人工智能在社区糖尿病患者生活方式管理中的评价
2023年11月1日 更新者：Qifu Li、Chongqing Medical University
人工智能在社区糖尿病患者生活方式管理中的应用及效果评价
本次临床试验的目的是了解人工智能（AI）在社区糖尿病患者生活方式管理中的应用和效果评估。
研究概览
详细说明
确定人工智能生活方式干预对糖尿病患者的有效性，能否改善1型或2型糖尿病患者的血糖/血压/体重/血脂控制？
然后找到相关的危险因素。
参与者根据AI量表（可通过微信小程序搜索输入AI量表）填写基本信息、饮食结构、膳食补充剂使用情况、生活习惯、运动情况等，并根据调查提供个性化的生活方式干预方案结果，对照组接受常规生活方式指导。
所有纳入的患者均根据机读卡信息内容填写患者用药信息，并跟进用药是否调整。
患者纳入糖尿病管理微信群，按回访计划随访3个月/6个月。
实验组再次填写生活方式评估量表，并根据调查结果提供个性化的生活方式干预方案，对照组则进行常规随访和生活方式指导。
研究人员将对两组进行比较，看看实验组经过6个月基于AI的生活方式干预后，血糖、血压、血脂和BMI的控制是否优于对照组。
研究类型
介入性
注册 (估计的)
460
阶段
- 不适用
联系人和位置
本节提供了进行研究的人员的详细联系信息，以及有关进行该研究的地点的信息。
学习联系方式
- 姓名：Jinbo Hu, PhD
- 电话号码：+86 023-89011552
- 邮箱：hujinbo_568@163.com
研究联系人备份
- 姓名：Bing Kang, PhD
- 电话号码：+86 023-89011552
- 邮箱：kangbing@hospital.cqmu.edu.cn
学习地点
-
-
Chongqing
-
Chongqing、Chongqing、中国、400016
- Jinbo Hu
-
接触：
- Jinbo Hu, PhD
- 电话号码：02389011552
- 邮箱：hujinbo_568@163.com
-
首席研究员：
- Jinbo Hu, PhD
-
-
参与标准
研究人员寻找符合特定描述的人，称为资格标准。这些标准的一些例子是一个人的一般健康状况或先前的治疗。
资格标准
适合学习的年龄
- 成人
- 年长者
接受健康志愿者
不
描述
纳入标准：
- 充分了解本试验的程序并获得知情同意
- 18-80岁，性别不限
- 确诊糖尿病（根据WHO1999诊断标准）
- 合规性好
排除标准：
- 怀孕或哺乳期
- 血糖控制不佳（HbA1c>11%）
- 有恶性肿瘤病史
- 肝或肾功能异常[定义为丙氨酸转氨酶 (ALT)> 高于正常范围 2.5 倍，或 eGFR<30 mL/min 每 1.73 m2]
- 血压控制不佳[收缩压(SBP)>180mmHg，或舒张压(DBP)>110mmHg
- 患有严重心脏病、心功能II级以下、贫血（Hb<9.0g/d1）
- 血常规检查显示白细胞计数（WBC）<3*109/L
- 体重指数（BMI）<18.5或≥35kg/m2
- 吸毒或酗酒
- 伴有精神障碍无法合作
- 消化吸收功能异常
- 其他内分泌疾病
- 其他需要长期糖皮质激素治疗的慢性疾病
- 严重感染、免疫功能低下
学习计划
本节提供研究计划的详细信息，包括研究的设计方式和研究的衡量标准。
研究是如何设计的？
设计细节
- 主要用途：其他
- 分配：随机化
- 介入模型：并行分配
- 屏蔽：单身的
武器和干预
参与者组/臂 |
干预/治疗 |
|---|---|
|
实验性的：干预组
通过AI给出个性化的生活方式干预建议
|
实验组根据AI量表（AI量表可通过微信小程序搜索输入）完成基本信息、饮食结构、膳食补充剂的使用、生活习惯、运动情况等，并根据AI量表提供个性化的生活方式干预方案。调查结果。
|
|
无干预：控制组
提供日常生活方式建议
|
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 |
|---|---|---|
|
HbA1c 的变化
大体时间：一年
|
HbA1c 从基线到终点的变化（1 年随访）
|
一年
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
收缩压的变化
大体时间：一年
|
收缩压从基线到终点的变化
|
一年
|
|
舒张压的变化
大体时间：一年
|
舒张压从基线到终点的降低
|
一年
|
|
LDL-c的变化
大体时间：一年
|
LDL-c 从基线到终点的变化
|
一年
|
合作者和调查者
在这里您可以找到参与这项研究的人员和组织。
调查人员
- 学习椅：Jinbo Hu, PhD、First Affiliated Hospital of Chongqing Medical University
出版物和有用的链接
负责输入研究信息的人员自愿提供这些出版物。这些可能与研究有关。
一般刊物
- Arambepola C, Ricci-Cabello I, Manikavasagam P, Roberts N, French DP, Farmer A. The Impact of Automated Brief Messages Promoting Lifestyle Changes Delivered Via Mobile Devices to People with Type 2 Diabetes: A Systematic Literature Review and Meta-Analysis of Controlled Trials. J Med Internet Res. 2016 Apr 19;18(4):e86. doi: 10.2196/jmir.5425.
- Nundy S, Dick JJ, Chou CH, Nocon RS, Chin MH, Peek ME. Mobile phone diabetes project led to improved glycemic control and net savings for Chicago plan participants. Health Aff (Millwood). 2014 Feb;33(2):265-72. doi: 10.1377/hlthaff.2013.0589.
- Viguiliouk E, Kendall CW, Kahleova H, Rahelic D, Salas-Salvado J, Choo VL, Mejia SB, Stewart SE, Leiter LA, Jenkins DJ, Sievenpiper JL. Effect of vegetarian dietary patterns on cardiometabolic risk factors in diabetes: A systematic review and meta-analysis of randomized controlled trials. Clin Nutr. 2019 Jun;38(3):1133-1145. doi: 10.1016/j.clnu.2018.05.032. Epub 2018 Jun 13.
- Dobson R, Whittaker R, Jiang Y, Maddison R, Shepherd M, McNamara C, Cutfield R, Khanolkar M, Murphy R. Effectiveness of text message based, diabetes self management support programme (SMS4BG): two arm, parallel randomised controlled trial. BMJ. 2018 May 17;361:k1959. doi: 10.1136/bmj.k1959.
- Wu Y, Min H, Li M, Shi Y, Ma A, Han Y, Gan Y, Guo X, Sun X. Effect of Artificial Intelligence-based Health Education Accurately Linking System (AI-HEALS) for Type 2 diabetes self-management: protocol for a mixed-methods study. BMC Public Health. 2023 Jul 11;23(1):1325. doi: 10.1186/s12889-023-16066-z.
- Toi PL, Anothaisintawee T, Chaikledkaew U, Briones JR, Reutrakul S, Thakkinstian A. Preventive Role of Diet Interventions and Dietary Factors in Type 2 Diabetes Mellitus: An Umbrella Review. Nutrients. 2020 Sep 6;12(9):2722. doi: 10.3390/nu12092722.
- Sarkar U, Karter AJ, Liu JY, Adler NE, Nguyen R, Lopez A, Schillinger D. The literacy divide: health literacy and the use of an internet-based patient portal in an integrated health system-results from the diabetes study of northern California (DISTANCE). J Health Commun. 2010;15 Suppl 2(Suppl 2):183-96. doi: 10.1080/10810730.2010.499988.
- Chiavaroli L, Lee D, Ahmed A, Cheung A, Khan TA, Blanco S, Mejia, Mirrahimi A, Jenkins DJA, Livesey G, Wolever TMS, Rahelic D, Kahleova H, Salas-Salvado J, Kendall CWC, Sievenpiper JL. Effect of low glycaemic index or load dietary patterns on glycaemic control and cardiometabolic risk factors in diabetes: systematic review and meta-analysis of randomised controlled trials. BMJ. 2021 Aug 4;374:n1651. doi: 10.1136/bmj.n1651. Erratum In: BMJ. 2021 Aug 26;374:n2114.
- Wagner EH, Sandhu N, Newton KM, McCulloch DK, Ramsey SD, Grothaus LC. Effect of improved glycemic control on health care costs and utilization. JAMA. 2001 Jan 10;285(2):182-9. doi: 10.1001/jama.285.2.182.
研究记录日期
这些日期跟踪向 ClinicalTrials.gov 提交研究记录和摘要结果的进度。研究记录和报告的结果由国家医学图书馆 (NLM) 审查，以确保它们在发布到公共网站之前符合特定的质量控制标准。
研究主要日期
学习开始 (估计的)
2023年11月7日
初级完成 (估计的)
2024年11月7日
研究完成 (估计的)
2024年11月7日
研究注册日期
首次提交
2023年10月23日
首先提交符合 QC 标准的
2023年11月1日
首次发布 (实际的)
2023年11月7日
研究记录更新
最后更新发布 (实际的)
2023年11月7日
上次提交的符合 QC 标准的更新
2023年11月1日
最后验证
2023年11月1日
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.