Trial Radar KI | ||
|---|---|---|
Die klinische Studie NCT03898076 (A1c) für Diabetes mellitus Typ 1 ist abgeschlossen. In der Kartenansicht des Klinische Studien Radar und den KI-Entdeckungstools finden Sie alle Details. Oder stellen Sie hier Ihre Fragen. | ||
Eine Studie entspricht den Filterkriterien
Kartenansicht
Predictive A1c Based on CGM Data Using CGM Data 60 Maschinelles Lernen
Die Details der klinischen Studie sind hauptsächlich auf Englisch verfügbar. Trial Radar KI kann jedoch helfen! Klicken Sie einfach auf 'Studie erklären', um die Informationen zur Studie in der ausgewählten Sprache anzuzeigen und zu besprechen.
Die klinische Studie NCT03898076 (A1c) untersuchte Diabetes mellitus Typ 1 als beobachtungsstudie und hat den Status abgeschlossen. Die Studie begann am 1. Juni 2020 mit 60 Teilnehmern. Sie wurde durchgeführt von Sidra Medicine und am 30. Dezember 2020 abgeschlossen. Die Daten von ClinicalTrials.gov wurden zuletzt am 28. September 2021 aktualisiert.
Kurzbeschreibung
Introduction. The hemoglobin A1C (HbA1c) reflects the average blood glucose level for last two to three months. Recent advancements in the sensor technology facilitate the daily monitoring of the blood glucose using CGM devices. The future prediction of the HbA1C based on the CGM data holds a critical significance in maintaining long term health of diabetes patients. A higher than normal value of the HbA1c greatly in...Mehr anzeigen
Ausführliche Beschreibung
This is a retrospective analysis. The investigators will de-identify and analyze 120 patients with T1D using Continuous Glucose Monitoring (CGM) system for last three months. Past 15 days of CGM data will be analyzed and different glucose variability features such as time in range (TIR), coefficient of variation (CV), mean amplitude of glycemic excursion (MAGE), mean of daily differences (MODD), continuous overall ne...Mehr anzeigen
Offizieller Titel
The Prediction of A1c Based on CGM Data Through Applying Machine Learning Approaches
Erkrankungen
Diabetes mellitus Typ 1Publikationen
Wissenschaftliche Artikel und Forschungspapiere zu dieser klinischen Studie:Weitere Studien-IDs
- A1c
- 2019003271
NCT-Nummer
Studienbeginn (tatsächlich)
2020-06-01
Zuletzt aktualisiert
2021-09-28
Studienende (vorauss.)
2020-12-30
Geplante Rekrutierung
60
Studientyp
Beobachtungsstudie
Status
Abgeschlossen
Studienarme/Interventionen
| Teilnehmergruppe/Studienarm | Intervention/Behandlung |
|---|---|
Nicht zutreffend | Flash Glucose Monitoring Continuous Glucose Monitoring (CGM) values will be downloaded from CGM device for a period of 90 days. A1c A1c levels will be collected from Hospital EMR prior to CGM data downoad Predictive A1c Predictive A1c will be calculated based on the first 15 days of CGM data using time in range (TIR), coefficient of variation (CV), mean amplitude of glycemic excursion (MAGE), mean of daily differences (MODD), continuous overall net glycemic action (CONGA). Predictive A1c will be correlated with actual A1c. |
Hauptergebnismessungen
| Ergebnismessung | Beschreibung der Messung | Zeitrahmen |
|---|---|---|
The difference of Predictive A1c level from CGM data with Real A1c level from EMR | Difference (%) between Predicted A1c and laboratory A1c from the Electronic Medical Record | 3 months |
Eignungskriterien
Zugelassene Altersgruppen
Kind, Erwachsene
Mindestalter
2 Years
Zugelassene Geschlechter
Alle
- Type 1 Diabetes
- Flash glucose Monitoring system
- Less than 70% od CGM data in the last 90 days.
Sidra MedicineVerantwortliche Partei
Goran Petrovski, Hauptprüfer, Goran Petrovski Clinical Professor, Sidra Medicine
Keine Kontaktdaten vorhanden
1 Studienstandorte in 1 Ländern
Qa
Sidra Medicine, Doha, Qa, 26999, Qatar