IA Trial Radar | ||
|---|---|---|
L'essai clinique NCT03898076 (A1c) pour Diabète sucré de type 1 est terminé. Consultez la vue en carte du Radar des Essais Cliniques et les outils de découverte par IA pour tous les détails, ou posez vos questions ici. | ||
Un essai clinique correspond aux filtres sélectionnés
Vue en carte
Predictive A1c Based on CGM Data Using CGM Data 60 Apprentissage auto.
Les détails de l'essai clinique sont principalement disponibles en anglais. Cependant, l'IA Trial Radar peut vous aider ! Cliquez simplement sur 'Expliquer l'étude' pour voir et discuter des informations sur l'étude dans la langue sélectionnée.
L'essai clinique NCT03898076 (A1c) a été une étude observationnel pour Diabète sucré de type 1. Son statut actuel est : terminé. L'étude a commencé le 1 juin 2020, avec un objectif de recruter 60 participants. Dirigée par Sidra Medicine, l'étude s'est terminée le 30 décembre 2020. Les données du site ClinicalTrials.gov ont été mises à jour pour la dernière fois le 28 septembre 2021.
Résumé succinct
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...Afficher plus
Description détaillée
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...Afficher plus
Titre officiel
The Prediction of A1c Based on CGM Data Through Applying Machine Learning Approaches
Pathologies
Diabète sucré de type 1Publications
Articles scientifiques et travaux de recherche publiés sur cet essai clinique:Autres identifiants de l'étude
- A1c
- 2019003271
Numéro NCT
Date de début (réel)
2020-06-01
Dernière mise à jour publiée
2021-09-28
Date de fin (estimée)
2020-12-30
Inscription (estimée)
60
Type d'étude
Observationnel
Statut
Terminé
Bras / Interventions
| Groupe de participants/Bras | Intervention/Traitement |
|---|---|
N/A | 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. |
Critère principal d'évaluation
| Critères d'évaluation | Description de la mesure | Période |
|---|---|---|
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 |
Critères d'éligibilité
Âges éligibles
Enfant, Adulte
Âge minimum
2 Years
Sexes éligibles
Tous
- Type 1 Diabetes
- Flash glucose Monitoring system
- Less than 70% od CGM data in the last 90 days.
Sidra MedicinePartie responsable de l'étude
Goran Petrovski, Investigateur principal, Goran Petrovski Clinical Professor, Sidra Medicine
Aucune donnée de contact disponible
1 Centres de l'étude dans 1 pays
Qa
Sidra Medicine, Doha, Qa, 26999, Qatar