在接受口服和非胰岛素注射降糖治疗的患者中确定基于 EMR 的临床协变量
使用电子病历 (EMR) 的临床协变量与非胰岛素糖尿病药物启动的关联
研究概览
详细说明
研究类型
注册 (实际的)
联系人和位置
学习地点
-
-
Massachusetts
-
Boston、Massachusetts、美国
- Boehringer Ingelheim Investigational Site
-
-
参与标准
资格标准
适合学习的年龄
接受健康志愿者
有资格学习的性别
取样方法
研究人群
描述
纳入标准：
- 2011 年 5 月至 2012 年 6 月期间配发口服或非胰岛素注射降糖药
- 2型糖尿病的诊断
- 存在电子病历（对于基于 EMR 的子集）
排除标准：
- T2DM 药物治疗开始时年龄 <18 岁
- 年龄或性别信息缺失或不明确
- 至少有一项 1 型糖尿病的诊断
- 在第一次配药日期之前在数据库中登记的时间少于 6 个月
- 先前使用过指示药物
学习计划
研究是如何设计的？
设计细节
队列和干预
团体/队列 |
干预/治疗 |
|---|---|
|
利格列汀1
开始使用利格列汀的 T2DM 患者（DPP-4 比较）
|
非随机化
|
|
其他 DPP4
T2DM 患者开始使用非利格列汀 DPP-4 抑制剂
|
|
|
利格列汀2
开始使用利格列汀的 T2DM 患者（格替唑酮比较）
|
|
|
格列酮类
T2DM 患者开始使用噻唑烷二酮类药物（格列酮类药物）
|
|
|
磺脲类
开始使用磺酰脲类药物的 T2DM 患者
|
|
|
利格列汀3
开始使用利格列汀的 T2DM 患者（磺脲类药物比较）
|
研究衡量的是什么？
主要结果指标
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
缺少 EMR（电子病历）特征：吸烟
大体时间：长达 20 个月
|
缺失的 EMR 特征吸烟定义为当前吸烟者、未知吸烟者与过去/从不吸烟者。 通过估计每个 EMR 特征的逻辑回归模型（和多项逻辑回归，取决于 EMR 特征的类别数量），研究了基于声明的协变量与 EMR 特征缺失之间的关联，其中缺失 EMR 特征的指标是吸烟是因变量，所有基于索赔的协变量都作为自变量包括在内。 所表示的估计值实际上是C-statistics定义的预测精度。 |
长达 20 个月
|
|
缺少 EMR 特征：糖尿病持续时间
大体时间：长达 20 个月
|
糖尿病的缺失 EMR 特征持续时间定义为 >7、5-6、3-5、1-3、<1（年）的持续时间。 通过估计每个 EMR 特征的逻辑回归模型（和多项逻辑回归，取决于 EMR 特征的类别数量），研究了基于声明的协变量与 EMR 特征缺失之间的关联，其中缺失 EMR 特征持续时间的指标糖尿病是因变量，所有基于索赔的协变量都作为自变量包括在内。 所表示的估计值实际上是C-statistics定义的预测精度。 |
长达 20 个月
|
|
缺少 EMR 特征：糖尿病持续时间（连续）
大体时间：长达 20 个月
|
糖尿病的缺失 EMR 特征持续时间定义为糖尿病的起始年份/起始年龄。 使用基于索赔的协变量的优先列表作为预测因子，并将选择的基于 EMR 的糖尿病临床特征持续时间的值作为连续结果运行线性回归模型。 所表示的估计值实际上是由 R-squared 定义的预测精度。 |
长达 20 个月
|
|
缺少 EMR 特征：BMI（体重指数）
大体时间：长达 20 个月
|
缺失的EMR特征BMI定义为不肥胖、超重、肥胖、重度肥胖。 通过估计每个 EMR 特征的逻辑回归模型（和多项逻辑回归，取决于 EMR 特征的类别数量），研究了基于声明的协变量与 EMR 特征缺失之间的关联，其中缺失 EMR 特征 BMI 的指标是因变量，所有基于索赔的协变量都作为自变量包括在内。 所表示的估计值实际上是C-statistics定义的预测精度。 |
长达 20 个月
|
|
缺少 EMR 特征：BMI（连续）
大体时间：长达 20 个月
|
缺失的EMR特征BMI就是BMI值。 使用基于索赔的协变量的优先列表作为预测因子，并将选择的基于 EMR 的临床特征 BMI 的值作为连续结果运行线性回归模型。 所表示的估计值实际上是由 R-squared 定义的预测精度。 |
长达 20 个月
|
|
缺少 EMR 特征：HbA1c（血红蛋白 A1c（糖基化血红蛋白））
大体时间：长达 20 个月
|
缺失的 EMR 特征 HbA1c 定义为索引日期之前（包括索引日期）6 个月内的值。 通过估计每个 EMR 特征的逻辑回归模型（和多项逻辑回归，取决于 EMR 特征的类别数量），研究了基于声明的协变量与 EMR 特征缺失之间的关联，其中缺失 EMR 特征 HbA1c 的指标是因变量，所有基于索赔的协变量都作为自变量包括在内。 所表示的估计值实际上是C-statistics定义的预测精度。 |
长达 20 个月
|
|
缺少 EMR 特征：eGFR（肾小球滤过率）
大体时间：长达 20 个月
|
缺失的 EMR 特征 eGFR 定义为索引日期之前（包括索引日期）6 个月内的值。 通过估计每个 EMR 特征的逻辑回归模型（和多项逻辑回归，取决于 EMR 特征的类别数量），研究了基于声明的协变量与 EMR 特征缺失之间的关联，其中缺失 EMR 特征 eGFR 的指标是因变量，所有基于索赔的协变量都作为自变量包括在内。 所表示的估计值实际上是C-statistics定义的预测精度。 |
长达 20 个月
|
|
缺少 EMR 特征：总胆固醇
大体时间：长达 20 个月
|
缺失的 EMR 特征总胆固醇定义为索引日期前 6 个月（包括索引日期）的值。 通过估计每个 EMR 特征的逻辑回归模型（和多项逻辑回归，取决于 EMR 特征的类别数量），研究了基于索赔的协变量与 EMR 特征缺失之间的关联，其中缺失 EMR 特征总数的指标胆固醇是因变量，所有基于索赔的协变量都作为自变量包括在内。 所表示的估计值实际上是C-statistics定义的预测精度。 |
长达 20 个月
|
|
缺少 EMR 特征：收缩压（血压）
大体时间：长达 20 个月
|
缺失的 EMR 特征收缩压定义为索引日期前 6 个月（包括索引日期）的值。 通过估计每个 EMR 特征的逻辑回归模型（和多项逻辑回归，取决于 EMR 特征的类别数量），研究了基于索赔的协变量与 EMR 特征缺失之间的关联，其中缺少 EMR 特征收缩的指标BP 是因变量，所有基于索赔的协变量都作为自变量包含在内。 所表示的估计值实际上是C-statistics定义的预测精度。 |
长达 20 个月
|
|
缺少 EMR 特征：舒张压
大体时间：长达 20 个月
|
缺失的 EMR 特征舒张压定义为索引日期之前 6 个月（包括索引日期）的值。 通过估计每个 EMR 特征的逻辑回归模型（和多项逻辑回归，取决于 EMR 特征的类别数量），研究了基于声明的协变量与 EMR 特征缺失之间的关联，其中缺少 EMR 特征舒张压的指标BP 是因变量，所有基于索赔的协变量都作为自变量包含在内。 所表示的估计值实际上是C-statistics定义的预测精度。 |
长达 20 个月
|
|
二元 EMR 特征：神经病
大体时间：长达 20 个月
|
缺失的 EMR 特征性神经病变定义为具有任何糖尿病性神经病变记录的参与者。 通过估计每个 EMR 特征的逻辑回归模型（和多项逻辑回归，取决于 EMR 特征的类别数量），研究了基于声明的协变量与 EMR 特征缺失之间的关联，其中缺失 EMR 特征神经病的指标是因变量，所有基于索赔的协变量都作为自变量包括在内。 所表示的估计值实际上是C-statistics定义的预测精度。 |
长达 20 个月
|
|
二元 EMR 特征：肾病
大体时间：长达 20 个月
|
缺失的 EMR 特征性肾病定义为具有任何糖尿病肾病记录的参与者。 通过估计每个 EMR 特征的逻辑回归模型（和多项逻辑回归，取决于 EMR 特征的类别数量），研究了基于声明的协变量与 EMR 特征缺失之间的关联，其中缺失 EMR 特征肾病的指标是因变量，所有基于索赔的协变量都作为自变量包括在内。 所表示的估计值实际上是C-statistics定义的预测精度。 |
长达 20 个月
|
|
二元 EMR 特征：视网膜病变
大体时间：长达 20 个月
|
缺失的 EMR 特征性视网膜病变定义为具有任何糖尿病性视网膜病变记录的参与者。 通过估计每个 EMR 特征的逻辑回归模型（和多项逻辑回归，取决于 EMR 特征的类别数量），研究了基于声明的协变量与 EMR 特征缺失之间的关联，其中缺失 EMR 特征性视网膜病变的指标是因变量，所有基于索赔的协变量都作为自变量包括在内。 所表示的估计值实际上是C-statistics定义的预测精度。 |
长达 20 个月
|
|
二元 EMR 特征：胰腺炎
大体时间：长达 20 个月
|
缺失的 EMR 特征性胰腺炎定义为参与者有任何既往胰腺炎记录。 通过估计每个 EMR 特征的逻辑回归模型（和多项逻辑回归，取决于 EMR 特征的类别数量），研究基于声明的协变量与 EMR 特征缺失之间的关联，其中缺失 EMR 特征胰腺炎的指标是因变量，所有基于索赔的协变量都作为自变量包括在内。 所表示的估计值实际上是C-statistics定义的预测精度。 |
长达 20 个月
|
合作者和调查者
出版物和有用的链接
有用的网址
研究记录日期
研究主要日期
学习开始
初级完成 (实际的)
研究完成 (实际的)
研究注册日期
首次提交
首先提交符合 QC 标准的
首次发布 (估计)
研究记录更新
最后更新发布 (估计)
上次提交的符合 QC 标准的更新
最后验证
更多信息
此信息直接从 clinicaltrials.gov 网站检索，没有任何更改。如果您有任何更改、删除或更新研究详细信息的请求，请联系 register@clinicaltrials.gov. clinicaltrials.gov 上实施更改，我们的网站上也会自动更新.