplariska fall för att understryka konsekvenserna av suboptimal hantering. Dessutom kommer det att generera personliga rekommendationer inklusive medicinjustering och personliga hälsoplaner.
Programmet Primary Tech-Enhanced Care (PTEC) fokuserar på att uppmuntra patienter att hantera kroniska tillstånd hemma genom användarvänliga kit. Home Diabetes Monitoring-programmet (PTEC-DM) möjliggör hembaserad glukos- och blodtrycksövervakning en gång i veckan med hjälp av en Bluetooth-aktiverad enhet. Dessa läsningar kommer säkert att överföras till studieteamet via appen och hanteras på lämpligt sätt genom telekonsultation. Dessutom kommer deltagarna att få hälsonuffar, uppmuntran och påminnelser via meddelanden i appen för att stödja deras välbefinnande.
Experimentell: Arm 2
I arm 2 kommer deltagarna att delta i riskkommunikationssessionen med hjälp av AI-modulen (PERDICT.AI) utan PTEC-DM. Skärmaktivitet för PERDICT.AI kommer att spelas in med hjälp av en skärmdumpsprogramvara. Hela sessionen kommer att spelas in med ljud.
Riskkommunikation med hjälp av PERDICT.AI kommunicerar dynamiskt en individs glykemiska kontroll, och erbjuder en jämförande rankning bland kamrater för att öka motivationen och medvetenheten. Dessutom bedömer den risken för potentiella komplikationer jämfört med peer-data med exemplariska fall för att understryka konsekvenserna av suboptimal hantering. Dessutom kommer det att generera personliga rekommendationer inklusive medicinjustering och personliga hälsoplaner.
Inget ingripande: Arm 3
Arm 3 kommer att vara den aktiva kontrollgruppen, som endast får standardvård

Vad mäter studien?

Primära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Risk Perception Survey-Diabetes Mellitus (RPS-DM)
Tidsram: genom avslutad studie, i genomsnitt 12 till 16 månader
RPS-DM består av 31 frågor. Det första avsnittet bedömer riskkunskap (5 punkter poängsatta på en 3-gradig skala med 1 poäng för varje rätt svar; högre poäng indikerar större kunskap om risken att få diabeteskomplikationer). De återstående 26 objekten omfattar 5 underskalor som kan beskrivas som: upplevd personlig kontroll (4 punkter poängsatta på en 4-gradig skala); oro (2 poäng på en 4-gradig skala), optimistisk partiskhet (2 poäng på en 4-gradig skala); personlig sjukdomsrisk (9 poster poängsatta på en 4-gradig skala; indikerar graden av egen upplevd risk att få 9 sjukdomar eller tillstånd, plus ytterligare fråga om de någonsin har haft tillståndet, fick ja/nej med 1 poäng tillagd för ja-svar ); och miljörisk (9 poäng poängsatts på en 4-gradig skala). Den sammansatta riskuppfattningen är genomsnittet av de 26 frågorna i huvudenkäten; högre poäng indikerar större jämförande upplevd risk.
genom avslutad studie, i genomsnitt 12 till 16 månader
Hälsorelaterad livskvalitet
Tidsram: genom avslutad studie, i genomsnitt 12 till 16 månader
Förändring i poängen med hjälp av EQ-5D-5L frågeformulär; EQ-5D-5L-verktyget består av fem dimensioner som var och en beskriver olika aspekter av hälsa: rörlighet, egenvård, vanliga aktiviteter, smärta/obehag och ångest/depression. Varje dimension har fem svarsnivåer (inga problem, små problem, måttliga problem, allvarliga problem, oförmögen/extrema problem). Andelen patienter som rapporterar varje problemnivå på varje dimension av EQ-5D kommer att bestämmas genom slutförande av studien och jämföras. EQ VAS (Visual Analogue Scale) ger ett kvantitativt mått på patientens uppfattning om sin allmänna hälsa. EQ VAS registrerar respondentens övergripande nuvarande hälsa på en vertikal skala (0-100), där endpoints är märkta "0-Den värsta hälsan du kan föreställa dig" och "100-Den bästa hälsan du kan tänka dig".
genom avslutad studie, i genomsnitt 12 till 16 månader
Läkemedelsvidhäftning
Tidsram: genom avslutad studie, i genomsnitt 12 till 16 månader
Förändring av poängen med hjälp av skala för läkemedelsefterlevnad (MARS-5); MARS-5-poängen beräknades genom att summera den numeriska poängen (intervall 1-5) från varje fråga för av 25 (intervall 5-25). En högre poäng indikerar bättre följsamhet.
genom avslutad studie, i genomsnitt 12 till 16 månader
Sammanfattning av Diabetes Self-care Activities (SDSCA) frågeformulär
Tidsram: genom avslutad studie, i genomsnitt 12 till 16 månader
SDSCA-frågeformuläret samlar in data om allmän kost, specifik diet, träning, blodsockertestning, fotvård och rökning, med hjälp av en 8-gradig Likert-skala (0-7), som representerar antalet dagar per vecka när den givna egenvårdsverksamhet utfördes. Poängen beräknas separat för varje objekt och nivån av följsamhet indikeras av medelpoängen för varje dimension.
genom avslutad studie, i genomsnitt 12 till 16 månader
Iowa-Netherlands Comparison Orientation Measure (INCOM)
Tidsram: baslinjeregistrering
INCOM är ett mått på elva punkter på ens tendens att göra sociala jämförelser. Skalan inkluderar sådana poster som: "Jag gillar alltid att veta vad andra i en liknande situation skulle göra." Svarsvalen sträcker sig från 1 (håller helt med) till 5 (håller helt med). Högre poäng indikerar mer av en tendens att socialt jämföra.
baslinjeregistrering

Sekundära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Kostnadseffektivitetsanalys
Tidsram: genom avslutad studie, i genomsnitt 12 till 16 månader
Enhetskostnader för konsultation, laboratorium, sjukhusvistelse och apotekstjänster, samt utgifterna för hembaserad övervakning (inklusive en Bluetooth-aktiverad glukosmätare, teststickor, lansetter och en blodtrycksmätare), kommer att uppskattas för att bedöma kostnaden - effektiviteten av den avancerade vården genom att jämföra de inkrementella kostnaderna och hälsoresultaten
genom avslutad studie, i genomsnitt 12 till 16 månader
Synpunkter och erfarenheter av riskkommunikationssession med PERDICT.AI, PTEC-DM och vanlig vård
Tidsram: 24-48 veckor
djupintervju med deltagarna tills datamättnad
24-48 veckor
Utforska läkarens syn på nyttan av kombinerad intervention för att förbättra riskuppfattningen
Tidsram: 24-48 veckor
djupintervju med läkarna i studieteamet tills datamättnad
24-48 veckor

Samarbetspartners och utredare

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

Samarbetspartners

Utredare

  • Huvudutredare: Ngiap Chuan Tan, MMed, SingHealth Polyclinics

Publikationer och användbara länkar

Den som ansvarar för att lägga in information om studien tillhandahåller frivilligt dessa publikationer. Dessa kan handla om allt som har med studien att göra.

Allmänna publikationer

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)

15 juli 2024

Primärt slutförande (Beräknad)

31 december 2026

Avslutad studie (Beräknad)

31 december 2026

Studieregistreringsdatum

Först inskickad

16 september 2024

Först inskickad som uppfyllde QC-kriterierna

18 september 2024

Första postat (Faktisk)

23 september 2024

Uppdateringar av studier

Senaste uppdatering publicerad (Faktisk)

12 maj 2026

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

7 maj 2026

Senast verifierad

1 maj 2026

Mer information

Termer relaterade till denna studie

Plan för individuella deltagardata (IPD)

Planerar du att dela individuella deltagardata (IPD)?

NEJ

Läkemedels- och apparatinformation, studiedokument

Studerar en amerikansk FDA-reglerad läkemedelsprodukt

Nej

Studerar en amerikansk FDA-reglerad produktprodukt

Nej

produkt tillverkad i och exporterad från U.S.A.

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