Evaluierung eines häuslichen Sensorsystems zur Erkennung einer Gesundheitsdekompensation bei älteren Patienten mit CHF in der Vorgeschichte
Machbarkeit einer häuslichen passiven Umgebungssensortechnologie zur Frühwarnung vor gesundheitlicher Dekompensation durch Erkennung von Abweichungen in den Aktivitäten des täglichen Lebens (ADLs) älterer Patienten mit diagnostizierter chronischer Herzinsuffizienz
Studienübersicht
Status
Status
Bedingungen
Bedingungen
Intervention / Behandlung
Intervention / Behandlung
Studientyp
Studientyp
Einschreibung (Geschätzt)
Einschreibung
Kontakte und Standorte
Studienkontakt
Studienkontakt
- Name: Christine Fernandez
- Telefonnummer: (973) 786-3573
- E-Mail: christine@sensorum.ai
Studieren Sie die Kontaktsicherung
- Name: Andrew Hotchkiss
- Telefonnummer: (973) 946-8382
- E-Mail: andrew@sensorum.ai
Studienorte
-
-
New York
-
New York, New York, Vereinigte Staaten, 10021
- Rekrutierung
- Weill Cornell Medicine
-
Kontakt:
- Kate Zarzuela
- Telefonnummer: 646-962-5909
- E-Mail: kaz4004@med.cornell.edu
-
-
Teilnahmekriterien
Zulassungskriterien
Zulassungskriterien
Studienberechtigtes Alter
- Erwachsene
- Älterer Erwachsener
Akzeptiert gesunde Freiwillige
Probenahmeverfahren
Studienpopulation
Beschreibung
Einschlusskriterien:
- Aktueller Patient bei Weill Cornell Medicine
- 55 Jahre oder älter
- Kann zustimmen
- Dokumentierte Diagnose einer Herzinsuffizienz (CHF)
- Mindestens eines der folgenden früheren Krankenhausinanspruchnahmeereignisse in den letzten 12 Monaten
- Stationäre Aufnahme aus beliebigem Grund
- Einrichtungsbeobachtungsaufenthalt aus beliebigem Grund
- Besuchen Sie aus irgendeinem Grund die Notaufnahme
Ausschlusskriterien:
- Erhebliche Herzklappenerkrankung
- Nierenerkrankung im Endstadium (ESRD)
- CHF im Endstadium
- COPD im Endstadium
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
Anzahl der Gruppen / Kohorten
Kohorten und Interventionen
Gruppe / KohorteGruppe / Kohorte |
Intervention / BehandlungIntervention / Behandlung |
|---|---|
|
Passive Überwachung
Kein Eingriff
|
Datenerfassung klinisch relevanter Signale mithilfe eines häuslichen Sensorsystems
|
Was misst die Studie?
Primäre Ergebnismessungen
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Rückruf von KI im passiven Sensorsystem
Zeitfenster: 6 Monate
|
Bewertung der KI-Fähigkeit zur prospektiven Erkennung von Krankenhausauslastungsereignissen
|
6 Monate
|
|
Präzision der KI im passiven Sensorsystem
Zeitfenster: 6 Monate
|
Bewertung der KI-Fähigkeit, das Ereignis der Krankenhausauslastung präzise vorherzusagen
|
6 Monate
|
Sekundäre Ergebnismessungen
Sekundäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Rückruf der Überprüfung der Sensordaten durch ausgebildete Krankenschwestern
Zeitfenster: 6 Monate
|
Bewertung der Fähigkeit des Pflegepersonals, ein Krankenhausnutzungsereignis prospektiv zu erkennen
|
6 Monate
|
|
Präzision der Überprüfung der Sensordaten durch geschultes Pflegepersonal
Zeitfenster: 6 Monate
|
Bewertung der Fähigkeit des Pflegepersonals, das Ereignis der Krankenhausauslastung genau vorherzusagen
|
6 Monate
|
Mitarbeiter und Ermittler
Sponsor
Sponsor
Ermittler
Ermittler
- Hauptermittler: Parag Goyal, M.D., MSc, Weill Medical College of Cornell University
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Tatsächlich)
Studienbeginn
Primärer Abschluss (Geschätzt)
Primärer Abschluss
Studienabschluss (Geschätzt)
Studienabschluss
Studienanmeldedaten
Zuerst eingereicht
Zuerst eingereicht
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst gepostet (Tatsächlich)
Zuerst gepostet
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Geschätzt)
Letztes Update gepostet
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Zuletzt verifiziert
Zuletzt verifiziert
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
Andere Studien-ID-Nummern
- Sensorum P-002
Plan für individuelle Teilnehmerdaten (IPD)
Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?
Diese Informationen wurden ohne Änderungen direkt von der Website clinicaltrials.gov abgerufen. Wenn Sie Ihre Studiendaten ändern, entfernen oder aktualisieren möchten, wenden Sie sich bitte an register@clinicaltrials.gov. Sobald eine Änderung auf clinicaltrials.gov implementiert wird, wird diese automatisch auch auf unserer Website aktualisiert .