Použití více senzorů ke sledování spánku u pracovníků na noční směně (SENSE)
17. března 2026 aktualizováno: Philip Cheng, Henry Ford Health System
Vícesenzorový přístup strojového učení k přesnému sledování spánku pro pracovníky na noční směně
Spánek je pro pracovníky na noční směně často výzvou, protože jejich pracovní a spánkové plány jsou obrácené.
Spánek se běžně měří pomocí aktigrafie, což je standardní míra objektivního spánku v běžné populaci; tato metoda má však podstatná omezení pro pracovníky pracující na noční směně, protože standardní starší algoritmy správně identifikují pouze 50,3 % denního spánku.
To výrazně snižuje platnost pro pracovníky noční směny.
Účelem této studie je otestovat novou metodu rozšíření aktigrafie pomocí 1) vícesenzorového přístupu, který 2) využívá algoritmy strojového učení (ML) ke zvýšení přesnosti detekce denního spánku.
Přehled studie
Postavení
Nábor
Podmínky
Detailní popis
Prvním cílem této studie je vytvořit open-source algoritmus strojového učení pro sledování spánku, který překonává starší algoritmy aktigrafie při detekci denních spánkových period. Druhým cílem je zlepšit sledování proměnných kontinuity spánku přidáním více senzorů. Konečným cílem je identifikovat facilitátory a bariéry domácí implementace multisenzorového sledování spánku. Naší ústřední hypotézou je, že vícesenzorový přístup ML překoná starší algoritmy oproti polysomnografii zlatého standardu (PSG).
Tato studie bude hybridní efektivnost-implementační studie typu I, která 1) ověřuje navrhovaný multisenzorový ML přístup pomocí polysomnografie v laboratoři a 2) zkoumá implementaci multisenzorového ML přístupu v ekologicky platném prostředí prostřednictvím domácího prostředí. provádění po dobu čtyř týdnů. Vzorek pracovníků pracujících na noční směně (N = 100) bude zařazen do části studie s laboratorní validací a bude randomizován buď do stavu staršího algoritmu aktigrafie, nebo do stavu ML s více senzory v poměru 1:1. Po příjezdu budou účastníci napojeni na ambulantní PSG s nepřetržitým sběrem dat po celou dobu návštěvy laboratoře, aby bylo možné zachytit pět plánovaných příležitostí ke spánku v různých délkách (4 hodiny, 2 hodiny, 1,5 hodiny a dva 30minutové šlofíky; 8 celkem hodin). Ti, kdo jsou randomizováni do stavu staršího aktigrafického algoritmu, budou mít pouze nezpracovaná data akcelerometru shromážděna a zpracována pomocí starších aktigrafických algoritmů, zatímco ti, kteří byli randomizováni do stavu ML s více senzory, budou postupovat podle stejných postupů jako u staršího stavu aktigrafie, ale budou také monitorováni pomocí přídavné senzory. Přibližně polovina účastníků, kteří dokončí část studie v laboratoři, bude požádána, aby dokončili část studie doma, která zahrnuje 4 týdny sledování spánku doma pomocí vícesenzorového přístupu. Účastníci obdrží sadu senzorů a budou mít doma schůzku se studijním personálem, který jim pomůže s nastavením senzoru, který bude poté znovu shromážděn na konci 4týdenního období. Během 4 týdnů budou také shromažďovány denní deníky spánku, aby byla umožněna kontrola kvality dat.
Typ studie
Intervenční
Zápis (Odhadovaný)
100
Fáze
- Nelze použít
Kontakty a umístění
Tato část poskytuje kontaktní údaje pro ty, kteří studii provádějí, a informace o tom, kde se tato studie provádí.
Studijní kontakt
- Jméno: Philip Cheng, PhD
- Telefonní číslo: 248-344-7361
- E-mail: pcheng1@hfhs.org
Studijní záloha kontaktů
- Jméno: Elle M Wernette, PhD
- Telefonní číslo: 2483442409
- E-mail: ewernet1@hfhs.org
Studijní místa
-
-
Michigan
-
Novi, Michigan, Spojené státy, 48377
- Nábor
- Henry Ford Columbus Medical Center
-
Kontakt:
- Philip Cheng, PhD
- Telefonní číslo: 248-344-7361
- E-mail: pcheng1@hfhs.org
-
Vrchní vyšetřovatel:
- Philip Cheng, PhD
-
Kontakt:
- Elle M Wernette, PhD
- Telefonní číslo: 2483442409
- E-mail: ewernet1@hfhs.org
-
-
Kritéria účasti
Výzkumníci hledají lidi, kteří odpovídají určitému popisu, kterému se říká kritéria způsobilosti. Některé příklady těchto kritérií jsou celkový zdravotní stav osoby nebo předchozí léčba.
Kritéria způsobilosti
Věk způsobilý ke studiu
- Dospělý
- Starší dospělý
Přijímá zdravé dobrovolníky
Ano
Popis
Kritéria zahrnutí:
- Účastníci musí pracovat s pevným rozvrhem nočních směn, operacionalizovaným jako: a) pracovat alespoň na třech nočních směnách týdně, b) směny musí začínat mezi 18:00 a 02:00 a trvat 8 až 12 hodin a c) musí také plánují zachovat rozvrh nočních směn po celou dobu studia
- Účastníci musí pracovat na noční směně alespoň šest měsíců
- Musí plánovat dodržení plánu nočních směn po celou dobu studia
- Účastníci musí být starší 18 let
Kritéria vyloučení:
- Ukončení rozvrhu nočních směn nebo plánovaného cestování v době studia
- Nemá alespoň v průměru 8hodinový čas na spaní za 24 hodin
- Neochotní integrovat chytré senzory studie do prostředí své ložnice
- Užívání nelegálních drog prostřednictvím self-reportu a screeningu drog v moči
- Neurologické poruchy v anamnéze
- Porucha užívání alkoholu
- Těhotenství
Studijní plán
Tato část poskytuje podrobnosti o studijním plánu, včetně toho, jak je studie navržena a co studie měří.
Jak je studie koncipována?
Detaily designu
- Primární účel: Jiný
- Přidělení: Nerandomizované
- Intervenční model: Sekvenční přiřazení
- Maskování: Dvojnásobek
Zbraně a zásahy
Skupina účastníků / Arm |
Intervence / Léčba |
|---|---|
|
Experimentální: Single vs. multi-senzorové sledování spánku in-lab
V části 1 studie budou všechna data účastníků podstoupit dvě samostatné metody pro analýzu spánku. Metody algoritmu starších aktivalů budou používat pouze data surového akcelerometru z jediného senzoru shromážděného a zpracovaného pomocí starých algoritmů Actigrafics. Legační algoritmus se skládá z nejprve ze snížení dat akcelerometru na počty aktivity na epochu, která bude poté kategorizována do spánku nebo probuzení v souladu s algoritmem Cole-Kripke. Metoda multisenzorového strojového učení (ML) bude kromě dat z dalších senzorů z hodinek, telefonu a dalších inteligentních senzorů v prostředí spacího prostředí používat radová data. Tato data budou zpracována pomocí algoritmu strojového učení. |
Sledování spánku v laboratoři využívající pouze nezpracovaná data akcelerometru z jednoho senzoru shromážděná a zpracovaná pomocí starších aktigrafických algoritmů.
Sledování spánku v laboratoři pomocí nezpracovaných dat z akcelerometru a dalších senzorů shromážděných a zpracovaných pomocí strojového učení.
Ostatní jména:
|
|
Jiný: Domácí sledování spánku s více senzory
Tato podmínka zahrnuje 4 týdny sledování spánku v domácnosti pomocí přístupu s více senzory.
Budou shromažďovány také denní spánkové deníky, aby se umožnila kontrola kvality dat.
Po shromáždění budou všechna data zpracována se stejným algoritmem strojového učení použitého v experimentálním stavu v laboratoři.
|
Sledování spánku doma pomocí nezpracovaných dat z akcelerometru a dalších senzorů shromážděných a zpracovaných pomocí strojového učení.
|
Co je měření studie?
Primární výstupní opatření
Měření výsledku |
Popis opatření |
Časové okno |
|---|---|---|
|
Kontinuita spánku – čas v posteli
Časové okno: Po celou dobu dokončení studie až 6 týdnů
|
Množství času (v minutách), které účastník stráví v posteli od zhasnutí světel do posledního času probuzení.
Všechny proměnné PSG budou používat standardní pravidla hodnocení spánku American Academy of Sleep Medicine (AASM).
Data z Apple Watch budou mít non-PSG vstupy z multisenzorového systému, které informují o této proměnné kontinuity spánku.
|
Po celou dobu dokončení studie až 6 týdnů
|
|
Kontinuita spánku – latence nástupu spánku
Časové okno: Po celou dobu dokončení studie až 6 týdnů
|
Doba (v minutách), kterou účastník potřebuje, aby usnul, od zhasnutí světel nebo doba, kterou strávil vzhůru, ale snažil se usnout při zhasnutých světlech.
Všechny proměnné PSG budou používat standardní pravidla pro hodnocení spánku AASM; označeno značkou "zhasnutá světla" na PSG, EEG bylo hodnoceno jako bdění, doprovázené prototypickou spánkovou polohou (např.
vleže) se zavřenýma očima.
Data z Apple Watch budou mít non-PSG vstupy z multisenzorového systému, které informují o této proměnné kontinuity spánku, včetně tlumených světel nebo tmy s luxem blízkým nule, přítomnost v posteli, vzácný/přerušovaný pohyb z telefonu a hodinek.
|
Po celou dobu dokončení studie až 6 týdnů
|
|
Kontinuita spánku – Probuzení po nástupu spánku
Časové okno: Po celou dobu dokončení studie až 6 týdnů
|
Doba (v minutách), kterou účastník stráví vzhůru, od doby, kdy původně usnul, a vyjma jejich konečného probuzení.
Všechny proměnné PSG budou používat standardní pravidla pro hodnocení spánku AASM; označená značkou „zhasnutá světla“ na PSG, elektroencefalografie (EEG) hodnocená jako bdění, doprovázená typickou spánkovou polohou (např.
vleže) se zavřenýma očima.
Data z Apple Watch budou mít non-PSG vstupy z multisenzorového systému, které informují o této proměnné kontinuity spánku.
|
Po celou dobu dokončení studie až 6 týdnů
|
|
Kontinuita spánku – účinnost spánku
Časové okno: Po celou dobu dokončení studie až 6 týdnů
|
Podíl celkové doby, kdy účastník spí, k celkové době v posteli [(Celková doba spánku v minutách) / (Doba v posteli v minutách)].
Všechny proměnné PSG budou používat standardní pravidla pro hodnocení spánku AASM.
Data z Apple Watch budou mít non-PSG vstupy z multisenzorového systému, které informují o této proměnné kontinuity spánku, včetně tlumených světel nebo tmy, přítomnosti v posteli, dlouhodobého slabého pohybu z telefonu a hodinek, změn dechové frekvence a srdeční frekvence ( staging spánku).
|
Po celou dobu dokončení studie až 6 týdnů
|
|
Probudit
Časové okno: Po celou dobu dokončení studie až 6 týdnů
|
Doba (v minutách), po kterou je účastník vzhůru [nebo nepřítomnost jakéhokoli typu spánku – Fáze 1 (N1), Fáze 2 (N2), Fáze 3 (N3), Rychlé pohyby očí (REM)].
Všechny proměnné PSG budou používat standardní pravidla pro hodnocení spánku AASM; reprezentované na PSG aktivitami před značkou „zhasnutí“ nebo video monitorováním (např. video monitorování ukazující rolování na sociálních sítích v posteli).
Data z Apple Watch budou mít jiné než PSG vstupy z multisenzorového systému, které informují o těchto proměnných kontinuity spánku, včetně pohybu, rozsvícených světel a vysoké srdeční frekvence.
|
Po celou dobu dokončení studie až 6 týdnů
|
|
Detekce denního spánku
Časové okno: Po celou dobu dokončení studie až 6 týdnů
|
Jakákoli období spánku mezi 6a a 6p bude označena jako denní spánek.
Období denního spánku z Apple Watch bude považováno za úspěšně zjištěné, pokud spadá do ±30 minut od začátku a konce PSG a je alespoň 50 % délky skutečného období spánku.
|
Po celou dobu dokončení studie až 6 týdnů
|
|
Uživatelská zkušenost
Časové okno: Do dvou dnů od domácího zásahu
|
To bude indexováno pomocí dotazníku User Experience Questionnaire (UEQ), který byl ověřen pro hodnocení nových produktů a má jasná a dobře zavedená měřítka.
UEQ zahrnuje položky v šesti oblastech: 1) Atraktivita (celková líbivost nebo přitažlivost), 2) Pronikavost (křivka učení a snadnost použití), 3) Efektivita (rychlost a efektivita interakcí), 4) Spolehlivost (předvídatelnost chování systému) , 5) Stimulace (jak vzrušující a motivující produkt je), 6) Novinka (inovace a kreativita produktu).
|
Do dvou dnů od domácího zásahu
|
Sekundární výstupní opatření
Měření výsledku |
Popis opatření |
Časové okno |
|---|---|---|
|
Rozhovory
Časové okno: Do jednoho měsíce od domácího zásahu
|
Tyto rozhovory budou semistrukturované pomocí Konsolidovaného rámce pro výzkum implementace (CFIR).
Moderátorský průvodce bude vyžadovat hloubkovou zpětnou vazbu o zkušenostech účastníků, výzvách a návrzích na zlepšení.
Mezi klíčová témata, která je třeba v rozhovorech prozkoumat, patří snadnost použití, pohodlí, vnímaná přesnost a jakékoli překážky pravidelného používání.
|
Do jednoho měsíce od domácího zásahu
|
|
Technologická gramotnost digitálního zdraví
Časové okno: Během screeningu před intervencí v laboru
|
To bude měřeno pomocí stupnice digitálního zdravotnického technologického gramotnosti (DHTL).
Toto ověřené měřítko hodnotí stupeň zkušeností a dovedností při používání technologií a služeb digitálního zdraví.
DHTL má silnou vnitřní konzistenci (Cronbachův α = 0,95) a silnou platnost s dokončením deseti digitálních úkolů, jako je připojení zařízení k Wi-Fi a Bluetooth, stahování a instalaci aplikace a zadávání hmotnostních dat do aplikace.
|
Během screeningu před intervencí v laboru
|
Spolupracovníci a vyšetřovatelé
Zde najdete lidi a organizace zapojené do této studie.
Sponzor
Spolupracovníci
Publikace a užitečné odkazy
Osoba odpovědná za zadávání informací o studiu tyto publikace poskytuje dobrovolně. Mohou se týkat čehokoli, co souvisí se studiem.
Obecné publikace
- Vgontzas AN, Fernandez-Mendoza J, Liao D, Bixler EO. Insomnia with objective short sleep duration: the most biologically severe phenotype of the disorder. Sleep Med Rev. 2013 Aug;17(4):241-54. doi: 10.1016/j.smrv.2012.09.005. Epub 2013 Feb 16.
- Hsieh HF, Shannon SE. Three approaches to qualitative content analysis. Qual Health Res. 2005 Nov;15(9):1277-88. doi: 10.1177/1049732305276687.
- Sadeh A, Sharkey KM, Carskadon MA. Activity-based sleep-wake identification: an empirical test of methodological issues. Sleep. 1994 Apr;17(3):201-7. doi: 10.1093/sleep/17.3.201.
- Cole RJ, Kripke DF, Gruen W, Mullaney DJ, Gillin JC. Automatic sleep/wake identification from wrist activity. Sleep. 1992 Oct;15(5):461-9. doi: 10.1093/sleep/15.5.461.
- Lichstein KL, Stone KC, Donaldson J, Nau SD, Soeffing JP, Murray D, Lester KW, Aguillard RN. Actigraphy validation with insomnia. Sleep. 2006 Feb;29(2):232-9.
- Van Dongen HP, Maislin G, Mullington JM, Dinges DF. The cumulative cost of additional wakefulness: dose-response effects on neurobehavioral functions and sleep physiology from chronic sleep restriction and total sleep deprivation. Sleep. 2003 Mar 15;26(2):117-26. doi: 10.1093/sleep/26.2.117. Erratum In: Sleep. 2004 Jun 15;27(4):600.
- Drake C, Richardson G, Roehrs T, Scofield H, Roth T. Vulnerability to stress-related sleep disturbance and hyperarousal. Sleep. 2004 Mar 15;27(2):285-91. doi: 10.1093/sleep/27.2.285.
- Drake C, Nickel C, Burduvali E, Roth T, Jefferson C, Pietro B. The pediatric daytime sleepiness scale (PDSS): sleep habits and school outcomes in middle-school children. Sleep. 2003 Jun 15;26(4):455-8.
- Walch O, Huang Y, Forger D, Goldstein C. Sleep stage prediction with raw acceleration and photoplethysmography heart rate data derived from a consumer wearable device. Sleep. 2019 Dec 24;42(12):zsz180. doi: 10.1093/sleep/zsz180.
- Karlsson B, Knutsson A, Lindahl B. Is there an association between shift work and having a metabolic syndrome? Results from a population based study of 27,485 people. Occup Environ Med. 2001 Nov;58(11):747-52. doi: 10.1136/oem.58.11.747.
- Drake CL, Roehrs T, Richardson G, Walsh JK, Roth T. Shift work sleep disorder: prevalence and consequences beyond that of symptomatic day workers. Sleep. 2004 Dec 15;27(8):1453-62. doi: 10.1093/sleep/27.8.1453.
- McHill AW, Melanson EL, Higgins J, Connick E, Moehlman TM, Stothard ER, Wright KP Jr. Impact of circadian misalignment on energy metabolism during simulated nightshift work. Proc Natl Acad Sci U S A. 2014 Dec 2;111(48):17302-7. doi: 10.1073/pnas.1412021111. Epub 2014 Nov 17.
- te Lindert BH, Van Someren EJ. Sleep estimates using microelectromechanical systems (MEMS). Sleep. 2013 May 1;36(5):781-9. doi: 10.5665/sleep.2648.
- Tobaldini E, Fiorelli EM, Solbiati M, Costantino G, Nobili L, Montano N. Short sleep duration and cardiometabolic risk: from pathophysiology to clinical evidence. Nat Rev Cardiol. 2019 Apr;16(4):213-224. doi: 10.1038/s41569-018-0109-6.
- Hysing M, Pallesen S, Stormark KM, Jakobsen R, Lundervold AJ, Sivertsen B. Sleep and use of electronic devices in adolescence: results from a large population-based study. BMJ Open. 2015 Feb 2;5(1):e006748. doi: 10.1136/bmjopen-2014-006748.
- Tricas-Vidal HJ, Lucha-Lopez MO, Hidalgo-Garcia C, Vidal-Peracho MC, Monti-Ballano S, Tricas-Moreno JM. Health Habits and Wearable Activity Tracker Devices: Analytical Cross-Sectional Study. Sensors (Basel). 2022 Apr 12;22(8):2960. doi: 10.3390/s22082960.
- Cheng P, Walch O, Huang Y, Mayer C, Sagong C, Cuamatzi Castelan A, Burgess HJ, Roth T, Forger DB, Drake CL. Predicting circadian misalignment with wearable technology: validation of wrist-worn actigraphy and photometry in night shift workers. Sleep. 2021 Feb 12;44(2):zsaa180. doi: 10.1093/sleep/zsaa180.
- Huang Y, Mayer C, Cheng P, Siddula A, Burgess HJ, Drake C, Goldstein C, Walch O, Forger DB. Predicting circadian phase across populations: a comparison of mathematical models and wearable devices. Sleep. 2021 Oct 11;44(10):zsab126. doi: 10.1093/sleep/zsab126.
- Lieberman HR, Agarwal S, Caldwell JA, Fulgoni VL. Demographics, sleep, and daily patterns of caffeine intake of shift workers in a nationally representative sample of the US adult population. Sleep. 2020 Mar 12;43(3):zsz240. doi: 10.1093/sleep/zsz240.
- Yoon J, Lee M, Ahn JS, Oh D, Shin SY, Chang YJ, Cho J. Development and Validation of Digital Health Technology Literacy Assessment Questionnaire. J Med Syst. 2022 Jan 24;46(2):13. doi: 10.1007/s10916-022-01800-8.
- Patterson MR, Nunes AAS, Gerstel D, Pilkar R, Guthrie T, Neishabouri A, Guo CC. 40 years of actigraphy in sleep medicine and current state of the art algorithms. NPJ Digit Med. 2023 Mar 24;6(1):51. doi: 10.1038/s41746-023-00802-1.
- Hjetland GJ, Skogen JC, Hysing M, Sivertsen B. The Association Between Self-Reported Screen Time, Social Media Addiction, and Sleep Among Norwegian University Students. Front Public Health. 2021 Dec 16;9:794307. doi: 10.3389/fpubh.2021.794307. eCollection 2021.
- Erickson ML, Wang W, Counts J, Redman LM, Parker D, Huebner JL, Dunn J, Kraus WE. Field-Based Assessments of Behavioral Patterns During Shiftwork in Police Academy Trainees Using Wearable Technology. J Biol Rhythms. 2022 Jun;37(3):260-271. doi: 10.1177/07487304221087068. Epub 2022 Apr 13.
- Baron KG, Abbott S, Jao N, Manalo N, Mullen R. Orthosomnia: Are Some Patients Taking the Quantified Self Too Far? J Clin Sleep Med. 2017 Feb 15;13(2):351-354. doi: 10.5664/jcsm.6472.
- Maric A, Burgi M, Werth E, Baumann CR, Poryazova R. Exploring the impact of experimental sleep restriction and sleep deprivation on subjectively perceived sleep parameters. J Sleep Res. 2019 Jun;28(3):e12706. doi: 10.1111/jsr.12706. Epub 2018 Jun 5.
- Fernandez-Mendoza J. The insomnia with short sleep duration phenotype: an update on it's importance for health and prevention. Curr Opin Psychiatry. 2017 Jan;30(1):56-63. doi: 10.1097/YCO.0000000000000292.
- Zhang Y, Papantoniou K. Night shift work and its carcinogenicity. Lancet Oncol. 2019 Oct;20(10):e550. doi: 10.1016/S1470-2045(19)30578-9. Epub 2019 Sep 30. No abstract available.
- Straif K, Baan R, Grosse Y, Secretan B, El Ghissassi F, Bouvard V, Altieri A, Benbrahim-Tallaa L, Cogliano V; WHO International Agency For Research on Cancer Monograph Working Group. Carcinogenicity of shift-work, painting, and fire-fighting. Lancet Oncol. 2007 Dec;8(12):1065-6. doi: 10.1016/S1470-2045(07)70373-X. No abstract available.
- Scott AJ, Monk TH, Brink LL. Shiftwork as a Risk Factor for Depression: A Pilot Study. Int J Occup Environ Health. 1997 Jul;3(Supplement 2):S2-S9.
- Kalmbach DA, Pillai V, Cheng P, Arnedt JT, Drake CL. Shift work disorder, depression, and anxiety in the transition to rotating shifts: the role of sleep reactivity. Sleep Med. 2015 Dec;16(12):1532-8. doi: 10.1016/j.sleep.2015.09.007. Epub 2015 Sep 28.
- Puttonen S, Harma M, Hublin C. Shift work and cardiovascular disease - pathways from circadian stress to morbidity. Scand J Work Environ Health. 2010 Mar;36(2):96-108. doi: 10.5271/sjweh.2894. Epub 2010 Jan 20.
- Boggild H, Knutsson A. Shift work, risk factors and cardiovascular disease. Scand J Work Environ Health. 1999 Apr;25(2):85-99. doi: 10.5271/sjweh.410.
- Lee J, Yoo SK. Respiration Rate Estimation Based on Independent Component Analysis of Accelerometer Data: Pilot Single-Arm Intervention Study. JMIR Mhealth Uhealth. 2020 Aug 10;8(8):e17803. doi: 10.2196/17803.
- Brito RS, Dias C, Afonso Filho A, Salles C. Prevalence of insomnia in shift workers: a systematic review. Sleep Sci. 2021 Jan-Mar;14(1):47-54. doi: 10.5935/1984-0063.20190150.
Termíny studijních záznamů
Tato data sledují průběh záznamů studie a předkládání souhrnných výsledků na ClinicalTrials.gov. Záznamy ze studií a hlášené výsledky jsou před zveřejněním na veřejné webové stránce přezkoumány Národní lékařskou knihovnou (NLM), aby se ujistily, že splňují specifické standardy kontroly kvality.
Hlavní termíny studia
Začátek studia (Aktuální)
23. února 2026
Primární dokončení (Odhadovaný)
30. listopadu 2029
Dokončení studie (Odhadovaný)
30. června 2031
Termíny zápisu do studia
První předloženo
15. října 2024
První předloženo, které splnilo kritéria kontroly kvality
30. října 2024
První zveřejněno (Aktuální)
1. listopadu 2024
Aktualizace studijních záznamů
Poslední zveřejněná aktualizace (Aktuální)
18. března 2026
Odeslaná poslední aktualizace, která splnila kritéria kontroly kvality
17. března 2026
Naposledy ověřeno
1. března 2026
Více informací
Termíny související s touto studií
Klíčová slova
Další identifikační čísla studie
- 17505 (Jiný identifikátor: City of Hope Medical Center)
Plán pro data jednotlivých účastníků (IPD)
Plánujete sdílet data jednotlivých účastníků (IPD)?
NE
Popis plánu IPD
Žádost o sdílení údajů bude posuzována případ od případu
Informace o lécích a zařízeních, studijní dokumenty
Studuje lékový produkt regulovaný americkým FDA
Ne
Studuje produkt zařízení regulovaný americkým úřadem FDA
Ne
produkt vyrobený a vyvážený z USA
Ne
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 .