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

Cough Audio -luokitus TB Triage Testiksi (CAGE-TB)

keskiviikko 29. huhtikuuta 2026 päivittänyt: Grant Theron, University of Stellenbosch

Automaattinen älypuhelinpohjainen yskäääniluokitus nopeaa tuberkuloosin triagetestausta varten (Cough Audio triage tuberkuloosille; CAGE-TB)

Tuberkuloosi on suurin yksittäinen tartuntatautien aiheuttama kuolinsyy (1,5 miljoonaa kuoli vuonna 2018), tappaa enemmän HIV-positiivisia kuin mikään muu sairaus, ja se on kiistatta tärkein köyhyyteen liittyvä sairaus maailmassa. Tuberkuloosin arvioitu ilmaantuvuus Afrikassa on laskenut viime vuosina, mutta edistyminen on hidasta ja tasaista. Pysähdyksen estämiseksi tarvitaan todella innovatiivisia ja kunnianhimoisia tekniikoita, erityisesti sellaisia, jotka parantavat tapausten löytämistä ja diagnoosiin kuluvaa aikaa, sillä tuberkuloosin hoitokaskadikehykseen perustuvissa matemaattisissa malleissa interventiot, joilla tämä saavutetaan, vaikuttavat eniten häiritsevästi väestöä. tason siirto, myös silloin, kun se on sijoitettu tiloihin, joihin potilaat ovat helposti saatavilla. Kriittisesti näiden interventioiden (triage-testien) on edistettävä varmistustestien (esim. Xpert MTB/RIF Ultra) pääsyä mahdollistamalla potilaiden nopean ja tehokkaan ohjauksen saman käynnin aikana. Tutkijat optimoivat ja arvioivat teknologian, jota ei ole tähän mennessä tutkittu mielekkäästi tuberkuloosin varhaisessa tapauskontrolloidussa tutkimuksessa. Tämä aukko on hälyttävä, kun otetaan huomioon toisaalta tuberkuloosiepidemian valtavuus ja triagetestin tarve ja toisaalta lupaavat todisteet, jotka osoittavat yskän audioluokittimen korkean diagnostisen tarkkuuden hengitystiesairauksien, kuten esim. keuhkokuume, astma. hinkuyskä, lantio ja COPD. Joissakin tapauksissa nämä luokitusjärjestelmät ovat CE-merkittyjä, jotka odottavat FDA:n hyväksyntää ja ovat myöhäisen vaiheen kliinisissä kokeissa. Tämä osoittaa taustalla olevan teknologisen periaatteen lupauksen. CAGE-TB:n innovaatioita tehostetaan entisestään: soveltamalla edistyneitä koneoppimismenetelmiä, jotka tiimi on kehittänyt erityisesti tuberkuloosipotilaiden yskääänen analysointiin, käyttämällä sekamenetelmien tutkimusta - terveystaloustieteen, toteutustieteen ja lääketieteellisen antropologian pohjalta - tuotesuunnittelun ja arvioida käyttöönoton esteitä ja edistäjiä, ja ainutlaatuisesti tuberkuloosin diagnostisessa testissä sen mahdollista käyttöönottoa puhtaana mHealth-innovaationa (älypuhelinpohjaisena), joka lieventää monia esteitä, jotka tyypillisesti vaarantavat TPP-kriteerien täyttymisen.

Tutkimuksen yleiskatsaus

Tila

Rekrytointi

Ehdot

Yksityiskohtainen kuvaus

CAGE-TB on diagnostinen arviointitutkimus, jossa arvioidaan tuberkuloosin yskääänen potentiaalia käytettäväksi älypuhelinsovelluksessa mahdollisen tuberkuloosin havaitsemiseksi yskääänestä seulonnan (triage) TB:hen. CAGE-TB:n tarkoituksena on edistää mobiiliterveyteen (mHealth) perustuvan yskääänitestien käyttöönottoa aktiivisen keuhkotuberkuloosin varalta korkean kuormituksen ympäristöissä sijaitsevissa terveyslaitoksissa. Tutkimus on rahoitettu Euroopan unionin tukemasta EDCTP2-ohjelmasta ja siinä on mukana neljä kansainvälistä kumppania. Yli 12-vuotiaiden tutkimukseen osallistuneiden joukossa on yli kaksi viikkoa kestäneen yskän kestäviä osallistujia, jotka saapuvat terveysklinikoihin, joissa tutkijoilla on kliininen rekrytointiinfrastruktuuri ja luvat tuberkuloositutkimuksen tekemiseen. Tässä kaksivaiheisessa havainnollisessa poikkileikkaustutkimuksessa jokainen osallistuja nähdään vain kerran, diagnoosin yhteydessä, eikä toimenpiteitä ole suunniteltu. Ensimmäisessä vaiheessa tutkijat keräävät tietoa löytökohortista, joita käytetään koneoppimisalgoritmin kouluttamiseen. Toisessa vaiheessa dataa kerätään validointikohortista, joka koostuu suuremmasta määrästä osallistujia kahdesta maantieteellisesti erillisestä tutkimuspaikasta ja jota käytetään algoritmin suorituskyvyn arvioimiseen. Tämän tutkimuksen tavoitteena on: (1) luoda ja erikseen validoida yskääänen luokitin, joka täyttää WHO:n triagetestin TPP-herkkyys- ja spesifisyyskriteerit. Tämä tavoite luo pohjan CAGE-TB:lle luomalla luokitin ja yhteinen julkinen resurssi (yskääänien tietokanta) mahdollista myöhempää käyttöä varten muissa tutkimuksissa. (2) Tuottaa tietoja yskääänisovelluksen mahdollisista kustannussäästöistä triage-menetelmää varten keräämällä ensisijaisia ​​tietoja, jotka osoittavat mahdolliset kustannussäästöt, jotka on arvioitu käyttämällä huippuluokan menetelmiä tärkeimmän TPP-kriteerin täyttämiseksi (< 2 USD potilasta kohti). Tämä tavoite tukee luokittelijan riippumatonta jatkoarviointia, myös potilaiden päätepisteisiin keskittyvissä kliinisissä tutkimuksissa. (3) Pakkaa tekniikka helppokäyttöiseen älypuhelinsovellukseen. Monet tuberkuloositestit tarjoavat parannuksia tarkkuuteen ja kustannuksiin, mutta niitä ei oteta laajalti käyttöön. Tämä tavoite on suunniteltu vähentämään tätä riskiä yskän luokittimella ja mHealthin etuja käyttämällä voidaan toimittaa tuote, joka on sairaanhoitajien helppokäyttöinen, johon potilaat luottavat ja joita terveydenhuollon tarjoajat hyötyvät. Tämän saavuttaminen edellyttää tärkeiden ominaisuuksien sisällyttämistä mobiilisovellukseen, kuten liitettävyyttä, automaattista raportointia, sisäänrakennettua ohjausta ja laadunvalvontaa, jotka ovat tärkeitä, mutta usein laiminlyötyjä komponentteja WHO:n triagetestin TPP-profiilissa. (4) Muodosta perusta myöhemmille tutkimuksille, joissa sovellus arvioidaan sen vaikutuksen mittaamiseksi potilaiden hoitoon ja todisteiden keräämiseksi maailmanlaajuisesta politiikan muutoksista ja hyväksymisestä. CAGE-TB:n tavoitteita ovat: (1.1) näytteenotto (yskäääni, ysköksen mikrobiologia) kaikista potilaista, joilla on pitkittynyt yskä, jotka tulevat perusterveydenhuollon palveluihin, riippumatta esiintymisen syystä (n=473 Kapkaupungin löytökohortissa); (1.2) käyttää koneoppimista yskääänen luokittelijan kehittämiseksi tuberkuloosin ja ei-TB-yskän erottamiseksi; (1.3) luokittelijan arviointi herkkyyden ja spesifisyyden suhteen uusissa validointikohorteissa (n=511 Kapkaupungissa, n=767 Kampalassa); (2) Molemmissa tilanteissa tutkijat käyttävät validoituja työkaluja laskeakseen mahdollisia palveluntarjoajan kustannuksia, jotka on vältetty, ja suorittavat sekamenetelmien tutkimusta esteiden ja edistäjien tunnistamiseksi mHealth-ratkaisun (älypuhelinsovelluksen) kehittämiseksi, joka on tarkoitettu käytettäväksi minimaalisesti koulutettujen terveydenhuoltoalan työntekijöiden kanssa. lopputuote, joka toimii ihanteellisesti offline-tilassa ilman, että sitä tarvitsee välttämättä synkronoida online-palvelimeen Stichting-Amsterdam Institute for Global Health and Developmentin (AIGHD) käsittelyä varten; (3) sovellusta jalostetaan edelleen ja siitä tehdään käyttäjäystävällinen, yksinkertainen ja visuaalisesti intuitiivinen tutkimuspalautteen perusteella kohti lopullisempaa tuotetta, jonka käyttö on ilmaista; ja (4) tämä älypuhelinsovellukseen pakattu mHealth-ratkaisu lähetetään tarkastettavaksi suurille kansainvälisille sidosryhmille, kuten Foundation for Innovation and Diagnostics (FIND) ja Maailman terveysjärjestö (WHO), ja sitä johtavat kollegat AIGHD:stä Stellenboschin yliopiston ja Makereren yliopiston panos tehdäkseen tästä tuberkuloosin luokittelusovelluksesta sopivan käytettäväksi afrikkalaisissa olosuhteissa ja väestössä.

Opintotyyppi

Havainnollistava

Ilmoittautuminen (Arvioitu)

1751

Yhteystiedot ja paikat

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

Opiskeluyhteys

  • Nimi: Grant Theron, PhD
  • Puhelinnumero: +27 21 9389693
  • Sähköposti: gtheron@sun.ac.za

Tutki yhteystietojen varmuuskopiointi

Opiskelupaikat

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

12 vuotta ja vanhemmat (Lapsi, Aikuinen, Vanhempi Aikuinen)

Hyväksyy terveitä vapaaehtoisia

Ei

Näytteenottomenetelmä

Ei-todennäköisyysnäyte

Tutkimusväestö

Potilaat, joilla on vähintään kaksi viikkoa kestänyt yskä, ilmoittavat itse ensihoidon klinikoille Kapkaupungissa ja Kampalassa alueilla, joilla tuberkuloosin esiintyvyys on korkea.

Kuvaus

Sisällyttämiskriteerit:

  • osallistujan tulee olla vähintään 12-vuotias
  • osallistujalla on oltava pitkittynyt yskä (vähintään kaksi viikkoa)
  • osallistujan on annettava tietoinen suostumus
  • Osallistujan tulee olla tiedossa HIV-status tai hän on valmis suorittamaan standardinmukaisen hoidon HIV-testauksen ja -neuvonnan

Poissulkemiskriteerit:

  • henkilöt, jotka kieltäytyvät tietoon perustuvasta suostumuksesta
  • henkilöt, jotka ovat saaneet tuberkuloosihoitoa 60 päivää ennen ilmoittautumista
  • henkilöt, jotka eivät pysty toimittamaan yskösnäytettä mikrobiologista tutkimusta varten
  • henkilöt, joilla on verenvuoto tai verinen yskä ja pakkoyskä äänitallenteita varten

Opintosuunnitelma

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

Miten tutkimus on suunniteltu?

Suunnittelun yksityiskohdat

Kohortit ja interventiot

Ryhmä/Kohortti
Interventio / Hoito
Löytökohortti
Kapkaupungissa Etelä-Afrikassa rekrytoidaan arviolta 473 osallistujaa. Tiedot (yskäääni) kerätään ja niitä käytetään koneoppimisalgoritmin kouluttamiseen. Tuberkuloosille ominaista yskääänisignaalia jalostetaan. Löytövaiheen aikana yskösnäytteiden biologisella testauksella saatua pohjatotuutta hyödynnetään koneoppimisessa.
Tutkijat löytävät yskääänen ja vahvistavat sen.
Validointikohortti
Validointivaiheessa yskääänisignaalin herkkyys ja spesifisyys mitataan uusilla potilailla Kapkaupungissa Etelä-Afrikassa (n=511) ja Kampalassa Ugandassa (n=767). Tietoja käytetään algoritmin suorituskyvyn arvioimiseen.
Tutkijat löytävät yskääänen ja vahvistavat sen.

Mitä tutkimuksessa mitataan?

Ensisijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Kehitä ja validoi algoritmeja, jotka erottavat tuberkuloosin ja ei-TB-yskät
Aikaikkuna: 24 kuukautta
Yskääänitiedot kerätään ja niitä käytetään tuberkuloosikohtaisen yskääänisignaalin määrittämiseen. Optimoidun tuberkuloosin äänitunnisteen herkkyys ja spesifisyys mitataan sitten uusilla potilailla algoritmien suorituskyvyn arvioimiseksi.
24 kuukautta
Viimeistelty älypuhelinpohjainen mHealth-sovellus
Aikaikkuna: 30 kuukautta
Parhaiten suoriutuva algoritmi sisällytetään älypuhelinsovellukseen, joka suunnitellaan ihmiskeskeisellä lähestymistavalla ja jota voidaan käyttää tuberkuloosin hoitopistetestissä.
30 kuukautta
Vältä turhat Ultra-testit
Aikaikkuna: 24 kuukautta
Tutkijat laskevat mahdolliset kustannussäästöt, joita sovellus pystyy edistämään tarpeettomien testien välttämiseksi.
24 kuukautta

Yhteistyökumppanit ja tutkijat

Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.

Tutkijat

  • Päätutkija: Grant Theron, PhD, University of Stellenbosch

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)

Tiistai 19. huhtikuuta 2022

Ensisijainen valmistuminen (Arvioitu)

Maanantai 1. kesäkuuta 2026

Opintojen valmistuminen (Arvioitu)

Torstai 30. joulukuuta 2027

Opintoihin ilmoittautumispäivät

Ensimmäinen lähetetty

Keskiviikko 30. maaliskuuta 2022

Ensimmäinen toimitettu, joka täytti QC-kriteerit

Keskiviikko 30. maaliskuuta 2022

Ensimmäinen Lähetetty (Todellinen)

Torstai 7. huhtikuuta 2022

Tutkimustietojen päivitykset

Viimeisin päivitys julkaistu (Todellinen)

Keskiviikko 6. toukokuuta 2026

Viimeisin lähetetty päivitys, joka täytti QC-kriteerit

Keskiviikko 29. huhtikuuta 2026

Viimeksi vahvistettu

Keskiviikko 1. huhtikuuta 2026

Lisää tietoa

Tähän tutkimukseen liittyvät termit

Yksittäisten osallistujien tietojen suunnitelma (IPD)

Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?

JOO

IPD-suunnitelman kuvaus

Henkilötietoja säilytetään ja käsitellään luottamuksellisesti ja anonyymisti. Tutkimustiedot tallennetaan yksittäisiin osallistujiin liittyvällä tunnistekoodilla. Vain koodinumeroa käytetään tutkimusdokumentaatiossa, vuosittaisissa edistymisraporteissa ja tutkimusjulkaisuissa. Tietojen jäljittämiseksi yksittäiseen osallistujaan tehdään tunnistekoodiluettelo, joka yhdistää koodatut tiedot aiheeseen. Vain tutkimusryhmän jäsenet, paikasta riippumattomat tarkkailijat, terveydenhuollon tarkastuksen jäsenet ja asianomaisen lääketieteellisen eettisen toimikunnan jäsenet voivat tarkastella yksittäisiin osallistujiin linkitettävissä olevia tutkimustietoja. Pääsyä keskustietokantaan ohjataan käyttäjäroolien ja tutkimuskokoonpanon yhdistelmällä. Käyttäjille myönnetään vain heidän rooliinsa tutkimuksessa määritellyt oikeudet. Hakijoiden on toimitettava ehdotus kokeen ohjauskomitealle tarkistettavaksi, ja hakijoiden on myös allekirjoitettava DTA Stellenboschin yliopiston kanssa.

IPD-jaon aikakehys

Tiedot jaetaan vuoden kuluttua tutkimuksen päättymisestä.

IPD-jaon käyttöoikeuskriteerit

Hakijoiden on toimitettava hakemus kokeen ohjauskomitealle tietojen saamiseksi. Kokeen ohjauskomitea käsittelee hakemuksen. Hakijan on myös allekirjoitettava DTA Stellenboschin yliopiston kanssa.

IPD-jakamista tukeva tietotyyppi

  • STUDY_PROTOCOL
  • ICF

Lääke- ja laitetiedot, tutkimusasiakirjat

Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta

Ei

Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta

Ei

Yhdysvalloissa valmistettu ja sieltä viety tuote

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