- ICH GCP
- Registr klinických studií v USA
- Klinická studie NCT03635710
Detekce nočního kašle a kvality spánku s podporou chytrého telefonu jako prognostický marker pro kontrolu astmatu
Měření prevalence nočního kašle u astmatiků pomocí akustického záznamu s podporou smartphonu a hodnocení potenciálu frekvence nočního kašle jako prognostického markeru pro kontrolu astmatu: observační dvoustupňová studie
Účelem studie je prozkoumat hodnotu, kterou může frekvence kašle poskytnout pro samoléčbu astmatu. V této studii se zaměříme konkrétně na četnost nočního kašle. Plán je použít longitudinální design studie, aby se zjistilo, do jaké míry mohou mít trendy v četnosti nočního kašle významné důsledky pro budoucí kontrolu astmatu a exacerbace astmatu u pacientů. Výskyt nočního kašle u astmatiků bude popsán a vizualizován v průběhu jednoho měsíce v první fázi studie. Kromě toho bude cílem identifikovat a modelovat trendy v četnosti nočního kašle.
Měření kašle je časově velmi náročné. V současné době nejsou k dispozici žádné monitory frekvence kašle, které by měřily četnost kašle plně automatizovaným a nenápadným způsobem. V důsledku toho je ruční označování kašle na základě videozáznamů nebo zvukových záznamů stále považováno za zlatý standard pro měření četnosti kašle podle lékařských směrnic. Nedávno byl úspěšně navržen algoritmus strojového učení, který automaticky detekuje kašel ve studii proof of concept. Tento algoritmus strojového učení bude dále vyvíjen, aby v terénu poskytoval robustní výsledky. Tato studie se zaměří na kašel v noci kvůli omezenému rušivému hluku, který výrazně usnadňuje ruční označování a umožňuje spolehlivější detekci algoritmu strojového učení.
Kromě vývoje algoritmu strojového učení pro detekci kašle budou shromažďována data pro hodnocení kvality spánku pacienta na základě dat získaných ze senzorů smartphonu.
Přehled studie
Postavení
Intervence / Léčba
Detailní popis
Astma, chronické respirační onemocnění, patří k nejrozšířenějším chronickým onemocněním. Ve Švýcarsku jí trpí 7–15 % všech dětí a 6–7 % všech dospělých. Běžnými příznaky jsou dušnost, kašel a sípání. Příznaky se často zhoršují v noci a často způsobují probuzení. Kašel je zvláště důležitým příznakem astmatu, protože předpovídá závažnost astmatu, ukazuje na horší prognózu a je vnímán jako obtížný symptom. Kromě toho je astma hlavní příčinou chronického kašle, který je zodpovědný za 24–29 % případů.
O užitečnosti sledování kašle pro účely sebemonitorování u astmatiků je však známo jen málo. První průřezová studie ukázala, že frekvence kašle během dne i noci může být platným ukazatelem kontroly astmatu, což z ní činí potenciálně užitečný parametr pro vlastní monitorování. Bohužel kvůli značnému rozptylu četnosti kašle v každé kategorii kontroly astmatu (tj. nekontrolované, částečně kontrolované a kontrolované astma), statisticky významný vztah mezi četností kašle a kontrolou astmatu nemusí být klinicky významný. Navíc vzhledem k průřezovému uspořádání stávajících studií zůstává nejasné, zda by frekvence kašle mohla mít nějakou prognostickou hodnotu pro predikci budoucí kontroly astmatu.
Účelem této studie je proto podrobněji prozkoumat hodnotu, kterou může míra kašle poskytnout pro self-management astmatu. V této studii se z technických důvodů zaměříme konkrétně na noční kašel. Obecně je plán této studie následující: S uspořádáním longitudinální studie je možné zjistit, do jaké míry mohou mít trendy v četnosti nočního kašle významné důsledky pro budoucí kontrolu astmatu a exacerbace astmatu u pacientů. Aby však bylo možné analyzovat prediktivní hodnotu trendů v četnosti nočního kašle, symptom musí přetrvávat několik nocí. Není k dispozici žádný výzkum o prevalenci nočního kašle u astmatiků během více nocí. Výskyt nočního kašle u astmatiků bude proto popsán a vizualizován v průběhu jednoho měsíce v první fázi naší studie. Kromě toho bude cílem identifikovat a modelovat trendy v četnosti nočního kašle.
Měření kašle je časově velmi náročné. V současné době nejsou k dispozici žádné monitory frekvence kašle, které by měřily četnost kašle plně automatizovaným a nenápadným způsobem. V důsledku toho je ruční označování kašle na základě videozáznamů nebo zvukových záznamů stále považováno za zlatý standard pro měření četnosti kašle podle lékařských směrnic. Nicméně algoritmus strojového učení byl úspěšně navržen tak, aby automaticky detekoval kašel ve studii proof of concept. Přes použití pouze velmi omezených dat pro vývoj algoritmu (80 kašlání od 5 zdravých subjektů), přesnost dosáhla 83 %. Data však byla sbírána v laboratorním prostředí, což omezuje zobecnění výsledků a tím i použitelnost v praxi. Cílem je proto vyvinout algoritmus strojového učení, který je také schopen poskytovat robustní výsledky v terénu. Tato studie se zaměří na kašel v nočních hodinách kvůli omezenému rušivému hluku, což značně usnadňuje ruční označování a umožňuje spolehlivější detekci algoritmu strojového učení. Je důležité zdůraznit, že výše popsaná analýza prevalence nočního kašle nebude založena na kašli detekovaném algoritmem, ale na ručně označeném kašli ve zvukové stopě zaznamenané během noci studijním chytrým telefonem, který bude poskytnut předměty pro průběh studia.
Kromě vývoje algoritmu strojového učení pro detekci kašle budou shromažďována data pro algoritmus hodnotící kvalitu spánku pacienta. Za tímto účelem bude kvalita spánku předpovídána na základě dat získaných ze senzorů smartphonu.
Po ukončení první fáze studie určí prevalence nočního kašle ve studii, zda bude potřeba dalších analýz zaznamenaných dat, a tím zahájí druhou fázi studie. Pokud se noční kašel nevyskytuje častěji, než by se dalo vysvětlit pouhou náhodou, nebude provedena žádná dodatečná analýza, z níž by vyplývalo, že jde o uzavření první etapy a konec projektu. Při dostatečné prevalenci nočního kašle v první fázi (tj. prevalence nočního kašle se statisticky významně liší od nuly); druhá fáze studie se zaměří na hodnotu nočního kašle jako prognostického markeru pro kontrolu astmatu. Značný rozptyl v rámci kategorií kontroly astmatu uvedený v naznačuje, že vztah mezi četností nočního kašle a kontrolou astmatu může být zmírňován jinými proměnnými. Předchozí výzkumy ukázaly, že kvalita spánku je spojena s kontrolou astmatu a kvalitou života: I když je započtena za doprovodná onemocnění (např. gastroezofageální refluxní choroba a obstrukční spánková apnoe), horší kvalita spánku je spojena s horší kontrolou astmatu a kvalitou života. Jedním z důvodů spojitosti mezi kvalitou spánku a kontrolou astmatu může být to, že noční příznaky astmatu často způsobují probuzení. Vzhledem k důležitosti kvality spánku pro kontrolu astmatu bude zkoumána (prediktivní) hodnota noční frekvence kašle a její vliv na kvalitu spánku.
V souhrnu bude v každé fázi této studie prozkoumána následující výzkumná otázka související s astmatem: (1) jaká je prevalence nočního kašle u astmatiků v průběhu jednoho měsíce? (2) Je noční kašel, odpovědný za kvalitu spánku, platným prognostickým markerem kontroly astmatu? Kromě toho se studie zaměřuje na dva technické cíle: shromáždit data pro vývoj dvou algoritmů strojového učení, které jsou schopny detekovat noční kašel a kvalitu spánku plně automatizovaně pomocí chytrého telefonu v reálných podmínkách.
Zodpovězení těchto výzkumných otázek vede k četným příspěvkům: pokud jde o otázky související s astmatem, doufáme, že bude poskytnut kontext příznaku nočního kašle, aby se zvýšila interpretovatelnost četnosti kašle a úspěšně replikovaly a rozšířily poznatky, které by podporují platnost nočního kašle jako (prognostického) markeru kontroly astmatu. Pokud jde o technické cíle, doufejme, že poskytneme důkaz konceptu, že chytré telefony jsou vhodná zařízení pro automatické snímání příznaků astmatu v reálných podmínkách.
Očekávané výsledky by mohly umožnit novou terapeutickou možnost, konkrétně plně automatizovaný telemonitoring astmatiků. Pomocí chytrého telefonu pacienta by bylo možné si představit nenápadný systém včasného varování před zhoršením/exacerbací astmatu. Takový systém by mohl snížit zátěž astmatu jak pro jednotlivého pacienta (např. vyšší kvalitu života a kontrolu astmatu tím, že určí okna příležitostí, ve kterých mohou pacienti změnit svou medikaci podle svého akčního plánu pro astma, aby se předešlo zhoršení astmatu a exacerbacím), jako např. stejně jako systém zdravotnictví (tj. úspora nákladů díky snížení počtu hospitalizací a návštěv na pohotovosti). Vzhledem k široké dostupnosti chytrých telefonů by taková nová terapeutická možnost mohla umožnit rozsáhlé a nákladově efektivní telemonitoring astmatu. Předchozí výzkum naznačil potřebu takové nové terapeutické možnosti: většina astmatiků trpí nekontrolovaným astmatem. Polovina astmatiků není schopna správně posoudit závažnost svých příznaků, a proto by jim prospěl systém včasného varování. Navíc se zdá, že automatizované systémy mají dlouhodobější zapojení ve srovnání s tradičními zásahy, což je činí zvláště vhodnými pro systémy včasného varování u chronických onemocnění. Telemonitorování symptomů by navíc mohlo lékařům poskytnout cenné poznatky o symptomech astmatu pacienta mezi návštěvami. Stručně řečeno, automatizovaný systém včasného varování by mohl pacientům pomoci zaregistrovat zhoršení astmatu dříve a včas informovat své lékaře, aby bylo možné předejít nepříznivým zdravotním následkům.
Plánovaná studie spadá do rizikové kategorie shromažďování osobních údajů souvisejících se zdravím s pouze minimálním rizikem a zátěží. Je to prospektivní observační studie, nebude prováděna žádná intervence. Lze očekávat pouze mírný a dočasný dopad na zdraví účastníka, pokud vůbec.
Během studie budou symptomy astmatu pacienta nenápadně monitorovány pomocí chytrého telefonu; tím je zajištěno minimální riziko a zátěž. Mezi oběma doktorandskými návštěvami na začátku a na konci studie budou všechny kontrolní otázky a dotazníky administrovány prostřednictvím chytrých telefonů, které pro tuto studii poskytneme. Zátěž by tedy pro pacienty měla být minimální, protože nebude narušena jejich denní rutina.
Během dvou doktorských návštěv nebude proveden žádný invazivní postup. Lékařské vyšetření se řídí standardním protokolem pro astma. Kromě toho budou pacientům uhrazeny veškeré nepříjemnosti, se kterými se během studie setkají.
Typ studie
Zápis (Aktuální)
Kontakty a umístění
Studijní místa
-
-
-
St. Gallen, Švýcarsko, 9007
- Cantonal Hospital St. Gallen
-
-
SG
-
St. Gallen, SG, Švýcarsko, 9007
- Cantonal Hospital St. Gallen
-
-
ZH
-
Zürich, ZH, Švýcarsko, 8001
- University of Zurich
-
-
Kritéria účasti
Kritéria způsobilosti
Věk způsobilý ke studiu
Přijímá zdravé dobrovolníky
Pohlaví způsobilá ke studiu
Metoda odběru vzorků
Studijní populace
Popis
Kritéria pro zařazení:
- všichni pacienti s lékařem diagnostikovaným astmatem (získáno prostřednictvím vlastních zpráv)
- minimální věk 18 let
- zběhlý v používání smartphonu (např. pro každodenní samoobslužné používání smartphonu
Kritéria vyloučení:
- pacientů s duševními chorobami vedoucími ke kognitivním poruchám, jako je deprese, demence a Alzheimerova choroba
- pacienti, u kterých by nebylo možné získat spolehlivá noční měření (tj. pacienti s těžkou nespavostí nebo pracující na směny) nebo u kterých nedokážeme zajistit správné přiřazení nočního kašle pacientovi v procesu hodnocení (tj. pacienti, kteří obvykle sdílejí lůžko s osobou stejného pohlaví).
Studijní plán
Jak je studie koncipována?
Detaily designu
- Observační modely: Kohorta
- Časové perspektivy: Budoucí
Co je měření studie?
Primární výstupní opatření
Měření výsledku |
Popis opatření |
Časové okno |
|---|---|---|
|
Kašel za noc hodnocený zvukovým záznamem smartphonu
Časové okno: 28 dní
|
Počet kašlání za noc měřený pomocí zvukového záznamu smartphonu
|
28 dní
|
Sekundární výstupní opatření
Měření výsledku |
Popis opatření |
Časové okno |
|---|---|---|
|
Míry detekce dvou algoritmů strojového učení
Časové okno: 28 dní
|
Míry detekce dvou algoritmů strojového učení pro automatickou detekci nočního kašle (citlivost, specificita a přesnost)
|
28 dní
|
|
Kvalita spánku (Pittsburghský index kvality spánku)
Časové okno: 28 dní
|
Kvalita spánku měřená pomocí Pittsburghského indexu kvality spánku, který se vyplňuje denně
|
28 dní
|
Spolupracovníci a vyšetřovatelé
Sponzor
Vyšetřovatelé
- Vrchní vyšetřovatel: Frank Rassouli, MD, Cantonal Hospital St. Gallen
Publikace a užitečné odkazy
Termíny studijních záznamů
Hlavní termíny studia
Začátek studia (Aktuální)
Primární dokončení (Aktuální)
Dokončení studie (Aktuální)
Termíny zápisu do studia
První předloženo
První předloženo, které splnilo kritéria kontroly kvality
První zveřejněno (Aktuální)
Aktualizace studijních záznamů
Poslední zveřejněná aktualizace (Aktuální)
Odeslaná poslední aktualizace, která splnila kritéria kontroly kvality
Naposledy ověřeno
Více informací
Termíny související s touto studií
Další relevantní podmínky MeSH
Další identifikační čísla studie
- EKOS 17/164
Plán pro data jednotlivých účastníků (IPD)
Plánujete sdílet data jednotlivých účastníků (IPD)?
Informace o lécích a zařízeních, studijní dokumenty
Studuje lékový produkt regulovaný americkým FDA
Studuje produkt zařízení regulovaný americkým úřadem FDA
Tyto informace byly beze změn načteny přímo z webu clinicaltrials.gov. Máte-li jakékoli požadavky na změnu, odstranění nebo aktualizaci podrobností studie, kontaktujte prosím register@clinicaltrials.gov. Jakmile bude změna implementována na clinicaltrials.gov, bude automaticky aktualizována i na našem webu .