Tämä sivu käännettiin automaattisesti, eikä käännösten tarkkuutta voida taata. Katso englanninkielinen versio lähdetekstiä varten.

Älypuhelimella käytössä yöllisen yskän tiheyden ja unen laadun tunnistus astman hallinnan ennustemerkkinä

keskiviikko 22. tammikuuta 2020 päivittänyt: Frank Rassouli, Cantonal Hospital of St. Gallen

Yöyskän esiintyvyyden mittaaminen astmaatikoilla älypuhelimella varustetun akustisen tallennuksen avulla ja yöllisen yskän esiintymistiheyden arvioiminen astman hallinnan ennustemarkkerina: havainnollinen kaksivaiheinen tutkimus

Tutkimuksen tarkoituksena on selvittää, mitä arvoa yskimisnopeus voi tarjota astman itsehoidolle. Tässä tutkimuksessa keskitytään erityisesti yölliseen yskän määrään. Suunnitelmana on käyttää pitkittäistutkimussuunnitelmaa sen tutkimiseksi, missä määrin yöllisen yskän esiintymistiheyden trendeillä voi olla merkityksellisiä vaikutuksia tulevaan astman hallintaan ja potilaiden astman pahenemiseen. Yöyskän ilmaantuvuus astmaatikoilla kuvataan ja visualisoidaan kuukauden aikana tutkimuksen ensimmäisessä vaiheessa. Lisäksi tavoitteena on tunnistaa ja mallintaa öisen yskän esiintymistrendejä.

Yskän mittaaminen on erittäin aikaa vievää. Tällä hetkellä ei ole saatavilla yskimisen taajuusmittareita, jotka mittaavat yskän tiheyttä täysin automatisoidusti ja huomaamattomasti. Tästä syystä yskän manuaalista merkitsemistä video- tai äänitallenteiden perusteella pidetään edelleen lääketieteellisten ohjeiden mukaan kultaisena standardina yskän tiheyden mittaamisessa. Äskettäin koneoppimisalgoritmi suunniteltiin onnistuneesti tunnistamaan yskä automaattisesti konseptitutkimuksessa. Tätä koneoppimisalgoritmia kehitetään edelleen, jotta se tuottaa vankkoja tuloksia kentällä. Tämän tutkimuksen painopiste on yskä yöaikaan rajoitetun häiritsevän melun vuoksi, mikä helpottaa huomattavasti manuaalista merkitsemistä ja mahdollistaa koneoppimisalgoritmin luotettavamman havaitsemisnopeuden.

Yskäntunnistukseen kehitetyn koneoppimisalgoritmin lisäksi tietoja kerätään potilaan unen laadun arvioimiseksi älypuhelimen antureista saatujen tietojen perusteella.

Tutkimuksen yleiskatsaus

Tila

Valmis

Ehdot

Yksityiskohtainen kuvaus

Astma, krooninen hengitysteiden sairaus, kuuluu yleisimpiin kroonisiin sairauksiin. Sveitsissä siitä kärsii 7-15 % kaikista lapsista ja 6-7 % kaikista aikuisista. Yleisiä oireita ovat hengenahdistus, yskä ja hengityksen vinkuminen. Oireet pahenevat usein yöllä ja aiheuttavat usein heräämisiä. Yskä on erityisen tärkeä oire astmassa, koska se ennustaa astman vaikeusastetta, osoittaa huonompaa ennustetta ja sen katsotaan olevan ongelmallinen oire. Lisäksi astma on johtava kroonisen yskän syy, joka aiheuttaa 24–29 % tapauksista.

Yskänseurannan hyödyllisyydestä astmaatikoiden itsevalvontatarkoituksiin tiedetään kuitenkin vähän. Ensimmäinen poikkileikkaustutkimus on osoittanut, että yskimisnopeus sekä päivällä että yöllä saattaa olla kelvollinen merkki astman hallinnassa, mikä tekee siitä mahdollisesti hyödyllisen parametrin itsevalvonnassa. Valitettavasti yskän esiintymistiheyden huomattavan vaihtelun vuoksi kussakin astman hallintaluokassa (esim. hallitsematon, osittain hallinnassa ja hallinnassa oleva astma), tilastollisesti merkitsevä suhde yskän tiheyden ja astman hallinnan välillä ei ehkä ole kliinisesti merkityksellistä. Lisäksi olemassa olevien tutkimusten poikkileikkaussuunnittelun vuoksi on edelleen epäselvää, voisiko yskätiheydellä olla ennustearvoa tulevan astman hallinnan ennustamisessa.

Siksi tämän tutkimuksen tarkoituksena on tutkia tarkemmin, mitä arvoa yskimisnopeus voi tarjota astman itsehoidolle. Tässä tutkimuksessa keskitytään erityisesti yölliseen yskän määrään teknisistä syistä johtuen. Yleisesti ottaen tämän tutkimuksen suunnitelma on seuraava: Pitkittäistutkimuksen suunnittelulla on mahdollista tutkia, missä määrin öisen yskän esiintymistiheyden trendeillä voi olla merkityksellisiä vaikutuksia tulevaisuuden astman hallintaan ja potilaiden astman pahenemiseen. Kuitenkin, jotta voidaan analysoida yöllisen yskätiheyden trendien ennakoivaa arvoa, oireen on jatkuttava useiden iltojen ajan. Yöyskän esiintyvyydestä astmaatikoilla usean yön aikana ei ole saatavilla tutkimusta. Siksi yöllisen yskän ilmaantuvuus astmaatikoilla kuvataan ja visualisoidaan yhden kuukauden aikana tutkimuksen ensimmäisessä vaiheessa. Lisäksi tavoitteena on tunnistaa ja mallintaa öisen yskän esiintymistrendejä.

Yskän mittaaminen on erittäin aikaa vievää. Tällä hetkellä ei ole saatavilla yskimisen taajuusmittareita, jotka mittaavat yskän tiheyttä täysin automatisoidusti ja huomaamattomasti. Tästä syystä yskän manuaalista merkitsemistä video- tai äänitallenteiden perusteella pidetään edelleen lääketieteellisten ohjeiden mukaan kultaisena standardina yskän tiheyden mittaamisessa. Siitä huolimatta koneoppimisalgoritmi on onnistuneesti suunniteltu tunnistamaan yskä automaattisesti konseptitutkimuksessa. Huolimatta siitä, että algoritmien kehittämiseen käytettiin vain hyvin rajallista tietoa (80 yskimistä viideltä terveeltä henkilöltä), tarkkuus oli 83 %. Aineisto on kuitenkin kerätty laboratorioympäristössä, mikä rajoittaa tulosten yleistettävyyttä ja siten sovellettavuutta käytännössä. Siksi tavoitteena on kehittää koneoppimisalgoritmi, joka pystyy myös tuottamaan vankkoja tuloksia kentällä. Tässä tutkimuksessa keskitytään yskään yöaikaan rajoitetun häiritsevän melun vuoksi, mikä helpottaa huomattavasti manuaalista merkitsemistä ja mahdollistaa koneoppimisalgoritmin luotettavamman tunnistusnopeuden. On tärkeää huomauttaa, että yllä kuvattu yöllisen yskän esiintyvyyden analyysi ei perustu algoritmin havaitsemaan yskään, vaan manuaalisesti merkittyihin yskiksiin ääniraidassa, joka on yön aikana tallennettu tutkimusälypuhelimella, joka toimitetaan aiheita opintojen aikana.

Sen lisäksi, että kehitetään koneoppimisalgoritmia yskän havaitsemiseen, tietoja kerätään potilaan unen laatua arvioivaa algoritmia varten. Tätä tarkoitusta varten unen laatua ennustetaan älypuhelimen antureista saatujen tietojen perusteella.

Ensimmäisen tutkimusvaiheen päätyttyä yöyskän esiintyvyys tutkimuksessa ratkaisee, tarvitaanko tallennetuista tiedoista lisäanalyysejä ja aloittaa siten tutkimuksen toisen vaiheen. Jos öistä yskää ei esiinny useammin kuin pelkkä sattuma voi selittää, ei tehdä lisäanalyysiä, joka viittaa ensimmäisen vaiheen lopputulokseen ja projektin päättymiseen. Ottaen kuitenkin huomioon yöllisen yskän riittävä esiintyvyys ensimmäisessä vaiheessa (ts. yöllisen yskän esiintyvyys eroaa nollasta tilastollisesti merkitsevästi); tutkimuksen toisessa vaiheessa keskitytään yöyskän arvoon astman hallinnan prognostisena markkerina. Kuvassa esitetty huomattava vaihtelu astman hallintaluokkien sisällä viittaa siihen, että yöllisen yskän tiheyden ja astman hallinnan välistä suhdetta voivat hillitä muut muuttujat. Aiemmat tutkimukset ovat osoittaneet, että unen laatu liittyy astman hallintaan ja elämänlaatuun: Vaikka huomioidaan samanaikaiset sairaudet (esim. gastroesofageaalinen refluksitauti ja obstruktiivinen uniapnea), huonompi unen laatu liittyy huonompaan astman hallintaan ja elämänlaatuun. Yksi syy unen laadun ja astman hallinnan väliseen yhteyteen saattaa olla se, että yölliset astmaoireet aiheuttavat usein heräämisiä. Ottaen huomioon unen laadun tärkeyden astman hallinnassa, selvitetään öisen yskän tiheyden (ennuste) arvoa ja sen vaikutusta unen laatuun.

Yhteenvetona, seuraava astmaan liittyvä tutkimuskysymys tutkitaan tämän tutkimuksen kussakin vaiheessa: (1) mikä on yöllisen yskän esiintyvyys astmaatikoilla yhden kuukauden aikana? (2) Onko yöllinen yskä, joka lasketaan unen laadusta, kelvollinen ennustemerkki astman hallinnassa? Lisäksi tutkimuksessa käsitellään kahta teknistä tavoitetta: kerätään dataa kehittääkseen kaksi koneoppimisalgoritmia, jotka pystyvät tunnistamaan yöllisen yskän ja unen laadun täysin automatisoituna älypuhelimen avulla tosielämän olosuhteissa.

Näihin tutkimuskysymyksiin vastaaminen johtaa useisiin tuloksiin: astmaan liittyvien kysymysten osalta toivona on tarjota konteksti öisen yskän oireille, jotta yskän esiintymistiheysten tulkittavuutta voidaan parantaa ja onnistuneesti kopioida ja laajentaa havaintoja, jotka tukevat yöyskän pätevyyttä (ennuste) merkkinä astman hallinnassa. Teknisten tavoitteiden osalta toivotaan, että saadaan todiste siitä, että älypuhelimet ovat sopivia laitteita astman oireiden automaattiseen tunnistamiseen tosielämän olosuhteissa.

Odotetut tulokset voisivat mahdollistaa uudenlaisen hoitovaihtoehdon, nimittäin astmaatikoiden täysin automatisoidun etävalvonnan. Potilaan älypuhelinta käyttämällä voidaan kuvitella huomaamaton varhaisvaroitusjärjestelmä astman pahenemisesta/pahenemisesta. Tällainen järjestelmä voisi alentaa astman taakkaa sekä yksittäiselle potilaalle (esim. korkeampi elämänlaatu ja astman hallinta tunnistamalla mahdollisuuksien ikkunat, joissa potilaat voivat vaihtaa lääkitystään astman toimintasuunnitelmansa mukaisesti estääkseen astman pahenemisen ja pahenemisen) sekä terveydenhuoltojärjestelmä (esim. kustannussäästöt vähentyneiden sairaalahoitojen ja ensiapukäyntien vuoksi). Kun otetaan huomioon älypuhelimien laaja saatavuus, tällainen uusi hoitovaihtoehto voisi mahdollistaa laajan ja kustannustehokkaan astman etävalvonnan. Aikaisempi tutkimus on osoittanut tällaisen uudenlaisen hoitovaihtoehdon tarpeen: suurin osa astmaatikoista kärsii hallitsemattomasta astmasta. Puolet astmaatikoista ei pysty arvioimaan oireidensa vakavuutta kunnolla, joten he hyötyisivät varhaisvaroitusjärjestelmästä. Lisäksi automaattisilla järjestelmillä näyttää olevan suurempi pitkäaikainen sitoutuminen perinteisiin interventioihin verrattuna, mikä tekee niistä erityisen sopivia kroonisten sairauksien varhaisvaroitusjärjestelmiin. Lisäksi oireiden etäseuranta voisi tarjota lääkäreille arvokasta tietoa potilaan astmaoireista käyntien välillä. Yhteenvetona voidaan todeta, että automaattinen varhaisvaroitusjärjestelmä voi auttaa potilaita rekisteröimään astman pahenemisen aikaisemmin ja ilmoittamaan asiasta lääkäreille ajoissa, jotta haitalliset terveysvaikutukset voidaan ehkäistä.

Suunniteltu tutkimus kuuluu terveyteen liittyvien henkilötietojen keruun riskiluokkaan vain minimaalisella riskillä ja rasituksella. Se on prospektiivinen havainnointitutkimus, johon ei anneta interventiota. Vain vähäinen ja tilapäinen vaikutus osallistujan terveyteen voidaan odottaa, jos ollenkaan.

Koko tutkimuksen ajan potilaan astmaoireita seurataan huomaamattomasti älypuhelimen avulla; Näin varmistetaan minimaalinen riski ja taakka. Molempien tohtorikäyntien välillä tutkimuksen alussa ja lopussa kaikki kontrollikysymykset ja kyselylomakkeet suoritetaan älypuhelimien kautta, jotka toimitamme tähän tutkimukseen. Näin ollen potilaiden taakan tulisi olla minimaalinen, koska heidän päivittäiset rutiinit eivät häiriinny.

Kahdella tohtorikäynnillä ei suoriteta invasiivista toimenpidettä. Lääkärintarkastus noudattaa astman standardiprotokollaa. Lisäksi potilaat saavat korvauksen tutkimuksen aikana ilmenneistä haitoista.

Opintotyyppi

Havainnollistava

Ilmoittautuminen (Todellinen)

94

Yhteystiedot ja paikat

Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.

Opiskelupaikat

      • St. Gallen, Sveitsi, 9007
        • Cantonal Hospital St. Gallen
    • SG
      • St. Gallen, SG, Sveitsi, 9007
        • Cantonal Hospital St. Gallen
    • ZH
      • Zürich, ZH, Sveitsi, 8001
        • University of Zurich

Osallistumiskriteerit

Tutkijat etsivät ihmisiä, jotka sopivat tiettyyn kuvaukseen, jota kutsutaan kelpoisuuskriteereiksi. Joitakin esimerkkejä näistä kriteereistä ovat henkilön yleinen terveydentila tai aiemmat hoidot.

Kelpoisuusvaatimukset

Opintokelpoiset iät

18 vuotta ja vanhemmat (Aikuinen, Vanhempi Aikuinen)

Hyväksyy terveitä vapaaehtoisia

Ei

Sukupuolet, jotka voivat opiskella

Kaikki

Näytteenottomenetelmä

Ei-todennäköisyysnäyte

Tutkimusväestö

Tässä tutkimuksessa tutkittu väestö on aikuisia astmaatikoita.

Kuvaus

Sisällyttämiskriteerit:

  • kaikki potilaat, joilla on lääkärin diagnosoima astma (saatu omatoimisesti)
  • alaikäraja 18 vuotta
  • älypuhelimen käyttötaito (esim. päivittäiseen älypuhelimeen perustuvaan itse

Poissulkemiskriteerit:

  • potilailla, joilla on mielenterveysongelmia, jotka johtavat kognitiivisiin häiriöihin, kuten masennukseen, dementiaan ja Alzheimerin tautiin
  • potilaat, joille ei olisi mahdollista saada luotettavia yömittauksia (esim. potilaat, joilla on vaikea unettomuus tai vuorotyöntekijät) tai joille emme voi varmistaa yöyskien oikeaa kohdentamista potilaalle arviointiprosessissa (esim. potilaat, jotka yleensä jakavat sängyn samaa sukupuolta olevan henkilön kanssa).

Opintosuunnitelma

Tässä osiossa on tietoja tutkimussuunnitelmasta, mukaan lukien kuinka tutkimus on suunniteltu ja mitä tutkimuksella mitataan.

Miten tutkimus on suunniteltu?

Suunnittelun yksityiskohdat

  • Havaintomallit: Kohortti
  • Aikanäkymät: Tulevaisuuden

Mitä tutkimuksessa mitataan?

Ensisijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Yskät yötä kohti älypuhelimen äänitallenteen perusteella
Aikaikkuna: 28 päivää
Yskien määrä yötä kohti älypuhelimen äänitallenteen avulla mitattuna
28 päivää

Toissijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Kahden koneoppimisalgoritmin tunnistusnopeudet
Aikaikkuna: 28 päivää
Kahden koneoppimisalgoritmin tunnistusnopeudet öisen yskän automaattiseen havaitsemiseen (herkkyys, spesifisyys ja tarkkuus)
28 päivää
Unen laatu (Pittsburghin unenlaatuindeksi)
Aikaikkuna: 28 päivää
Unen laatu mitataan Pittsburghin unenlaatuindeksillä, joka täytetään päivittäin
28 päivää

Yhteistyökumppanit ja tutkijat

Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.

Tutkijat

  • Päätutkija: Frank Rassouli, MD, Cantonal Hospital St. Gallen

Julkaisuja ja hyödyllisiä linkkejä

Tutkimusta koskevien tietojen syöttämisestä vastaava henkilö toimittaa nämä julkaisut vapaaehtoisesti. Nämä voivat koskea mitä tahansa tutkimukseen liittyvää.

Opintojen ennätyspäivät

Nämä päivämäärät seuraavat ClinicalTrials.gov-sivustolle lähetettyjen tutkimustietueiden ja yhteenvetojen edistymistä. National Library of Medicine (NLM) tarkistaa tutkimustiedot ja raportoidut tulokset varmistaakseen, että ne täyttävät tietyt laadunvalvontastandardit, ennen kuin ne julkaistaan ​​julkisella verkkosivustolla.

Opi tärkeimmät päivämäärät

Opiskelun aloitus (Todellinen)

Maanantai 1. tammikuuta 2018

Ensisijainen valmistuminen (Todellinen)

Tiistai 31. joulukuuta 2019

Opintojen valmistuminen (Todellinen)

Tiistai 31. joulukuuta 2019

Opintoihin ilmoittautumispäivät

Ensimmäinen lähetetty

Torstai 9. elokuuta 2018

Ensimmäinen toimitettu, joka täytti QC-kriteerit

Keskiviikko 15. elokuuta 2018

Ensimmäinen Lähetetty (Todellinen)

Perjantai 17. elokuuta 2018

Tutkimustietojen päivitykset

Viimeisin päivitys julkaistu (Todellinen)

Maanantai 27. tammikuuta 2020

Viimeisin lähetetty päivitys, joka täytti QC-kriteerit

Keskiviikko 22. tammikuuta 2020

Viimeksi vahvistettu

Keskiviikko 1. tammikuuta 2020

Lisää tietoa

Tähän tutkimukseen liittyvät termit

Yksittäisten osallistujien tietojen suunnitelma (IPD)

Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?

Ei

Lääke- ja laitetiedot, tutkimusasiakirjat

Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta

Ei

Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta

Ei

Nämä tiedot haettiin suoraan verkkosivustolta clinicaltrials.gov ilman muutoksia. Jos sinulla on pyyntöjä muuttaa, poistaa tai päivittää tutkimustietojasi, ota yhteyttä register@clinicaltrials.gov. Heti kun muutos on otettu käyttöön osoitteessa clinicaltrials.gov, se päivitetään automaattisesti myös verkkosivustollemme .

Tilaa