- ICH GCP
- Registr klinických studií v USA
- Klinická studie NCT05042063
Akustické monitorování kašle pro léčbu pacientů se známým respiračním onemocněním
Přehled studie
Postavení
Podmínky
Intervence / Léčba
Detailní popis
Toto je observační studie, která bude probíhat ve dvou kampusech Clínica Universidad de Navarra, které se nacházejí v Pamploně a Madridu (Španělsko).
K automatickému sledování kašle bude použit systém umělé inteligence (AI), který detekuje a zaznamenává výbušné domnělé zvuky kašle a identifikuje lidský kašel na základě akustických charakteristik. Případné účastníky buď navštěvující ambulanci nebo hospitalizované se stížností na kašel, pozve jejich ošetřující lékař nebo člen výzkumného týmu a součástí výzkumného týmu je zařadí do studie. Výzkumník poučí účastníky o tom, jak nainstalovat a používat Hyfe Cough Tracker ve svých chytrých telefonech. Účastníci budou sledováni po dobu 30 dnů (ambulantní pacienti) nebo do propuštění z nemocnice (nemocniční pacienti). Účastníci budou požádáni, aby denně vyplnili on-line standardizovanou 100mm vizuální analogovou stupnici (VAS), aby zaregistrovali změny v subjektivní intenzitě jejich kašle, přičemž pomocí Hyfe objektivně monitorují změny jeho frekvence.
Paralelně bude vytvořen soubor dat anotovaných zvuků kašle, který bude retrospektivně použit k posouzení rozdílů v akustických vzorcích kašle a k vyhodnocení výkonu systému, který je detekuje.
První podskupina účastníků bude přijata mimo klinické prostředí a požádána, aby poskytla sérii vyvolaných zvuků, včetně kašle, které pak budou použity k určení výkonu systému, přesně rozliší kašel od zvuků, které nejsou kašel, a porovnají se s trénovanými lidskými posluchači. .
Druhá podskupina účastníků bude instruována, aby používala Hyfe a související nositelné zařízení Hyfe Air nepřetržitě po dobu mezi 6 a 24 hodinami, zatímco sami sebe nahrávali pomocí MP3 rekordéru připojeného ke klopovému mikrofonu. Tato skupina bude použita k hodnocení výkonu Hyfe a Hyfe Air v reálném prostředí se spontánním kašlem.
Typ studie
Zápis (Aktuální)
Kontakty a umístění
Studijní místa
-
-
Navarre
-
Pamplona, Navarre, Španělsko, 31008
- Clinica Universidad de Navarra
-
-
Kritéria účasti
Kritéria způsobilosti
Věk způsobilý ke studiu
Přijímá zdravé dobrovolníky
Metoda odběru vzorků
Studijní populace
Pro hlavní studijní skupinu jsou populací pacienti s respiračním onemocněním léčení na Clínica Universidad de Navarra (kampusy Pamplona a Madrid).
Protože ověřovací dílčí studie 1 vyžaduje pouze vyvolané zvuky, bude k účasti přímo pozvána skupina účastníků z předchozí studie. Pro validační dílčí studii 2 budou účastníci zahrnovat jak hospitalizované pacienty přijaté na Clínica Universidad de Navarra s kašlem, tak zdravé jedince přímo pozvané k účasti studijním týmem.
Popis
Kritéria pro zařazení:
Pro účastníky hlavní studijní skupiny
- Ambulantní nebo hospitalizovaní pacienti na Clinical Universidad de Navarra se stížnostmi na kašel.
- Pacient nebo jeho zákonný zástupce dali souhlas s účastí ve studii.
Pro účastníky dílčích studijních skupin:
- Být starší 18 let.
- Poskytnutí souhlasu s dílčí studií
Kritéria vyloučení:
- Neschopnost přijmout zásady ochrany osobních údajů a podmínky používání Hyfe.
- Nedostatek přístupu k Wi-Fi síti v místě bydliště (pro hlavní studijní skupinu).
- Neochota pravidelně používat systém sledování kašle po celou dobu sledování
Studijní plán
Jak je studie koncipována?
Detaily designu
- Observační modely: Kohorta
- Časové perspektivy: Budoucí
Kohorty a intervence
Skupina / kohorta |
Intervence / Léčba |
|---|---|
|
Účastníci s kašlem jako symptomem
Tato skupina bude složena z pacientů na Clínica Universidad de Navarra, kteří si stěžují na kašel jako pozoruhodný symptom.
|
Hyfe Cough Tracker je digitální akustický sledovací systém, který využívá systém umělé inteligence k rozlišení kašle od zvuků, které nejsou kašel.
Hyfe je mobilní aplikace s podporou umělé inteligence, která zaznamenává krátké úryvky (
|
|
Ověřovací podskupina 1
Tato podskupina se bude skládat jak z pacientů patřících do hlavní studijní skupiny, tak i z dobrovolníků, kteří budou požádáni, aby poskytli řadu zvuků vyvolaného kašle a zvuků bez kašle pro účely ověření.
|
Hyfe Cough Tracker je digitální akustický sledovací systém, který využívá systém umělé inteligence k rozlišení kašle od zvuků, které nejsou kašel.
Hyfe je mobilní aplikace s podporou umělé inteligence, která zaznamenává krátké úryvky (
|
|
Ověřovací podskupina 2
Tuto podskupinu budou tvořit hospitalizovaní pacienti přijatí na Clínica Universidad de Navarra s diagnózou respiračního onemocnění nebo vykazující kašel jako symptom a také zdraví jedinci.
Tato skupina bude sledována pomocí Hyfe Cough Tracker a Hyfe Air po proměnlivou dobu 6-24 hodin, přičemž jsou nahrávány pomocí MP3 rekordéru připojeného ke klopovému mikrofonu.
|
Hyfe Cough Tracker je digitální akustický sledovací systém, který využívá systém umělé inteligence k rozlišení kašle od zvuků, které nejsou kašel.
Hyfe je mobilní aplikace s podporou umělé inteligence, která zaznamenává krátké úryvky (
Hyfe Air je nositelné zařízení se zabudovaným bezdrátovým klopovým mikrofonem.
Záznamy zařízení lze spustit pomocí stejného algoritmu detekce kašle, který používá Hyfe Cough Tracker, přičemž jeho výsledky jsou přímo uloženy ve vzdálené databázi a nejsou zobrazovány účastníkům.
|
Co je měření studie?
Primární výstupní opatření
Měření výsledku |
Popis opatření |
Časové okno |
|---|---|---|
|
Korelace mezi subjektivním vnímáním kašle a objektivní frekvencí
Časové okno: 6 měsíců.
|
Denní skóre VAS účastníků bude porovnáno s frekvencí kašle zaznamenanou systémem sledování kašle.
Tato data se použijí k přizpůsobení lineárního regresního modelu k porovnání vlastního skóre VAS s denní frekvencí kašle a k výpočtu korelačního koeficientu (r).
|
6 měsíců.
|
Sekundární výstupní opatření
Měření výsledku |
Popis opatření |
Časové okno |
|---|---|---|
|
Citlivost systému rozlišující kašel
Časové okno: 6 měsíců.
|
Citlivost Hyfe pro rozlišení kašle od jiných výbušných zvuků bude srovnána s citlivostí trénovaných lidských posluchačů.
Citlivost bude hlášena jako podíl zvuků správně identifikovaných jako kašel (skutečně pozitivní) z celkového počtu vyprodukovaných zvuků kašle (skutečně pozitivní + falešně negativní).
|
6 měsíců.
|
|
Specifičnost systému rozlišujícího kašel
Časové okno: 6 měsíců.
|
Specifičnost Hyfe pro rozlišení kašle od jiných výbušných zvuků bude porovnána se specifičností trénovaných lidských posluchačů.
Specifičnost bude definována jako podíl zvuků, které nesouvisí s kašlem, správně identifikovaných systémem (skutečně negativní) z celkového počtu produkovaných zvuků bez kašle (skutečně negativní + falešně pozitivní)
|
6 měsíců.
|
|
Pozitivní prediktivní hodnota (PPV) systému rozlišujícího kašel
Časové okno: 6 měsíců.
|
PPV Hyfe pro rozlišení kašle od jiných výbušných zvuků bude porovnáno s PPV trénovaných lidských posluchačů.
PPV bude definováno jako podíl zvuků kašle správně identifikovaných systémem (skutečně pozitivní) z celkového počtu zvuků označených jako kašel (skutečně pozitivní + falešně pozitivní).
|
6 měsíců.
|
|
Negativní prediktivní hodnota (NPV) systému rozlišujícího kašel
Časové okno: 6 měsíců.
|
NPV Hyfe pro rozlišení kašle od jiných výbušných zvuků bude porovnána s trénovanými lidskými posluchači.
NPV bude definována jako podíl zvuků bez kašle správně identifikovaných systémem (skutečně negativní) z celkového počtu zvuků označených jako nekašlání (skutečně negativní + falešně negativní).
|
6 měsíců.
|
|
Konstrukce anotovaného souboru dat o kašli
Časové okno: 5 let.
|
Registry kašle účastníků s etiologickou diagnózou budou anotovány a uloženy, aby se vytvořil soubor dat, který lze použít pro další trénování a zdokonalování algoritmů.
|
5 let.
|
|
Citlivost systému rozlišující kašel způsobený různými stavy
Časové okno: 5 let.
|
Záznamy získané od účastníků, u kterých byla etiologická diagnóza dosažena před koncem studie, budou analyzovány za účelem detekce diferenciálních akustických vzorců, které budou následně použity k trénování konvoluční neuronové sítě systému k provedení klasifikace respiračního onemocnění kašel.
Výkon tohoto systému bude zpětně hodnocen stanovením jeho citlivosti pro diagnostiku různých respiračních stavů ve srovnání s klinickými diagnózami stanovenými lékařem.
Senzitivita bude definována jako podíl účastníků, u kterých Hyfe dosáhne správných diagnóz na základě akustických vzorců kašle (skutečně pozitivní) z celkového počtu účastníků s diagnózou určitého stavu (skutečně pozitivní + falešně negativní).
|
5 let.
|
|
Specifičnost systému rozlišujícího kašel způsobený různými stavy
Časové okno: 5 let.
|
Záznamy získané od účastníků, u kterých byla etiologická diagnóza dosažena před koncem studie, budou analyzovány za účelem detekce diferenciálních akustických vzorců, které budou následně použity k trénování konvoluční neuronové sítě systému k provedení klasifikace respiračního onemocnění kašel.
Výkon tohoto systému bude zpětně hodnocen stanovením jeho specificity pro diagnostiku různých respiračních stavů ve srovnání s klinickými diagnózami stanovenými lékařem.
Specifičnost bude definována jako podíl účastníků, u kterých Hyfe správně identifikuje nepřítomnost akustických vzorců kašle spojených s určitou nemocí (skutečně negativní), z celkového počtu účastníků bez tohoto specifického stavu (skutečně negativní + falešně pozitivní).
|
5 let.
|
Spolupracovníci a vyšetřovatelé
Vyšetřovatelé
- Vrchní vyšetřovatel: Carlos Chaccour, MD, PhD, Clinica Universidad de Navarra
Publikace a užitečné odkazy
Obecné publikace
- Barton A, Gaydecki P, Holt K, Smith JA. Data reduction for cough studies using distribution of audio frequency content. Cough. 2012 Dec 12;8(1):12. doi: 10.1186/1745-9974-8-12.
- Boulet LP, Coeytaux RR, McCrory DC, French CT, Chang AB, Birring SS, Smith J, Diekemper RL, Rubin B, Irwin RS; CHEST Expert Cough Panel. Tools for assessing outcomes in studies of chronic cough: CHEST guideline and expert panel report. Chest. 2015 Mar;147(3):804-814. doi: 10.1378/chest.14-2506.
- Bujang MA, Adnan TH. Requirements for Minimum Sample Size for Sensitivity and Specificity Analysis. J Clin Diagn Res. 2016 Oct;10(10):YE01-YE06. doi: 10.7860/JCDR/2016/18129.8744. Epub 2016 Oct 1.
- Decalmer SC, Webster D, Kelsall AA, McGuinness K, Woodcock AA, Smith JA. Chronic cough: how do cough reflex sensitivity and subjective assessments correlate with objective cough counts during ambulatory monitoring? Thorax. 2007 Apr;62(4):329-34. doi: 10.1136/thx.2006.067413. Epub 2006 Nov 13.
- Gabaldon-Figueira JC, Brew J, Dore DH, Umashankar N, Chaccour J, Orrillo V, Tsang LY, Blavia I, Fernandez-Montero A, Bartolome J, Grandjean Lapierre S, Chaccour C. Digital acoustic surveillance for early detection of respiratory disease outbreaks in Spain: a protocol for an observational study. BMJ Open. 2021 Jul 2;11(7):e051278. doi: 10.1136/bmjopen-2021-051278.
- Hall JI, Lozano M, Estrada-Petrocelli L, Birring S, Turner R. The present and future of cough counting tools. J Thorac Dis. 2020 Sep;12(9):5207-5223. doi: 10.21037/jtd-2020-icc-003.
- Matos S, Birring SS, Pavord ID, Evans DH. An automated system for 24-h monitoring of cough frequency: the leicester cough monitor. IEEE Trans Biomed Eng. 2007 Aug;54(8):1472-9. doi: 10.1109/TBME.2007.900811.
- Park SC, Kang MJ, Han CH, Lee SM, Kim CJ, Lee JM, Kang YA. Prevalence, incidence, and mortality of nontuberculous mycobacterial infection in Korea: a nationwide population-based study. BMC Pulm Med. 2019 Aug 1;19(1):140. doi: 10.1186/s12890-019-0901-z.
- Porter P, Abeyratne U, Swarnkar V, Tan J, Ng TW, Brisbane JM, Speldewinde D, Choveaux J, Sharan R, Kosasih K, Della P. A prospective multicentre study testing the diagnostic accuracy of an automated cough sound centred analytic system for the identification of common respiratory disorders in children. Respir Res. 2019 Jun 6;20(1):81. doi: 10.1186/s12931-019-1046-6.
- Ragonnet R, Trauer JM, Geard N, Scott N, McBryde ES. Profiling Mycobacterium tuberculosis transmission and the resulting disease burden in the five highest tuberculosis burden countries. BMC Med. 2019 Nov 22;17(1):208. doi: 10.1186/s12916-019-1452-0.
- Sharan RV, Abeyratne UR, Swarnkar VR, Claxton S, Hukins C, Porter P. Predicting spirometry readings using cough sound features and regression. Physiol Meas. 2018 Sep 5;39(9):095001. doi: 10.1088/1361-6579/aad948.
- Song WJ, Chang YS, Faruqi S, Kang MK, Kim JY, Kang MG, Kim S, Jo EJ, Lee SE, Kim MH, Plevkova J, Park HW, Cho SH, Morice AH. Defining Chronic Cough: A Systematic Review of the Epidemiological Literature. Allergy Asthma Immunol Res. 2016 Mar;8(2):146-55. doi: 10.4168/aair.2016.8.2.146. Epub 2015 Sep 18.
- Turner RD. Cough in pulmonary tuberculosis: Existing knowledge and general insights. Pulm Pharmacol Ther. 2019 Apr;55:89-94. doi: 10.1016/j.pupt.2019.01.008. Epub 2019 Feb 1.
- Sanchez-Olivieri I, Rudd M, Gabaldon-Figueira JC, Carmona-Torre F, Del Pozo JL, Moorsmith R, Jover L, Galvosas M, Small P, Grandjean Lapierre S, Chaccour C. Performance evaluation of human cough annotators: optimal metrics and sex differences. BMJ Open Respir Res. 2023 Nov;10(1):e001942. doi: 10.1136/bmjresp-2023-001942.
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
- Patologické procesy
- Chronické onemocnění
- Atributy nemoci
- Onemocnění imunitního systému
- Infekce
- Nemoci dýchacích cest
- Nemoci trávicího systému
- Gastrointestinální onemocnění
- Plicní onemocnění
- Poruchy dýchání
- Bronchiální onemocnění
- Plicní onemocnění, obstrukční
- Respirační přecitlivělost
- Přecitlivělost, okamžitá
- Přecitlivělost
- Nemoci jícnu
- Příznaky a symptomy, Respirační
- Gram-pozitivní bakteriální infekce
- Bakteriální infekce
- Bakteriální infekce a mykózy
- Infekce Actinomycetales
- Poruchy motility jícnu
- Poruchy deglutace
- Infekce Mycobacterium
- Patologické stavy, příznaky a symptomy
- Příznaky a symptomy
- Plicní onemocnění, chronická obstrukční
- Astma
- Kašel
- Gastroezofageální reflux
- Tuberkulóza
Další identifikační čísla studie
- PI_2021/72
Plán pro data jednotlivých účastníků (IPD)
Plánujete sdílet data jednotlivých účastníků (IPD)?
Popis plánu IPD
Časový rámec sdílení IPD
Kritéria přístupu pro sdílení IPD
Typ podpůrných informací pro sdílení IPD
- PROTOKOL STUDY
- ICF
- CSR
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 .
Klinické studie na Hyfe Sledovač kašle
-
Centre d'Investigation Clinique et Technologique...Adep AssistanceDokončenoChronické respirační selhání | Neuromuskulární onemocnění | KašelFrancie
-
University of WashingtonStandard Homeopathic CompanyDokončeno
-
Centre d'Investigation Clinique et Technologique...DokončenoNeuromuskulární onemocněníFrancie
-
University of WashingtonStandard Homeopathic CompanyDokončeno
-
University Hospital, AntwerpPhilips RespironicsUkončeno
-
Assistance Publique - Hôpitaux de ParisZatím nenabírámeVícenásobná postižení | Respirační dekompenzaceFrancie
-
Cairo UniversityDokončeno
-
Centre d'Investigation Clinique et Technologique...Ukončeno
-
University of North Carolina, Chapel HillCystic Fibrosis FoundationDokončenoCystická fibróza | Defekt mukociliární clearanceSpojené státy
-
Imperial College LondonMerck Sharp & Dohme LLCZatím nenabíráme