Useiden antureiden käyttö yövuorotyöntekijöiden unen seuraamiseen (SENSE)
tiistai 17. maaliskuuta 2026 päivittänyt: Philip Cheng, Henry Ford Health System
Monisensorinen koneoppimismenetelmä tarkkaan unenseurantaan yövuorotyöntekijöille
Nukkuminen on usein haaste yövuorotyöntekijöille, koska heidän työ- ja uniaikataulunsa ovat käänteiset.
Unta mitataan yleisesti aktigrafialla, joka on objektiivisen unen vakiomitta väestössä. Tällä menetelmällä on kuitenkin huomattavia rajoituksia yövuorotyöntekijöille, koska perinteiset perinteiset algoritmit tunnistavat oikein vain 50,3 % päiväunista.
Tämä vähentää merkittävästi yövuorotyöntekijöiden voimassaoloa.
Tämän tutkimuksen tarkoituksena on testata uutta menetelmää aktigrafian laajentamiseksi käyttämällä 1) usean sensorin lähestymistapaa, joka 2) käyttää koneoppimisalgoritmeja (ML) lisäämään päiväunen havaitsemisen tarkkuutta.
Tutkimuksen yleiskatsaus
Tila
Rekrytointi
Ehdot
Yksityiskohtainen kuvaus
Tämän tutkimuksen ensimmäinen tavoite on luoda avoimen lähdekoodin koneoppimisalgoritmi unenseurantaan, joka ylittää vanhat aktigrafiaalgoritmit päiväsaikojen unijaksojen havaitsemisessa. Toinen tavoite on tehostaa unen jatkuvuusmuuttujien seurantaa lisäämällä useita antureita. Lopullisena tavoitteena on tunnistaa monisensorisen unenseurannan kotona tapahtuvan toteutuksen edistäjiä ja esteitä. Keskeinen hypoteesimme on, että monisensorinen ML-lähestymistapa ylittää vanhat algoritmit kultastandardin polysomnografiaa (PSG) vastaan.
Tämä tutkimus on tyypin I hybriditehokkuus-toteutuskoe, joka 1) validoi ehdotetun monisensorisen ML-lähestymistavan käyttämällä laboratoriopolysomnografiaa ja 2) tutkii monisensorisen ML-lähestymistavan toteutusta ekologisesti pätevässä ympäristössä kotona. täytäntöönpano neljän viikon ajan. Otos yövuorotyöntekijöitä (N = 100) otetaan mukaan tutkimuksen laboratorion validointiosaan ja satunnaistetaan joko vanhan aktigrafiaalgoritmin ehtoon tai usean sensorin ML-ehtoon suhteessa 1:1. Saapuessaan osallistujat kytketään ambulatoriseen PSG:hen jatkuvalla tiedonkeruulla laboratoriokäynnin ajan, jotta he voivat tallentaa viisi suunniteltua nukkumismahdollisuutta eri pituuksilla (4 tuntia, 2 tuntia, 1,5 tuntia ja kaksi 30 minuutin päikkäreitä; 8 tuntia yhteensä). Vanhojen aktigrafiaalgoritmien ehtoon satunnaistetuilla vain raakakiihtyvyysmittarin tiedot kerätään ja käsitellään vanhojen aktigrafian algoritmien avulla, kun taas usean sensorin ML-ehtoon satunnaistetut noudattavat samoja menettelytapoja kuin vanhan aktigrafian ehto, mutta niitä myös seurataan lisäantureita. Noin puolet osallistujista, jotka suorittavat tutkimuksen laboratoriossa, pyydetään suorittamaan tutkimuksen kotona oleva osa, joka sisältää 4 viikkoa kotona tapahtuvaa unenseurantaa käyttämällä usean sensorin lähestymistapaa. Osallistujat saavat anturisarjan ja heillä on kotona tapaaminen tutkimushenkilöstön kanssa auttamaan anturin asennuksessa, joka sitten kerätään uudelleen 4 viikon jakson päätyttyä. Päivittäisiä unipäiväkirjoja kerätään myös neljän viikon aikana tietojen laadun tarkistamiseksi.
Opintotyyppi
Interventio
Ilmoittautuminen (Arvioitu)
100
Vaihe
- Ei sovellettavissa
Yhteystiedot ja paikat
Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.
Opiskeluyhteys
- Nimi: Philip Cheng, PhD
- Puhelinnumero: 248-344-7361
- Sähköposti: pcheng1@hfhs.org
Tutki yhteystietojen varmuuskopiointi
- Nimi: Elle M Wernette, PhD
- Puhelinnumero: 2483442409
- Sähköposti: ewernet1@hfhs.org
Opiskelupaikat
-
-
Michigan
-
Novi, Michigan, Yhdysvallat, 48377
- Rekrytointi
- Henry Ford Columbus Medical Center
-
Ottaa yhteyttä:
- Philip Cheng, PhD
- Puhelinnumero: 248-344-7361
- Sähköposti: pcheng1@hfhs.org
-
Päätutkija:
- Philip Cheng, PhD
-
Ottaa yhteyttä:
- Elle M Wernette, PhD
- Puhelinnumero: 2483442409
- Sähköposti: ewernet1@hfhs.org
-
-
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
- Aikuinen
- Vanhempi Aikuinen
Hyväksyy terveitä vapaaehtoisia
Joo
Kuvaus
Sisällön kriteerit:
- Osallistujien tulee työskennellä kiinteässä yövuorossa, joka toimii seuraavasti: a) työskentelee vähintään kolme yövuoroa viikossa, b) työvuorot alkavat klo 18.00-02.00 ja kestävät 8-12 tuntia ja c) on myös aikoo säilyttää yövuorojen aikataulun opiskelun ajan
- Osallistujien on työskennellyt yövuorossa vähintään kuusi kuukautta
- On suunniteltava säilyttää yövuorojen aikataulu koko opiskelun ajan
- Osallistujien tulee olla vähintään 18-vuotiaita
Poissulkemiskriteerit:
- Yövuoroaikataulun tai suunnitellun matkan päättyminen opintojakson aikana
- Sillä ei ole vähintään 8 tunnin yöpymismahdollisuutta 24 tunnin aikana
- Ei halua integroida opiskelun älykkäitä antureita makuuhuoneeseensa
- Laittomien huumeiden käyttö itseraportin ja virtsan huumenäytön kautta
- Neurologisten häiriöiden historia
- Alkoholin käytön häiriö
- Raskaus
Opintosuunnitelma
Tässä osiossa on tietoja tutkimussuunnitelmasta, mukaan lukien kuinka tutkimus on suunniteltu ja mitä tutkimuksella mitataan.
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
- Ensisijainen käyttötarkoitus: Muut
- Jako: Ei satunnaistettu
- Inventiomalli: Peräkkäinen tehtävä
- Naamiointi: Kaksinkertainen
Aseet ja interventiot
Osallistujaryhmä / Arm |
Interventio / Hoito |
|---|---|
|
Kokeellinen: Yksittäinen vs. monensenterin unilaite
Tutkimuksen 1 osassa kaikki osallistujien tiedot käyvät läpi kaksi erillistä menetelmää unen analysoimiseksi. Vanhat aktivointialgoritmimenetelmät käyttävät vain raa'ita kiihtyvyysanturin tietoja yhdestä anturista, joka on kerätty ja käsitelty käyttämällä vanhoja aktivointialgoritmeja. Legacy-algoritmi koostuu ensin kiihtyvyysmittarin tietojen vähentämisestä aktiivisuusmäärään aikakausia kohti, joka sitten luokitellaan uneen tai herätä Cole-Kripke-algoritmin mukaisesti. Multi-anturi-koneoppimismenetelmässä (ML) käyttää raaka kiihtyvyysanturin tietoja kellon, puhelimen ja muiden älykkäiden älykkäiden anturien lisäanturien tietojen lisäksi. Nämä tiedot käsitellään koneoppimisalgoritmin avulla. |
Laboratoriossa tapahtuva unenseuranta käyttämällä vain yhdestä sensorista saatua raakaa kiihtyvyysmittaridataa, joka on kerätty ja käsitelty vanhoilla aktigrafiaalgoritmeilla.
Laboratorion sisäinen unenseuranta käyttämällä raakaa kiihtyvyysmittaridataa ja lisäantureita, jotka on kerätty ja käsitelty koneoppimisen avulla.
Muut nimet:
|
|
Muut: Multi-sensorin unen seuranta kotona
Tämä tila sisältää 4 viikkoa kodin unen seurantaa käyttämällä monensenterin lähestymistapaa.
Päivittäiset nukkumispäiväkirjat kerätään myös tietojen laadun tarkistuksen mahdollistamiseksi.
Kun kaikki tiedot on kerätty, ne käsitellään samalla koneoppimisalgoritmilla, jota käytetään LAB-koeolosuhteissa.
|
Kotona suoritettava unenseuranta käyttämällä raakaa kiihtyvyysmittaridataa ja lisäantureita, jotka on kerätty ja käsitelty koneoppimisen avulla.
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Unen jatkuvuus - Aika sängyssä
Aikaikkuna: Koko tutkimuksen päättymisen ajan, jopa 6 viikkoa
|
Aika (minuutteina), jonka osallistuja viettää sängyssä valojen sammumisesta viimeiseen heräämisaikaan.
Kaikki PSG-muuttujat käyttävät standardeja American Academy of Sleep Medicinen (AASM) unipisteytyssääntöjä.
Apple Watchin tiedoissa on ei-PSG-tulot monianturijärjestelmästä ilmoittamaan tälle nukkumisen jatkuvuusmuuttujalle.
|
Koko tutkimuksen päättymisen ajan, jopa 6 viikkoa
|
|
Unen jatkuvuus - Unen alkamisviive
Aikaikkuna: Koko tutkimuksen päättymisen ajan, jopa 6 viikkoa
|
Aika (minuutteina), jonka osallistujalla kuluu nukahtamiseen valojen sammutuksesta, tai aika, jonka hän vietti hereillä, mutta yrittää nukkua valot sammutettuna.
Kaikki PSG-muuttujat käyttävät tavallisia AASM-unipisteytyssääntöjä; merkitty "lights off"-merkillä PSG:ssä, EEG pisteytetään hereillä, johon liittyy prototyyppinen nukkumisasento (esim.
makuuasennossa) silmät kiinni.
Apple Watchin tiedoissa on ei-PSG-tulot monianturijärjestelmästä ilmoittamaan tälle nukkumisen jatkuvuusmuuttujalle, mukaan lukien hämärät valot tai pimeys lähellä nollaa luksia, läsnäolo sängyssä, harvinainen / välissä oleva liike puhelimesta ja kellosta.
|
Koko tutkimuksen päättymisen ajan, jopa 6 viikkoa
|
|
Unen jatkuvuus – Herää unen alkamisen jälkeen
Aikaikkuna: Koko tutkimuksen päättymisen ajan, jopa 6 viikkoa
|
Aika (minuutteina), jonka osallistuja viettää hereillä alun perin nukahtamisajastaan, lukuun ottamatta viimeistä heräämistä.
Kaikki PSG-muuttujat käyttävät tavallisia AASM-unipisteytyssääntöjä; merkitty "lights off" -merkillä PSG:ssä, elektroenkefalografia (EEG) pisteytetään valveilla, johon liittyy prototyyppinen nukkumisasento (esim.
makuuasennossa) silmät kiinni.
Apple Watchin tiedoissa on ei-PSG-tulot monianturijärjestelmästä ilmoittamaan tälle nukkumisen jatkuvuusmuuttujalle.
|
Koko tutkimuksen päättymisen ajan, jopa 6 viikkoa
|
|
Unen jatkuvuus - Unen tehokkuus
Aikaikkuna: Koko tutkimuksen päättymisen ajan, jopa 6 viikkoa
|
Osallistujan unen kokonaisajan osuus sängyssä viettämästä kokonaisajasta [(Kokonaisnukkumisaika minuutteina) / (Sängyssä vietetty aika minuutteina)].
Kaikki PSG-muuttujat käyttävät tavallisia AASM-unipisteytyssääntöjä.
Apple Watchin tiedoissa on ei-PSG-tulot monianturijärjestelmästä ilmoittamaan tälle unen jatkuvuusmuuttujalle, mukaan lukien hämärät valot tai pimeys, sängyssä oleminen, pitkäaikainen matala liike puhelimesta ja kellosta, hengitystiheyden muutokset ja syke ( univaihe).
|
Koko tutkimuksen päättymisen ajan, jopa 6 viikkoa
|
|
Herätä
Aikaikkuna: Koko tutkimuksen päättymisen ajan, jopa 6 viikkoa
|
Aika (minuutteina), jonka osallistuja on hereillä [tai minkään tyyppisen unen puuttuminen - vaihe 1 (N1), vaihe 2 (N2), vaihe 3 (N3), nopea silmän liike (REM)].
Kaikki PSG-muuttujat käyttävät tavallisia AASM-unipisteytyssääntöjä; edustaa PSG:ssä aktiviteetteja ennen "valot pois" -merkkiä tai videovalvontaa (esim. videovalvonta, joka näyttää vieritystä sosiaalisessa mediassa sängyssä).
Apple Watchin tiedoissa on ei-PSG-sisääntulot monisensorijärjestelmästä, jotka kertovat unen jatkuvuuden muuttujista, mukaan lukien liike, valot ja korkea syke.
|
Koko tutkimuksen päättymisen ajan, jopa 6 viikkoa
|
|
Päiväunien havaitseminen
Aikaikkuna: Koko tutkimuksen päättymisen ajan, jopa 6 viikkoa
|
Mahdolliset unijaksot kello 6-6p välillä merkitään päiväuniksi.
Apple Watchin päiväunen katsotaan tunnistetun onnistuneesti, jos se osuu ±30 minuutin sisällä PSG:n alkamis- ja päättymisajoista ja on vähintään 50 % todellisen unijakson pituudesta.
|
Koko tutkimuksen päättymisen ajan, jopa 6 viikkoa
|
|
Käyttäjäkokemus
Aikaikkuna: Kahden päivän sisällä kotihoidon aloittamisesta
|
Tämä indeksoidaan User Experience Questionnairella (UEQ), joka on validoitu uusien tuotteiden arviointia varten ja jolla on selkeät ja vakiintuneet vertailuarvot.
UEQ sisältää kohteita kuudella osa-alueella: 1) Houkuttelevuus (yleinen miellyttävyys tai vetovoima), 2) Näkyvyys (oppimiskäyrä ja helppokäyttöisyys), 3) Tehokkuus (vuorovaikutuksen nopeus ja tehokkuus), 4) Luotettavuus (järjestelmän käyttäytymisen ennustettavuus) , 5) Stimulaatio (kuinka jännittävä ja motivoiva tuote on), 6) Uutuus (tuotteen innovatiivisuus ja luovuus).
|
Kahden päivän sisällä kotihoidon aloittamisesta
|
Toissijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Haastattelut
Aikaikkuna: Kuukauden sisällä kotona tehdystä interventiosta
|
Nämä haastattelut toteutetaan osittain jäsenneltynä käyttäen Consolidated Framework for Implementation Research (CFIR).
Moderaattoriopas pyytää perusteellista palautetta osallistujien kokemuksista, haasteista ja parannusehdotuksista.
Haastatteluissa tutkittavia keskeisiä teemoja ovat käytön helppous, mukavuus, havaittu tarkkuus ja mahdolliset säännöllisen käytön esteet.
|
Kuukauden sisällä kotona tehdystä interventiosta
|
|
Digitaalinen terveystekniikan lukutaito
Aikaikkuna: Seulonnan aikana ennen laboraalutusta
|
Tämä mitataan digitaalisen terveysteknologian lukutaidon asteikolla (DHTL).
Tämä validoitu asteikko arvioi kokemusta ja taitoja digitaalisen terveystekniikan ja palveluiden käytössä.
DHTL: llä on vahva sisäinen johdonmukaisuus (Cronbachin α = 0,95) ja voimakas pätevyys suorittamalla kymmenen digitaalista tehtävää, kuten laitteen kytkeminen Wi-Fi: hen ja Bluetoothiin, ladataan ja asentaa sovelluksen ja kirjoittaa painotiedot sovellukseen.
|
Seulonnan aikana ennen laboraalutusta
|
Yhteistyökumppanit ja tutkijat
Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.
Sponsori
Yhteistyökumppanit
Julkaisuja ja hyödyllisiä linkkejä
Tutkimusta koskevien tietojen syöttämisestä vastaava henkilö toimittaa nämä julkaisut vapaaehtoisesti. Nämä voivat koskea mitä tahansa tutkimukseen liittyvää.
Yleiset julkaisut
- 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.
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 23. helmikuuta 2026
Ensisijainen valmistuminen (Arvioitu)
Perjantai 30. marraskuuta 2029
Opintojen valmistuminen (Arvioitu)
Maanantai 30. kesäkuuta 2031
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Tiistai 15. lokakuuta 2024
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Keskiviikko 30. lokakuuta 2024
Ensimmäinen Lähetetty (Todellinen)
Perjantai 1. marraskuuta 2024
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Keskiviikko 18. maaliskuuta 2026
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Tiistai 17. maaliskuuta 2026
Viimeksi vahvistettu
Sunnuntai 1. maaliskuuta 2026
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Avainsanat
Muut tutkimustunnusnumerot
- 17505 (Muu tunniste: City of Hope Medical Center)
Yksittäisten osallistujien tietojen suunnitelma (IPD)
Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?
EI
IPD-suunnitelman kuvaus
Tietojen jakamista koskeva pyyntö arvioidaan tapauskohtaisesti
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 .