逆风研究 (HEADWIND)
HEADWIND 研究:非随机、对照、介入性单中心研究,用于糖尿病车内低血糖预警系统的设计和评估
研究概览
详细说明
低血糖是糖尿病最相关的急性并发症之一。 在低血糖期间,身体、精神运动、执行和认知功能显着恶化。 这些都是安全驾驶的重要前提。 因此,低血糖一直被证明与驾驶事故风险增加有关,因此被视为交通安全的相关因素之一。 尽管糖尿病技术领域取得了重要进展,但驾驶过程中的低血糖问题仍然存在。 汽车技术是高度动态的,完全自动驾驶最终可能会解决低血糖引起的事故问题。 然而,由于人们越来越担心与该技术相关的安全性,自动驾驶(4 级或 5 级)可能只会在比以前认为的时间点晚得多的时间点广泛使用。 因此,迫切需要通过更快速、更直接地解决与低血糖相关的交通事故问题来弥合即将到来的时期的解决方案。
假设正常血糖状态和低血糖状态下的驾驶行为存在显着差异,研究人员假设与正常血糖相比,低血糖时的不同驾驶模式可用于使用机器学习神经网络(深度机器学习分类器)生成低血糖检测模型。
研究类型
注册 (实际的)
阶段
- 不适用
联系人和位置
学习地点
-
-
-
Bern、瑞士
- University Department of Endocirnology, Diabetology, Clinical Nutrition and Metabolism
-
-
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
描述
纳入标准:
- 签署的知情同意书(附录知情同意书)
- WHO 定义的 DM1 至少 1 年或被证实为 C 肽阴性(<100pmol/l 伴随血糖 >4 mmol/l)
- 受试者年龄在 21-50 岁之间
- 根据中心实验室的分析,HbA1c ≤ 8.5 %
- 使用胰岛素泵疗法 (CSII) 或基础推注胰岛素进行功能性胰岛素治疗至少 3 个月,并充分了解胰岛素自我管理
- 仅针对主修课:在学习纳入之前至少 3 年通过了驾驶考试。 持有有效的瑞士驾照。 在研究前的最后 6 个月内主动驾驶。
排除标准:
- 用于诱导低血糖症的药物(门冬胰岛素)的禁忌症,已知对用于连接葡萄糖传感器的贴片过敏或过敏
- 怀孕或哺乳的妇女
- 有意在研究期间怀孕
- 缺乏安全避孕措施,定义为:有生育能力的女性参与者,在整个研究期间未使用且不愿继续使用医学上可靠的避孕方法,例如口服、注射或植入避孕药,或宫内节育器,或在个案中没有使用调查人员认为足够可靠的任何其他方法。
- 研究者判断的其他具有临床意义的伴随疾病状态(例如,肾功能衰竭、肝功能障碍、心血管疾病等)
- 已知或疑似违规、吸毒或酗酒
- 无法遵循研究的程序,例如 由于参与者的语言问题、心理障碍、痴呆症等
- 在本研究之前和期间的 30 天内参与另一项使用研究药物的研究
- 以前参加当前研究
- 研究者、他/她的家庭成员、雇员和其他受抚养人的登记
- 每日总胰岛素剂量 >2 IU/kg/天。
- 在参与研究之前和/或期间的特定伴随治疗洗脱要求
- 身体或心理疾病可能会干扰研究的正常进行和研究者对研究结果的判断(尤其是冠心病或癫痫)。
- 目前使用已知会干扰新陈代谢的药物进行治疗(例如 全身性皮质类固醇、他汀类药物等)或驾驶表现(例如 阿片类药物、苯二氮卓类药物)
- 仅适用于主要研究:无法使用驾驶模拟器驾驶的患者或在模拟器试驾期间(访问 2)出现晕车的患者。
学习计划
研究是如何设计的?
设计细节
- 主要用途:其他
- 分配:不适用
- 介入模型:单组作业
- 屏蔽:无(打开标签)
武器和干预
参与者组/臂 |
干预/治疗 |
|---|---|
|
实验性的:干预组
|
患者将在隔夜禁食后于早上到达。 在受控的低血糖状态下,参与者将使用驾驶模拟器在指定的赛道上驾驶。 最初,正常血糖状态 (5.0-8.0 mmol/L) 将保持稳定,然后通过注射胰岛素将血糖逐渐降低至 2.0-2.5 mmol/L 之间的水平。 葡萄糖将在低血糖水平保持稳定 30 分钟。 此后,将再次升高并在5.0-8.0mmol/L之间的正常血糖水平下再保持稳定30分钟。 在此过程中,我们将分析反调节激素。 心率、皮肤电导率、CGM 值、眼球运动和面部表情将分别由智能手表、CGM 设备、眼动仪和车载摄像头记录。 在手术过程中,参与者将不知道葡萄糖值。 他们必须每 15 分钟以 0-6 的等级对他们的症状和表现进行评分。 |
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 |
|---|---|---|
|
HEADWIND 模型的准确性:低血糖警告系统 (HEADWIND) 检测低血糖(血糖 <3.9mmol/l 和 <3.0mmol/l)的诊断准确性,量化为接受者操作员特征曲线下的面积 (AUC ROC)。
大体时间:240分钟
|
HEADWIND 模型的准确性将使用在进行性低血糖中记录的驾驶数据进行评估,并将使用应用机器学习技术分析驾驶数据以检测低血糖。
|
240分钟
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
驾驶过中线的时间变化
大体时间:240分钟
|
低血糖驾驶期间超过中线的时间变化将与正常血糖进行比较
|
240分钟
|
|
转弯变化
大体时间:240分钟
|
低血糖驾驶期间转向的变化将与正常血糖进行比较
|
240分钟
|
|
纺纱变化
大体时间:240分钟
|
低血糖驾驶期间旋转的变化将与正常血糖进行比较
|
240分钟
|
|
定义驾驶性能下降时的血糖水平
大体时间:240分钟
|
根据与正常血糖 (5.5 mmol/L) 相比严重低血糖 (< 3.0 mmol/L) 驾驶参数的显着改变,将评估驾驶性能开始受损时的血浆葡萄糖水平 (mmol/L)
|
240分钟
|
|
低血糖前后的驾驶表现
大体时间:240分钟
|
根据严重低血糖 (< 3.0 mmol/L) 驾驶参数的显着改变,评估低血糖前后的驾驶表现
|
240分钟
|
|
心率变化
大体时间:240分钟
|
低血糖驾驶期间心率的变化将与正常血糖进行比较
|
240分钟
|
|
心率变异性的变化
大体时间:240分钟
|
低血糖驾驶期间心率变异性的变化将与正常血糖进行比较。
|
240分钟
|
|
皮肤电活动 (EDA) 的变化
大体时间:240分钟
|
低血糖驾驶期间 EDA 的变化将与正常血糖进行比较。
|
240分钟
|
|
皮肤温度的变化
大体时间:240分钟
|
低血糖驾驶期间皮肤温度的变化将与正常血糖进行比较。
|
240分钟
|
|
低血糖状态下的 CGM 准确性
大体时间:240分钟
|
CGM 传感器 (dexcom G6) 在正常血糖(3.9-7 毫摩尔/升)、低血糖(3.0-3.9 毫摩尔/升)和严重低血糖(< 3.0 毫摩尔/升)中的准确度(MARD)将根据血浆葡萄糖测量值进行评估。
|
240分钟
|
|
低血糖状态下的 CGM 时间延迟
大体时间:240分钟
|
与血浆葡萄糖相比,将评估进行性低血糖期间 CGM 传感器 (dexcom G6) 的时间延迟(分钟)。
|
240分钟
|
|
胰高血糖素的变化
大体时间:240分钟
|
评估驾驶前、驾驶过程中正常血糖(5.5mmol/L)、低血糖(<3.9mmol/L)、严重低血糖(<3mmol/L)和低血糖后胰高血糖素的变化。
|
240分钟
|
|
生长激素 (GH) 的变化
大体时间:240分钟
|
评估驾驶前、驾驶过程中正常血糖(5.5mmol/L)、低血糖(<3.9mmol/L)、严重低血糖(<3mmol/L)和低血糖后的GH变化。
|
240分钟
|
|
儿茶酚胺的变化
大体时间:240分钟
|
评估驾驶前、驾驶中正常血糖(5.5mmol/L)、低血糖(<3.9mmol/L)、严重低血糖(<3mmol/L)和低血糖后儿茶酚胺的变化。
|
240分钟
|
|
皮质醇的变化
大体时间:240分钟
|
评估驾驶前、驾驶过程中正常血糖(5.5mmol/L)、低血糖(<3.9mmol/L)、严重低血糖(<3mmol/L)和低血糖后皮质醇的变化。
|
240分钟
|
|
通过 HEADWIND 模型检测低血糖时间点的血糖水平
大体时间:240分钟
|
将确定通过 HEADWIND 模型检测低血糖的时间点的血糖。
|
240分钟
|
|
关于低血糖检测时间点的 CGM 和 HEADWIND 模型比较
大体时间:240分钟
|
将通过 CGM 检测低血糖的时间点与通过 HEADWIND 模型检测低血糖的时间点进行比较。
|
240分钟
|
|
关于血糖的 CGM 和 HEADWIND 模型比较
大体时间:240分钟
|
将评估通过 HEADWIND 模型检测低血糖的时间点的血糖与同一时间点的 CGM 葡萄糖值的比较。
|
240分钟
|
|
HEADWIND 模型和 HEADWINDplus 模型的精度比较
大体时间:240分钟
|
低血糖警告系统 (HEADWIND) 检测低血糖(血糖 < 3.9 mmol/l)的诊断准确性将仅使用驱动参数(HEADWIND 模型)量化为接受者操作员特征曲线下面积 (AUC ROC) 与额外整合 CGM 和生理参数(心率、心率变异性、皮肤电活动 (EDA)、皮肤温度和面部表情)的 HEADWIND 模型(HEADWINDplus 模型)
|
240分钟
|
|
检测低血糖(血糖 <3.9 mmol/l 和 <3.0 mmol/l)的诊断准确度使用生理数据量化为接受者操作员特征曲线下的面积
大体时间:240分钟
|
将使用应用机器学习技术分析研究期间使用可穿戴设备记录的生理数据(心率、心率变异性、皮肤温度、EDA)检测低血糖的准确性。
|
240分钟
|
|
检测低血糖(血糖 < 3.9 mmol/l 和 < 3.0 mmol/l)的诊断准确性使用视频数据量化为接受者操作曲线下的面积 (AUC-ROC)
大体时间:240分钟
|
使用摄像机记录的视频数据和热像仪在低血糖检测中的准确性将通过应用机器学习技术进行分析。
|
240分钟
|
|
检测低血糖(血糖 < 3.9 mmol/l 和 < 3.0 mmol/l)的诊断准确性量化为使用眼动数据的接受者操作曲线下面积 (AUC-ROC)
大体时间:240分钟
|
使用相机和眼动仪(记录凝视行为)记录的眼动数据,将通过应用机器学习技术分析低血糖检测的准确性。
|
240分钟
|
|
葡萄糖和低血糖的自我估计
大体时间:240分钟
|
将评估自我估计的葡萄糖值和测量的血糖之间的相关性。
|
240分钟
|
|
驾驶性能的自我评估
大体时间:240分钟
|
与正常血糖 (5.5 mmol/L) 相比,严重低血糖 (< 3.0 mmol/L) 驾驶参数的自我估计驾驶性能与测量驾驶性能之间的相关性。
自我估计的驾驶表现将按照 0-6 的绝对 7 分制进行评估(较低的值意味着更好的结果)。
|
240分钟
|
|
需要治疗的时间点
大体时间:240分钟
|
与通过 HEADWIND 模型和 CGM 检测低血糖的时间点相比,自我感知需要治疗(低血糖)的时间点。
|
240分钟
|
|
与基线低血糖意识相比,低血糖症状的自我感知
大体时间:240分钟
|
感知到的低血糖症状在 0-6(0 = 无症状,6 = 极端症状)与基线低血糖意识评分之间的相关性和比较。
将使用经过验证的问卷(克拉克评分)评估基线低血糖意识,得分超过 3 分表示低血糖意识降低。
|
240分钟
|
|
不良事件 (AE) 的发生率
大体时间:5周
|
将在每次研究访视时记录不良事件。
|
5周
|
|
严重不良事件 (SAE) 的发生率
大体时间:5周
|
每次研究访视时都会记录严重不良事件。
|
5周
|
|
早期低血糖预警系统 (EWS) 的易用性感知
大体时间:在整个研究过程中,预计长达 12 个月
|
EWS 的感知易用性将通过基于问卷的自我报告(用户交互满意度问卷)进行评估,该问卷采用 9 分李克特量表,从非常不同意到非常同意,范围从 0 到 9,较高的值代表更好的结果。
总分将被平均。
|
在整个研究过程中,预计长达 12 个月
|
|
EWS 的有用性
大体时间:在整个研究过程中,预计长达 12 个月
|
EWS 的感知有用性将通过基于问卷的自我报告(用户交互满意度问卷)进行评估,该问卷以 9 分李克特量表进行衡量,从非常不同意到非常同意,范围从 0 到 9,数值越高代表效果越好结果。
总分将被平均。
|
在整个研究过程中,预计长达 12 个月
|
|
EWS 使用过程中的感知享受
大体时间:在整个研究过程中,预计长达 12 个月
|
EWS 使用过程中的感知享受将通过基于问卷的自我报告(用户交互满意度问卷)进行评估,该问卷采用 9 分李克特量表,从非常不同意到非常同意,范围从 0 到 9,数值越高代表效果越好结果。
总分将被平均。
|
在整个研究过程中,预计长达 12 个月
|
|
意向采用EWS
大体时间:在整个研究过程中,预计长达 12 个月
|
采用 EWS 的意愿将通过基于问卷的自我报告(用户交互满意度问卷)进行评估,该问卷采用 9 分李克特量表,从非常不同意到非常同意,范围从 0 到 9,数值越高表示越好结果。
总分将被平均。
|
在整个研究过程中,预计长达 12 个月
|
|
打算继续使用 EWS
大体时间:在整个研究过程中,预计长达 12 个月
|
继续使用 EWS 的意愿将通过基于问卷的自我报告(用户交互满意度问卷)进行评估,该问卷采用 9 分李克特量表,从非常不同意到非常同意,范围从 0 到 9,较高的值代表更好的结果。
总分将被平均。
|
在整个研究过程中,预计长达 12 个月
|
|
接收 EWS 的建议
大体时间:在整个研究过程中,预计长达 12 个月
|
EWS 建议的接收情况将通过基于问卷的自我报告(用户交互满意度问卷)进行评估,该问卷采用 9 分李克特量表进行测量,从非常不同意到非常同意,范围从 0 到 9,较高的值代表更好的结果。
总分将被平均。
|
在整个研究过程中,预计长达 12 个月
|
|
处理 EWS 的建议
大体时间:在整个研究过程中,预计长达 12 个月
|
EWS 的建议处理将通过基于问卷的自我报告(用户交互满意度问卷)进行评估,该问卷以 9 分李克特量表衡量,从非常不同意到非常同意,范围从 0 到 9,较高的值代表更好的结果。
总分将被平均。
|
在整个研究过程中,预计长达 12 个月
|
|
EWS 建议的可理解性
大体时间:在整个研究过程中,预计长达 12 个月
|
EWS 的感知可理解性将通过基于问卷的自我报告(用户交互满意度问卷)进行评估,该问卷以 9 分李克特量表进行衡量,从非常不同意到非常同意,范围从 0 到 9,数值越高代表越好结果。
总分将被平均。
|
在整个研究过程中,预计长达 12 个月
|
|
对 EWS 的建议感到熟悉
大体时间:在整个研究过程中,预计长达 12 个月
|
将通过基于问卷的自我报告(用户交互满意度问卷)评估对 EWS 建议的熟悉程度,该问卷采用 9 分李克特量表进行测量,从非常不同意到非常同意范围从 0 到 9 和更高的值代表更好的结果。
总分将被平均。
|
在整个研究过程中,预计长达 12 个月
|
|
对 EWS 推荐的认知和情感信任
大体时间:在整个研究过程中,预计长达 12 个月
|
对 EWS 建议的认知和情感信任将通过基于问卷的自我报告(用户交互满意度问卷)进行评估,该问卷采用 9 分李克特量表,从非常不同意到非常同意,范围从 0 到 9,并且更高的值代表更好的结果。
总分将被平均。
|
在整个研究过程中,预计长达 12 个月
|
合作者和调查者
调查人员
- 首席研究员:Christoph Stettler, Prof. MD、Inselspital, Bern University Hospital, University of Bern
研究记录日期
研究主要日期
学习开始 (实际的)
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 (实际的)
研究记录更新
最后更新发布 (实际的)
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.