此页面是自动翻译的,不保证翻译的准确性。请参阅 英文版 对于源文本。

GLEAM:使用阻抗断层扫描进行无创血糖测量 (GLEAM)

2024年4月30日 更新者:Insel Gruppe AG, University Hospital Bern

GLEAM:使用阻抗断层扫描进行无创血糖测量 - 试点项目

GLEAM 研究旨在评估电阻抗断层扫描 (EIT) 用于无创血糖测量的潜力。

研究概览

详细说明

在 GLEAM 研究中,将在标准化正常血糖、低血糖和高血糖期间收集 1 型糖尿病患者的 EIT 和血糖测量配对样本。 这些样本将用于评估 EIT 在无创血糖测量和/或血糖异常检测方面的潜力。

研究类型

介入性

注册 (实际的)

16

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。

学习地点

      • Bern、瑞士
        • Department of Diabetes, Endocrinology, Nutritional Medicine and Metabolism

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

接受健康志愿者

不

描述

纳入标准:

  • 书面知情同意书
  • 世界卫生组织定义的 1 型糖尿病至少 6 个月
  • 年龄18-60岁
  • 糖化血红蛋白≤9.0%
  • 良好的胰岛素自我管理知识的胰岛素治疗
  • 使用连续 (CGM) 或快速血糖监测系统 (FGM)
  • 母语德语或瑞士德语

排除标准:

  • 无法给予知情同意
  • 门冬胰岛素 (NovoRapid®) 的禁忌症
  • 已知对 EIT 装置的粘合剂(例如凝胶电极)过敏
  • 怀孕、哺乳或缺乏安全避孕措施
  • 活跃的心脏、肺、肝脏、胃肠道、肾脏或精神疾病
  • 具有植入式电子设备(例如起搏器或植入式心律转复除颤器 (ICD))或胸部金属植入物的患者
  • 癫痫或癫痫病史
  • 活性药物或酒精滥用
  • 影响声音的慢性神经系统或耳鼻喉 (ENT) 疾病或声音障碍史
  • 胸部或背部畸形
  • 体重指数 (BMI) >35.0 kg/m2
  • 上胸部的开放性伤口、烧伤或皮疹
  • 主动吸烟
  • 已知会干扰声音或引起精神萎靡的药物(例如阿片类药物、苯二氮卓类药物等)

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: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
其他:控制血糖正常、低血糖和高血糖
EIT 测量值是在不同的血糖状态(血糖正常、低血糖和高血糖)下收集的。 使用金标准血糖分析仪测量静脉血糖。

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
胸部区域电阻抗断层扫描 (EIT) 信号在血糖轨迹上的变化。
大体时间:5个小时
使用多通道 EIT 测量设备,以 50 kHz 至 1 MHz 之间的多个频率从血糖正常、低血糖和高血糖的胸部区域收集 EIT 信号。
5个小时

次要结果测量

结果测量
措施说明
大体时间
整个血糖轨迹中低血糖症状的变化。
大体时间:5个小时
使用标准化问卷(爱丁堡低血糖量表,分数越高表示症状越多,最低分数7分,最高分数77分)收集正常血糖、低血糖和高血糖中的低血糖症状。
5个小时
指示血糖异常的语音参数
大体时间:5个小时
在正常血糖、低血糖和高血糖情况下将使用麦克风收集语音数据。 采样后,将使用可解释的机器学习(ML)方法来识别指示血糖异常的语音参数。
5个小时
整个血糖轨迹中认知表现的变化。
大体时间:5个小时
认知表现将使用 Trail Making B 测试进行评估(完成测试所需的时间越长意味着认知表现越差)。
5个小时
整个血糖轨迹中认知表现的变化。
大体时间:5个小时
将使用数字符号替换测试来评估认知表现(分数越高意味着认知表现越好)。
5个小时
机器学习模型从上述信号(EIT、症状、语音、生理信号)检测血糖异常的性能,量化为接受者操作特征曲线 (AUROC) 下的面积。
大体时间:5个小时
将在正常血糖、低血糖和高血糖中收集用于机器学习建模的信号。
5个小时
机器学习模型从上述信号(EIT、症状、声音、生理信号)检测血糖异常的性能,量化为灵敏度。
大体时间:5个小时
将在正常血糖、低血糖和高血糖中收集用于机器学习建模的信号。
5个小时
机器学习模型从量化为特异性的上述信号(EIT、症状、声音、生理信号)检测血糖异常的性能。
大体时间:5个小时
将在正常血糖、低血糖和高血糖中收集用于机器学习建模的信号。
5个小时
机器学习模型根据上述信号(EIT、症状、语音、生理信号)预测血糖值的性能,量化为均方根误差 (RMSE)。
大体时间:5个小时
将在正常血糖、低血糖和高血糖中收集用于机器学习建模的信号。
5个小时
机器学习模型根据上述信号(EIT、症状、声音、生理信号)预测血糖值的性能,量化为平均绝对相对差 (MARD)。
大体时间:5个小时
将在正常血糖、低血糖和高血糖中收集用于机器学习建模的信号。
5个小时
使用 Bland-Altman 图根据上述信号(EIT、症状、声音、生理信号)预测葡萄糖值的机器学习模型的性能。
大体时间:5个小时
将在正常血糖、低血糖和高血糖中收集用于机器学习建模的信号。
5个小时
机器学习模型使用克拉克误差网格根据上述信号(EIT、症状、语音、生理信号)预测血糖值的性能。
大体时间:5个小时
将在正常血糖、低血糖和高血糖中收集用于机器学习建模的信号。
5个小时

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

  • 首席研究员:Christoph Stettler, Prof. MD、Department of Diabetes, Endocrinology, Nutritional Medicine and Metabolism; Bern, Switzerland

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 (实际的)

2024年1月31日

初级完成 (实际的)

2024年4月10日

研究完成 (实际的)

2024年4月10日

研究注册日期

首次提交

2023年12月19日

首先提交符合 QC 标准的

2024年1月15日

首次发布 (实际的)

2024年1月25日

研究记录更新

最后更新发布 (实际的)

2024年5月2日

上次提交的符合 QC 标准的更新

2024年4月30日

最后验证

2024年4月1日

更多信息

与本研究相关的术语

其他研究编号

  • GLEAM

计划个人参与者数据 (IPD)

计划共享个人参与者数据 (IPD)?

不

药物和器械信息、研究文件

研究美国 FDA 监管的药品

不

研究美国 FDA 监管的设备产品

不

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.

订阅