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。

高血压管理的精准推动:观察性研究

2026年6月25日 更新者:Lirio

数据驱动的个性化,以实现高血压管理数字健康干预中的包容性推广和公平结果:一项前瞻性观察研究

拟议的观察性研究的目的是探索高血压管理数字健康干预(DHI)中数据驱动的个性化与公平健康结果之间的关系。 在当前的干预中,行为强化学习被应用于个性化干预内容,以最大限度地提高对有效高血压管理至关重要的三种目标行为的行为结果:临床接触、药物依从性和血压自我监测(SMBP)。

研究概览

地位

主动,不招人

条件

研究类型

观察性的

注册 (估计的)

12000

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

    • North Carolina
      • Greensboro、North Carolina、美国、27401
        • Cone Health clinics

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

取样方法

非概率样本

研究人群

这项观察性研究将跟踪在九个 Cone Health 社区访问诊所之一参加高血压管理数字健康干预的参与者。

描述

纳入标准:

  • 锥体健康的患者。
  • 高血压状况被视为“不受控制”(由资格指标表示)。
  • 最近的血压读数等于或高于 160/90。

排除标准:

  • 非英语人士。
  • 全球取消订阅。
  • 本地取消订阅。
  • 死者。

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

队列和干预

团体/队列
干预/治疗
精准推动高血压管理
本研究的所有参与者都将接受数字健康干预。
正在研究的高血压数字健康干预将行为科学理论与一种称为强化学习的机器学习相结合,以实现精确助推:选择、组装和传递基于行为科学的信息,以解决高血压的障碍并促进高血压的管理。 用于高血压 DHI 的行为设计过程有意包括对传统上服务不足的人群的研究,例如少数种族和族裔以及收入或教育程度较低的人。 通过包含正确的成分来满足不同的需求,并根据每个人自己的反应有效地个性化每个人看到的内容,该干预措施旨在通过将每个人与正确的行为方法相匹配来改善健康公平。
其他名称:
  • 数字健康干预
  • 人工智能驱动的干预

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
临床遭遇行为结果
大体时间:0-18个月
根据血压读数和药物治疗,遵守推荐的临床治疗
0-18个月
血压读数临床结果
大体时间:0-18个月
血压读数
0-18个月

次要结果测量

结果测量
措施说明
大体时间
订婚
大体时间:0-18个月
数字参与(打开、点击、响应等)
0-18个月
药物依从性行为结果
大体时间:0-18个月
自我报告的药物依从性
0-18个月
血压行为结果的自我监测
大体时间:0-18个月
自我报告血压自我监测
0-18个月

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。

赞助

合作者

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5月1日

初级完成 (估计的)

2026年6月26日

研究完成 (估计的)

2026年11月1日

研究注册日期

首次提交

2024年4月3日

首先提交符合 QC 标准的

2024年4月3日

首次发布 (实际的)

2024年4月9日

研究记录更新

最后更新发布 (实际的)

2026年6月26日

上次提交的符合 QC 标准的更新

2026年6月25日

最后验证

2026年6月1日

更多信息

与本研究相关的术语

计划个人参与者数据 (IPD)

计划共享个人参与者数据 (IPD)?

不

IPD 计划说明

IPD 不会被共享。

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