- ICH GCP
- US-Register für klinische Studien
- Klinische Studie NCT05042063
Akustisches Hustenmonitoring zur Behandlung von Patienten mit bekannter Atemwegserkrankung
Studienübersicht
Status
Bedingungen
Intervention / Behandlung
Detaillierte Beschreibung
Dies ist eine Beobachtungsstudie, die an den beiden Standorten der Clínica Universidad de Navarra in Pamplona und Madrid (Spanien) durchgeführt wird.
Ein künstliches Intelligenzsystem (KI), das explosive mutmaßliche Hustengeräusche erkennt und aufzeichnet und menschlichen Husten anhand akustischer Merkmale identifiziert, wird zur automatischen Überwachung des Hustens verwendet. Potenzielle Teilnehmer, die entweder die Ambulanz aufsuchen oder mit Husten ins Krankenhaus eingeliefert werden, werden von ihrem behandelnden Arzt oder einem Mitglied des Forschungsteams eingeladen und von einem Teil des Forschungsteams in die Studie aufgenommen. Ein Forscher wird die Teilnehmer in die Installation und Verwendung von Hyfe Cough Tracker auf ihren Smartphones einweisen. Die Teilnehmer werden 30 Tage lang (ambulant) oder bis zur Entlassung aus dem Krankenhaus (stationär) überwacht. Die Teilnehmer werden gebeten, täglich online eine standardisierte visuelle Analogskala (VAS) von 100 mm auszufüllen, um Änderungen in der subjektiven Intensität ihres Hustens zu registrieren, während Hyfe verwendet wird, um Änderungen in seiner Häufigkeit objektiv zu überwachen.
Parallel dazu wird ein Datensatz mit annotierten Hustengeräuschen erstellt und rückwirkend verwendet, um Unterschiede in akustischen Hustenmustern zu bewerten und die Leistung des Systems zu bewerten, das sie erkennt.
Eine erste Untergruppe von Teilnehmern wird außerhalb des klinischen Umfelds rekrutiert und gebeten, eine Reihe von ausgelösten Geräuschen, einschließlich Husten, bereitzustellen, die dann verwendet werden, um die Leistung des Systems zu bestimmen, wobei Husten von Nicht-Hustengeräuschen genau unterschieden und mit geschulten menschlichen Zuhörern verglichen wird .
Eine zweite Untergruppe von Teilnehmern wird angewiesen, Hyfe und das zugehörige tragbare Gerät Hyfe Air kontinuierlich für einen Zeitraum zwischen 6 und 24 Stunden zu verwenden, während sie sich selbst mit einem MP3-Recorder aufzeichnen, der an ein Ansteckmikrofon angeschlossen ist. Diese Gruppe wird verwendet, um die Leistung von Hyfe und Hyfe Air in einer realen Umgebung mit spontanem Husten zu bewerten.
Studientyp
Einschreibung (Tatsächlich)
Kontakte und Standorte
Studienorte
-
-
Navarre
-
Pamplona, Navarre, Spanien, 31008
- Clinica Universidad de Navarra
-
-
Teilnahmekriterien
Zulassungskriterien
Studienberechtigtes Alter
Akzeptiert gesunde Freiwillige
Probenahmeverfahren
Studienpopulation
Für die Hauptstudiengruppe handelt es sich bei der Population um Patienten mit Atemwegserkrankungen, die in der Clínica Universidad de Navarra (Campus Pamplona und Madrid) behandelt werden.
Da für die Validierungsteilstudie 1 nur erhobene Geräusche benötigt werden, wird eine Gruppe von Teilnehmern aus einer früheren Studie direkt zur Teilnahme eingeladen. Für die Validierungsteilstudie 2 werden sowohl stationäre Patienten, die in die Clínica Universidad de Navarra aufgenommen wurden und Husten aufweisen, als auch gesunde Personen, die direkt vom Studienteam zur Teilnahme eingeladen wurden, zu den Teilnehmern gehören.
Beschreibung
Einschlusskriterien:
Für Teilnehmer der Hauptstudiengruppe
- Ambulante oder stationäre Patienten der Clinical Universidad de Navarra mit Hustenbeschwerden.
- Der Patient oder sein/ihr gesetzlicher Vertreter haben der Teilnahme an der Studie zugestimmt.
Für Teilnehmende der Teilstudiengruppen:
- 18 Jahre oder älter sein.
- Zustimmung zur Teilstudie geben
Ausschlusskriterien:
- Unfähigkeit, die Datenschutzrichtlinie und Nutzungsbedingungen von Hyfe zu akzeptieren.
- Fehlender Zugang zu einem Wi-Fi-Netzwerk am Wohnort (für die Hauptstudiengruppe).
- Unwilligkeit, das Husten-Überwachungssystem während des gesamten Überwachungszeitraums regelmäßig zu verwenden
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
- Beobachtungsmodelle: Kohorte
- Zeitperspektiven: Interessent
Kohorten und Interventionen
Gruppe / Kohorte |
Intervention / Behandlung |
|---|---|
|
Teilnehmer mit Husten als Symptom
Diese Gruppe wird sich aus Patienten der Clínica Universidad de Navarra zusammensetzen, die über Husten als auffälliges Symptom klagen.
|
Hyfe Cough Tracker ist ein digitales akustisches Überwachungssystem, das ein künstliches Intelligenzsystem verwendet, um Husten von Nicht-Hustengeräuschen zu unterscheiden.
Hyfe ist eine KI-fähige mobile App, die kurze Snippets aufzeichnet (
|
|
Validierungsuntergruppe 1
Diese Untergruppe wird sowohl aus Patienten bestehen, die zur Hauptstudiengruppe gehören, als auch aus Freiwilligen, die gebeten werden, eine Reihe von ausgelösten Husten- und Nicht-Husten-Geräuschen zu Validierungszwecken bereitzustellen.
|
Hyfe Cough Tracker ist ein digitales akustisches Überwachungssystem, das ein künstliches Intelligenzsystem verwendet, um Husten von Nicht-Hustengeräuschen zu unterscheiden.
Hyfe ist eine KI-fähige mobile App, die kurze Snippets aufzeichnet (
|
|
Validierungsuntergruppe 2
Diese Untergruppe besteht aus stationären Patienten, die in der Clínica Universidad de Navarra mit einer Diagnose einer Atemwegserkrankung oder Husten als Symptom aufgenommen wurden, sowie aus gesunden Personen.
Diese Gruppe wird mit Hyfe Cough Tracker und Hyfe Air für einen variablen Zeitraum von 6 bis 24 Stunden überwacht, während sie mit einem MP3-Recorder aufgezeichnet werden, der an ein Ansteckmikrofon angeschlossen ist.
|
Hyfe Cough Tracker ist ein digitales akustisches Überwachungssystem, das ein künstliches Intelligenzsystem verwendet, um Husten von Nicht-Hustengeräuschen zu unterscheiden.
Hyfe ist eine KI-fähige mobile App, die kurze Snippets aufzeichnet (
Hyfe Air ist ein tragbares Gerät mit einem eingebauten drahtlosen Ansteckmikrofon.
Die Aufzeichnungen des Geräts können denselben Hustenerkennungsalgorithmus durchlaufen, der auch von Hyfe Cough Tracker verwendet wird, während die Ergebnisse direkt in einer entfernten Datenbank gespeichert und den Teilnehmern nicht angezeigt werden.
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Korrelation zwischen subjektivem Hustenempfinden und objektiver Häufigkeit
Zeitfenster: 6 Monate.
|
Der tägliche VAS-Score der Teilnehmer wird mit der vom Hustenüberwachungssystem registrierten Hustenfrequenz verglichen.
Diese Daten werden verwendet, um ein lineares Regressionsmodell anzupassen, um selbstberichtete VAS-Werte mit der täglichen Hustenhäufigkeit zu vergleichen und einen Korrelationskoeffizienten (r) zu berechnen.
|
6 Monate.
|
Sekundäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Empfindlichkeit des Systems zur Unterscheidung von Husten
Zeitfenster: 6 Monate.
|
Die Empfindlichkeit von Hyfe für die Unterscheidung von Husten von anderen explosiven Geräuschen wird mit der von geschulten menschlichen Zuhörern verglichen.
Die Empfindlichkeit wird als der Anteil der korrekt als Husten erkannten Geräusche (richtig positiv) an der Gesamtheit der erzeugten Hustengeräusche (richtig positiv + falsch negativ) angegeben.
|
6 Monate.
|
|
Spezifität des Systems zur Unterscheidung von Husten
Zeitfenster: 6 Monate.
|
Die Spezifität von Hyfe zur Unterscheidung von Husten von anderen explosiven Geräuschen wird mit der von geschulten menschlichen Zuhörern verglichen.
Die Spezifität wird definiert als der Anteil der Nicht-Husten-Geräusche, die vom System korrekt identifiziert werden (wahre Negative) an der Gesamtzahl der erzeugten Nicht-Husten-Geräusche (richtige Negative + falsche Positive).
|
6 Monate.
|
|
Positiver prädiktiver Wert (PPV) des Systems, das Husten unterscheidet
Zeitfenster: 6 Monate.
|
Der PPV von Hyfe für die Unterscheidung von Husten von anderen explosiven Geräuschen wird mit dem von trainierten menschlichen Zuhörern verglichen.
PPV wird definiert als der Anteil der Hustengeräusche, die vom System korrekt identifiziert wurden (wahre positive Ergebnisse), von der Gesamtheit der als Husten gekennzeichneten Geräusche (wahre positive + falsche positive Ergebnisse).
|
6 Monate.
|
|
Negativer prädiktiver Wert (NPV) des Systems zur Unterscheidung von Husten
Zeitfenster: 6 Monate.
|
Der NPV von Hyfe für die Unterscheidung von Husten von anderen explosiven Geräuschen wird mit dem trainierter menschlicher Zuhörer verglichen.
NPV wird definiert als der Anteil der Nicht-Husten-Geräusche, die vom System korrekt identifiziert werden (wahre Negative), von der Gesamtheit der Geräusche, die als Nicht-Husten gekennzeichnet sind (richtige Negative + falsche Negative).
|
6 Monate.
|
|
Aufbau eines annotierten Hustendatensatzes
Zeitfenster: 5 Jahre.
|
Hustenregister von Teilnehmern mit einer ätiologischen Diagnose werden kommentiert und gespeichert, um einen Datensatz zu erstellen, der für das weitere Algorithmustraining und die Verfeinerung verwendet werden kann.
|
5 Jahre.
|
|
Empfindlichkeit des Systems zur Unterscheidung von Husten, der durch verschiedene Bedingungen verursacht wird
Zeitfenster: 5 Jahre.
|
Die Aufzeichnungen von Teilnehmern, für die vor dem Ende der Studie eine ätiologische Diagnose gestellt wird, werden analysiert, um unterschiedliche akustische Muster zu erkennen, die wiederum verwendet werden, um das konvolutionelle neuronale Netzwerk des Systems zu trainieren, um eine Hustenklassifikation für Atemwegserkrankungen durchzuführen.
Die Leistungsfähigkeit dieses Systems wird nachträglich bewertet, indem seine Sensitivität für die Diagnose verschiedener Atemwegserkrankungen im Vergleich zu klinischen Diagnosen eines Arztes bestimmt wird.
Sensitivität wird definiert als der Anteil der Teilnehmer, bei denen Hyfe eine korrekte Diagnose auf der Grundlage von akustischen Hustenmustern (wahre positive Ergebnisse) erhält, von der Gesamtzahl der Teilnehmer, bei denen eine bestimmte Erkrankung diagnostiziert wurde (richtige positive Ergebnisse + falsche negative Ergebnisse).
|
5 Jahre.
|
|
Spezifität des Systems zur Unterscheidung von Husten, der durch verschiedene Erkrankungen verursacht wird
Zeitfenster: 5 Jahre.
|
Die Aufzeichnungen von Teilnehmern, für die vor dem Ende der Studie eine ätiologische Diagnose gestellt wird, werden analysiert, um unterschiedliche akustische Muster zu erkennen, die wiederum verwendet werden, um das konvolutionelle neuronale Netzwerk des Systems zu trainieren, um eine Hustenklassifikation für Atemwegserkrankungen durchzuführen.
Die Leistung dieses Systems wird retrospektiv bewertet, indem seine Spezifität für die Diagnose verschiedener Atemwegserkrankungen im Vergleich zu klinischen Diagnosen eines Arztes bestimmt wird.
Die Spezifität wird definiert als der Anteil der Teilnehmer, bei denen Hyfe das Fehlen von akustischen Hustenmustern im Zusammenhang mit einer bestimmten Krankheit (wahr negative Ergebnisse) korrekt identifiziert, von der Gesamtzahl der Teilnehmer ohne diese spezifische Erkrankung (richtig negative + falsch positive Ergebnisse).
|
5 Jahre.
|
Mitarbeiter und Ermittler
Ermittler
- Hauptermittler: Carlos Chaccour, MD, PhD, Clinica Universidad de Navarra
Publikationen und hilfreiche Links
Allgemeine Veröffentlichungen
- 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.
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Tatsächlich)
Primärer Abschluss (Tatsächlich)
Studienabschluss (Tatsächlich)
Studienanmeldedaten
Zuerst eingereicht
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst gepostet (Tatsächlich)
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Zuletzt verifiziert
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Zusätzliche relevante MeSH-Bedingungen
- Pathologische Prozesse
- Chronische Erkrankung
- Krankheitsattribute
- Erkrankungen des Immunsystems
- Infektionen
- Erkrankungen der Atemwege
- Erkrankungen des Verdauungssystems
- Magen-Darm-Erkrankungen
- Lungenkrankheit
- Atemstörungen
- Bronchialerkrankungen
- Lungenerkrankungen, obstruktive
- Überempfindlichkeit der Atemwege
- Überempfindlichkeit, sofort
- Überempfindlichkeit
- Erkrankungen der Speiseröhre
- Anzeichen und Symptome, Atmung
- Grampositive bakterielle Infektionen
- Bakterielle Infektionen
- Bakterielle Infektionen und Mykosen
- Actinomycetales-Infektionen
- Motilitätsstörungen des Ösophagus
- Schluckstörungen
- Mycobacterium-Infektionen
- Pathologische Zustände, Anzeichen und Symptome
- Anzeichen und Symptome
- Lungenerkrankung, chronisch obstruktiv
- Asthma
- Husten
- Gastroösophagealer Reflux
- Tuberkulose
Andere Studien-ID-Nummern
- PI_2021/72
Plan für individuelle Teilnehmerdaten (IPD)
Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?
Beschreibung des IPD-Plans
IPD-Sharing-Zeitrahmen
IPD-Sharing-Zugriffskriterien
Art der unterstützenden IPD-Freigabeinformationen
- STUDIENPROTOKOLL
- ICF
- CSR
Arzneimittel- und Geräteinformationen, Studienunterlagen
Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt
Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt
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 .
Klinische Studien zur Hyfe Husten-Tracker
-
University of WashingtonStandard Homeopathic CompanyAbgeschlossen
-
San Camillo Hospital, RomeFondazione Italiana Sclerosi Multipla; Fondazione Don Carlo Gnocchi Onlus; University... und andere MitarbeiterRekrutierungMultiple SkleroseItalien
-
Brigham and Women's HospitalDuke University; Weill Medical College of Cornell University; Florida International... und andere MitarbeiterAbgeschlossen
-
Azienda Socio Sanitaria Territoriale Ovest Milanese...Rekrutierung
-
University of MichiganAbgeschlossen
-
Medisch Spectrum TwenteAbgeschlossen
-
Georgia State UniversityNational Institute of Mental Health (NIMH); University of California, Los AngelesAbgeschlossen
-
University Hospital, AntwerpPhilips RespironicsBeendet
-
Groupe Hospitalier Paris Saint JosephZurückgezogen
-
University Hospital, AkershusHaukeland University HospitalAbgeschlossen