Puhepohjainen tekoäly dementian havaitsemiseksi tanskalaisilla potilailla (DetectAI)
Ei-invasiivisten tanskalaisten kielten ja puhebiomarkkereiden kehittäminen ja validointi neurodegeneratiivisen sairauden luokittelun avulla automaattisen puheen tunnistamisen avulla keinotekoisella älykkyydellä (Detectai)
Tämän havainnollisen tutkimuksen tavoitteena on kehittää ja testata keinotekoista älykkyyttä (AI), joka voi havaita dementian merkkejä ja niihin liittyviä olosuhteita puheenkierrosta. Pääkysymys on, voiko puhepohjainen AI-malli kertoa oikein toisistaan, joilla on normaali muisti ja ajattelu kognitiivisilla heikentymisillä.
Tutkimuksessa tutkitaan myös, pystyykö AI erottaa dementia masennuksesta, erillisistä erilaisista dementia -alatyypeistä, ja tunnistaa, mitkä ihmisille, joilla on lievä kognitiivinen vajaatoiminta (MCI), todennäköisesti kehittyy dementiaa.
Osallistujat suorittavat lyhyen muisti- ja puhetehtävät tallennuksen aikana. AI -malli analysoi nämä nauhoitukset oppiaksesi eri diagnooseihin liittyviä malleja. Tutkimuksen lopussa sen tarkkuus testataan uusille osallistujille.
Tutkimuksen yleiskatsaus
Tila
Ehdot
Interventio / Hoito
- Diagnostinen testi: Mini-mentaalinen valtion tutkimus
- Diagnostinen testi: Addenbrooken kognitiivinen tutkimus
- Muut: Speech Task - Picture Description
- Muut: Speech Task - Picture Recall
- Diagnostinen testi: MRI
- Diagnostinen testi: blood sampling
- Diagnostinen testi: Depression screening
- Muut: Somatic- and neurological examination
- Muut: Speech Task - Picture Narrative
Yksityiskohtainen kuvaus
Taustadementia on kasvava kansanterveyden haaste, ja varhainen ja tarkka diagnoosi on välttämätöntä tehokkaan hoidon ja mahdollisten tulevien sairauksien modifioivien hoidojen kannalta. Nykyiset diagnostiset polut ovat resurssiintensiivisiä ja niihin liittyvät pitkiin odotusaikoihin. Puhe heijastaa kognitiivista toimintaa, ja viimeaikaiset kansainväliset tutkimukset ovat osoittaneet, että AI pystyy havaitsemaan dementiaan liittyvät kuviot puhekallinnoissa lupaavalla tarkkuudella. Tämän tutkimuksen tavoitteena on kehittää ja validoida puhepohjainen AI-malli tanskalaisessa ympäristössä tarjoamalla ei-invasiivisen ja skaalautuvan seulontatyökalun perusterveydenhuollossa.
Vaiheet Yksi tämä protokolla kuvaa tutkimuksen ensimmäistä vaihetta, jonka odotetaan valmistuvan kahdessa erillisessä vaiheessa.
Ensimmäisessä vaiheessa pyrimme kouluttamaan AI -mallin analysoimaan puhetietoja kognitiivisella heikentymisellä osallistujilta ja vertaamaan sitä terveellisten kontrollien osallistujien puhetietoihin, kuten tämän protokollan avulla on yksityiskohtaisesti. Jos menetelmä validoidaan, jatkamme vaihetta toiseen.
Tulevassa vaiheessa toisen vaiheen odotamme suorittavan ulkoisen validoinnin. AI -mallianalyysi suoritetaan 200 dementian arviointiin tarkoitetun perusterveydenhuollon alan osallistujalle. AI -analyysin tuloksia verrataan lopulliseen kultastandardin konsensusdiagnoosiin.
Vaiheessa toisessa vaiheessa on erillinen protokolla, joka tehdään ensimmäisen vaiheen tulosten perusteella.
Ajan näkökulman laatiminen muu: Hybridi -suunnittelu. Suurin osa osallistujista sisällytetään poikkileikkaukselliseen tapausvalvontatutkimukseen (yksi puheen tallennus). MCI: n osallistujille seurantatiedot kerätään tutkimusjakson kuluessa dementian etenemisen arvioimiseksi, mikä mahdollistaa mallin kyvyn arvioida progressiivista ei-progressiivisesta MCI: stä.
Opintotyyppi
Ilmoittautuminen (Arvioitu)
Yhteystiedot ja paikat
Opiskeluyhteys
- Nimi: Sofie J Vængebjerg, MD
- Puhelinnumero: +4530294621
- Sähköposti: sova@regsj.dk
Tutki yhteystietojen varmuuskopiointi
- Nimi: Peter Høgh, MD, PhD, Assoc Prof
- Puhelinnumero: +45 22526698
- Sähköposti: phh@regionsjaelland.dk
Opiskelupaikat
-
-
Region Sjælland
-
Roskilde, Region Sjælland, Tanska, 4000
- Zealand University Hospital
-
Ottaa yhteyttä:
- Sofie J Vængebjerg, MD, PhD student
- Puhelinnumero: +45 30294621
- Sähköposti: sova@regsj.dk
-
Ottaa yhteyttä:
- Peter Høgh, MD, PhD, Assoc Prof
- Sähköposti: phh@regionsjaelland.dk
-
-
Osallistumiskriteerit
Kelpoisuusvaatimukset
Opintokelpoiset iät
- Aikuinen
- Vanhempi Aikuinen
Hyväksyy terveitä vapaaehtoisia
Näytteenottomenetelmä
Tutkimusväestö
Kuvaus
Sisällyttämiskriteerit:
- Ikä> 50 vuotta
- Sujuva tanskalainen
- Vähintään 7 vuotta koulunkäyntiä
Seurantakohortin osallistujille:
- Muisti klinikalla vahvistettu yksimielisyys Diagnoosi joko AD: n, VAD: n, LBD: n, FTD: n, MCI: n tai masennuksen aikana 6 kuukauden kuluessa ennen ilmoittautumista
Healthy Control -kohortin osallistujille:
- Ei tunnettua kognitiivista heikkenemistä tai afektiivista häiriötä
Poissulkemiskriteerit:
- Merkittävästi heikentynyt visio tai kuulo (siinä määrin kuin osallistuja ei voi osallistua kielelliseen AI -analyysiin)
- Osallistujat eivät pysty antamaan suostumusta
Osallistujat seurannan ja uusien viittausten kohortista:
- MMSE -pisteet <16
- Osallistujat, joilla on useita diagnooseja (esim. sekoitettu dementia tai AD samanaikaisen masennuksen kanssa)
Uusien viittauskohortin osallistujille:
- Osallistujat, jotka kuuluvat tutkimukseen sisältyvän kuuden luokan ulkopuolelle (AD, Vad, LBD, FTD, MCI, Masennus)
- Osallistujat, joissa lähtötilanteessa on selvää, että he eivät kuulu yllä oleviin luokkiin (voidaan sulkea pois ennen kliinisen konsensusdiagnoosin antamista)
Healthy Control -kohortin osallistujille:
- Mmse <26 ja ässä <90
- GDS -pistemäärä, joka osoittaa masennuksen (vähintään 6 tai korkeampaa)
- Clinical, laboratory or neuroradiological findings that could affect cognitive functions
Opintosuunnitelma
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
Kohortit ja interventiot
Ryhmä/Kohortti |
Interventio / Hoito |
|---|---|
|
Cognitively Healthy Control Participants for Model A
We seek to enroll 40 age-matched cognitively healthy control participants for the training of model A.
|
Osallistujat tallennetaan testin aikana, jotta AI antaa AI: n oppia ja analysoida puhekuvioita.
Muut nimet:
Osallistujat tallennetaan testin aikana, jotta AI antaa AI: n oppia ja analysoida puhekuvioita.
Muut nimet:
Participants will be asked to describe the Cookie Theft Picture from the Boston Diagnostic Aphasia Examination.
The task will take 2 minutes.
Participants will be recorded during the speech task in order to allow the AI to learn and analyze the speech patterns.
Participants will be asked to recall the picture shown in the previous speech task "Picture Narrative".
This task will take 2 minutes.
Participants will be recorded during the test in order til allow the AI to learn and analyze speech patterns.
For healthy controls an MRI will be conducted to provide comparable imaging and as part of screening to ensure they do not meet exclusion criteria (neuroradiological findings that could affect cognitive functions). For patient participants, imaging will be performed as part of the standard diagnostic battery and results will be obtained from the electronic journal. Healthy control participants will undergo a standard blood test panel commonly used in dementia diagnostics. The panel includes complete blood counts, inflammatory markers, kidney- and liver function markers, thyroid-stimulating hormone (TSH), vitamine B12 and folate. These tests are performed to exclude underlying medical conditions that could mimic cognitive impairment. For patient participants, blood sampling will be performed as part of the standard diagnostic battery and results will be obtained from the electronic journal. Performed on healthy controls to rule out depression using either the geriatric depression scale (GDS) for patients > 65 year of age or the Major Depression Index (MDI) for patiens <65 year of age. For patient participants, depression screening will be performed as part of the standard diagnostic battery and results will be obtained from the electronic journal. Healthy controls will undergo a standard somatic and neurological examination to exclude conditions that may affect cognition. This includes basic neurological assessment and clinical evaluation of general health status. For patient participants, a somatic and neurological examination will be performed as part of the standard diagnostic battery and results will be obtained from the electronic journal
The participant is asked to tell a brief story based on a culturally neutral picture.
This task will take approximately 2 minutes.
Participants will be recorded during the speech task in order to allow the AI to learn and analyze the speech patterns
|
|
Patient Participants for Model A
We seek to retrospectively enroll patients from the ZUH memory clinic with a diagnosis of either Alzheimer's Disease (AD, n=50) or MCI (n=50), made within 6 months prior to enrollment.
These participants will be used for the training of model A.
|
Osallistujat tallennetaan testin aikana, jotta AI antaa AI: n oppia ja analysoida puhekuvioita.
Muut nimet:
Osallistujat tallennetaan testin aikana, jotta AI antaa AI: n oppia ja analysoida puhekuvioita.
Muut nimet:
Participants will be asked to describe the Cookie Theft Picture from the Boston Diagnostic Aphasia Examination.
The task will take 2 minutes.
Participants will be recorded during the speech task in order to allow the AI to learn and analyze the speech patterns.
Participants will be asked to recall the picture shown in the previous speech task "Picture Narrative".
This task will take 2 minutes.
Participants will be recorded during the test in order til allow the AI to learn and analyze speech patterns.
The participant is asked to tell a brief story based on a culturally neutral picture.
This task will take approximately 2 minutes.
Participants will be recorded during the speech task in order to allow the AI to learn and analyze the speech patterns
|
|
Patient Participants for Model B
We will prospectively recruit newly referred patients for the memory clinic at ZUH. Enrollment happens at first patient visit.
At this time, diagnosis is not yet known, but assumed present.
|
Osallistujat tallennetaan testin aikana, jotta AI antaa AI: n oppia ja analysoida puhekuvioita.
Muut nimet:
Osallistujat tallennetaan testin aikana, jotta AI antaa AI: n oppia ja analysoida puhekuvioita.
Muut nimet:
Participants will be asked to describe the Cookie Theft Picture from the Boston Diagnostic Aphasia Examination.
The task will take 2 minutes.
Participants will be recorded during the speech task in order to allow the AI to learn and analyze the speech patterns.
Participants will be asked to recall the picture shown in the previous speech task "Picture Narrative".
This task will take 2 minutes.
Participants will be recorded during the test in order til allow the AI to learn and analyze speech patterns.
The participant is asked to tell a brief story based on a culturally neutral picture.
This task will take approximately 2 minutes.
Participants will be recorded during the speech task in order to allow the AI to learn and analyze the speech patterns
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Model A: Primary measure is the AUC-ROC of the model in distinguishing between MCI and AD as well as between MCI and cognitively healthy control participants.
Aikaikkuna: At baseline (speech recording)
|
We will measure the AUR-ROC of AI predictions compared to clinical consensus diagnosis. Metrics will be presented including uncertainty estimates. Model performance will be measured on an independent test-set consisting of patients from the model B training population. |
At baseline (speech recording)
|
Toissijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Dementian tarkkuus vs. masennus
Aikaikkuna: Lähtötilanteessa (puheen tallennus)
|
Mitattu herkkyydellä, spesifisyydellä, AI-ROC: lla AI-ennusteista verrattuna kliiniseen konsensusdiagnoosiin käyttämällä osallistujien lähtötilannetta.
Mallin suorituskyky mitataan tietokannan lukon jälkeen tutkimuksen valmistumisen yhteydessä.
|
Lähtötilanteessa (puheen tallennus)
|
|
Lievä kognitiivisen vajaatoiminnan (MCI) alaluokka progressiiviseksi vs. ei-progressiiviseksi
Aikaikkuna: Lähtötilanteessa (puheen tallennus) ja jopa 12 kuukautta ilmoittautumisen jälkeen (etenemisen määrittämiseksi)
|
Mitattu herkkyydellä, spesifisyydellä, AI-ROC: lla AI-ennusteista verrattuna kliiniseen konsensusdiagnoosiin käyttämällä osallistujien lähtötilannetta. Mallin suorituskyky mitataan tietokannan lukon jälkeen tutkimuksen valmistumisen yhteydessä. Etenemistä määritellään uudeksi dementiadiagnoosiksi tutkimusjakson aikana. |
Lähtötilanteessa (puheen tallennus) ja jopa 12 kuukautta ilmoittautumisen jälkeen (etenemisen määrittämiseksi)
|
|
Dementian alatyyppien luokittelu (AD, VAD, LBD, FTD)
Aikaikkuna: Lähtötilanteessa (puheen tallennus)
|
Mitattu herkkyydellä, spesifisyydellä, AI-ROC: lla AI-ennusteista verrattuna kliiniseen konsensusdiagnoosiin käyttämällä osallistujien lähtötilannetta.
Mallin suorituskyky mitataan tietokannan lukon jälkeen tutkimuksen valmistumisen yhteydessä.
|
Lähtötilanteessa (puheen tallennus)
|
|
Vertailu vakiintuneisiin biomarkkereihin
Aikaikkuna: Lähtötilanteessa tai biomarkkereiden testaamisen yhteydessä, jos ne suoritetaan lähtötilanteen jälkeen
|
AI-ennusteiden ja huipputeknisten biomarkkereiden diagnostisen tarkkuuden erot dementian diagnoosissa
|
Lähtötilanteessa tai biomarkkereiden testaamisen yhteydessä, jos ne suoritetaan lähtötilanteen jälkeen
|
|
Ominaisuuden analyysi
Aikaikkuna: Lähtötilanteessa (puheen tallennus)
|
Ominaisuuden merkitys arvioidaan tulkittavuusanalyyseillä (esim.
Permutaation merkitys, SHAP -arvot ja/tai ominaisuusryhmien ablaatio) akustisten ja kielellisten piirteiden vaikutus mallin ennusteisiin.
|
Lähtötilanteessa (puheen tallennus)
|
Muut tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Optimaalisen tarkkuuden vuoksi tarvittavien tehtävien lukumäärä
Aikaikkuna: Lähtötilanteessa (puheen tallennus)
|
Arviointi siitä, tarjoaako vähentynyt puhetehtävien joukko tarkkuutta, joka on verrattavissa koko testiakkuun.
|
Lähtötilanteessa (puheen tallennus)
|
|
Yksittäisten puhetehtävien vaikutus AI -mallin suorituskykyyn
Aikaikkuna: Lähtötilanteessa (puheen tallennus)
|
Yksittäisten puhetehtävien vaikutus arvioidaan vertaamalla mallin suorituskykyä (esim.
Tarkkuus, herkkyys, spesifisyys, AUC-ROC), kun se on koulutettu ja testattu puhetehtävien osajoukkoihin (muistitestit, tarinan palautus, kuvan kuvaus).
Tämä tunnistaa, mitkä tehtävät tarjoavat voimakkaimman diagnostisen signaalin.
|
Lähtötilanteessa (puheen tallennus)
|
Yhteistyökumppanit ja tutkijat
Sponsori
Yhteistyökumppanit
Tutkijat
- Päätutkija: Peter Høgh, MD, PhD, Assoc Prof, Zealand University Hospital
Julkaisuja ja hyödyllisiä linkkejä
Yleiset julkaisut
- Nicholas LE, Brookshire RH. A system for quantifying the informativeness and efficiency of the connected speech of adults with aphasia. J Speech Hear Res. 1993 Apr;36(2):338-50. doi: 10.1044/jshr.3602.338.
- Buderer NM. Statistical methodology: I. Incorporating the prevalence of disease into the sample size calculation for sensitivity and specificity. Acad Emerg Med. 1996 Sep;3(9):895-900. doi: 10.1111/j.1553-2712.1996.tb03538.x.
- Dargaud L, Partal A, Birn A, & Detlefsen S. N. (2023). Developing a Spontaneous Speech-based Artificial Intelligence for Alzheimer's Disease Detection. Transatlantic Telehealth Research Network (TTRN) International Scientific Conference 2023, Journal of the International Society for Telemedicine and eHealth.
- Lanzi AM, Saylor AK, Fromm D, Liu H, MacWhinney B, Cohen ML. DementiaBank: Theoretical Rationale, Protocol, and Illustrative Analyses. Am J Speech Lang Pathol. 2023 Mar 9;32(2):426-438. doi: 10.1044/2022_AJSLP-22-00281. Epub 2023 Feb 15.
- Li J, Song K, Zheng B, Li D, Wu X, Meng H. Leveraging Pretrained Representations with Task-related Keywords for Alzheimer's Disease Detection. arXiv preprint. 2023.
- Luz S, Haider F, de la Fuente Garcia S, Fromm D, MacWhinney B. Detecting cognitive decline using speech only: The ADReSSo challenge. arXiv preprint 2021.
- Luz S, Haider F, Fromm D, Lazarou I, Kompatsiaris I, Macwhinney B. An Overview of the ADReSS-M Signal Processing Grand Challenge on Multilingual Alzheimer's Dementia Recognition Through Spontaneous Speech. IEEE Open J Signal Process. 2024;5:738-749. doi: 10.1109/ojsp.2024.3378595. Epub 2024 Mar 18.
- Bex T. Comprehensive Guide to Multiclass Classification With Sklearn. Towards Data Science. 2021.
- Chen J, Ye J, Tang F, Zhou J. Automatic Detection of Alzheimer's Disease Using Spontaneous Speech Only. Interspeech. 2021 Aug-Sep;2021:3830-3834. doi: 10.21437/interspeech.2021-2002.
- Agbavor F, Liang H. Predicting dementia from spontaneous speech using large language models. PLOS Digit Health. 2022 Dec 22;1(12):e0000168. doi: 10.1371/journal.pdig.0000168. eCollection 2022 Dec.
- de la Fuente Garcia S, Ritchie CW, Luz S. Artificial Intelligence, Speech, and Language Processing Approaches to Monitoring Alzheimer's Disease: A Systematic Review. J Alzheimers Dis. 2020;78(4):1547-1574. doi: 10.3233/JAD-200888.
Opintojen ennätyspäivät
Opi tärkeimmät päivämäärät
Opiskelun aloitus (Arvioitu)
Ensisijainen valmistuminen (Arvioitu)
Opintojen valmistuminen (Arvioitu)
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Ensimmäinen Lähetetty (Todellinen)
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Viimeksi vahvistettu
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Avainsanat
- koneoppiminen
- dementia
- Kognitiivinen rajoite
- stressi
- tekoäly
- syvä oppiminen
- Lievä kognitiivinen häiriö (MCI)
- Frontotemporaalinen dementia (FTD)
- Lewy -kehon dementia (LBD)
- Puhepohjainen tekoäly
- keinotekoinen älykysymys dementian diagnostiikassa
- keinotekoinen älykäs seulontaan
- keinotekoinen älykysymys dementian luokitteluun
- Puhepohjainen tekoäly
- Vaskulaarinen dementia (Vad)
- Alzheimer -dementia (AD)
- Masennus - suuri masennushäiriö
- Dementia (diagnoosi)
Muita asiaankuuluvia MeSH-ehtoja
- Synukleinopatiat
- Aivoverenkiertohäiriöt
- Aivojen sairaudet
- Keskushermoston sairaudet
- Hermoston sairaudet
- Verisuonisairaudet
- Sydän-ja verisuonitaudit
- Mielenterveyshäiriöt
- Patologiset prosessit
- Metaboliset sairaudet
- Neurokognitiiviset häiriöt
- Kognitiohäiriöt
- Tauopatiat
- Neurodegeneratiiviset sairaudet
- Liikkumishäiriöt
- Parkinsonin häiriöt
- Basal ganglia -taudit
- TDP-43 Proteinopatiat
- Proteostaasin puutteet
- Valtimotauti
- Valtimon tukossairaudet
- Leukoenkefalopatiat
- Intrakraniaalinen arterioskleroosi
- Kallonsisäiset valtimotaudit
- Frontotemporaalinen lobarin rappeuma
- Patologiset tilat, merkit ja oireet
- Ravitsemukselliset ja aineenvaihduntataudit
- Kognitiivinen toimintahäiriö
- Alzheimerin tauti
- Sairaus
- Dementia
- Frontotemporaalinen dementia
- Dementia, vaskulaarinen
- Lewyn kehon sairaus
- Tutkintatekniikat
- Näytteenkäsittely
- Kliiniset laboratoriotekniikat
- Diagnostiikkatekniikat ja menettelyt
- Diagnoosi
- Puhkaisut
- Kirurgiset toimenpiteet, operatiivinen
- Geneettiset ilmiöt
- Ploidiat
- Verinäytteen kokoelma
- Diploidia
Muut tutkimustunnusnumerot
- SJ-1107
Yksittäisten osallistujien tietojen suunnitelma (IPD)
Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?
Lääke- ja laitetiedot, tutkimusasiakirjat
Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta
Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta
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 .
Kliiniset tutkimukset Mini-mentaalinen valtion tutkimus
-
University Hospital Center of MartiniqueLopetettuAlzheimerin tauti | Iäkkäät potilaat | Kognitiivinen häiriöRanska
-
Centro Hospitalar do PortoTuntematonPostoperatiiviset komplikaatiot | Neurokognitiiviset häiriöt | Leikkauksen jälkeinen ajanjaksoPortugali
-
Azienda Ospedaliera Universitaria Integrata VeronaTuntematonKognitiivinen rajoite | Fibromyalgia | Kipu, krooninen | Fibromyalgia-oireyhtymä | Arvonalentuminen
-
National Cheng-Kung University HospitalMinistry of Science and Technology, TaiwanAktiivinen, ei rekrytointiIkääntyminen | TasapainoinenTaiwan
-
Centre Francois BaclesseValmis
-
Centre Hospitalier Universitaire de la RéunionValmisNeurokognitiivinen puuteTapaaminen
-
Ankara Etlik City HospitalValmisPostoperatiivinen kognitiivinen toimintahäiriöTurkki (Türkiye)
-
BrainCheck, Inc.TuntematonKognitiivinen rajoite | Dementia | Lievä kognitiivinen heikentyminen | Kognitiivinen heikkeneminen | Lievä traumaattinen aivovaurio | Aivotärähdys | Kognitiiviset muutokset | Akuutit muutokset kognitiossa | Akuutti pään vamma
-
Burcu Ozalp HorsanaliValmisPostoperatiivinen kognitiivinen toimintahäiriö
-
Chania General Hospital "St. George"University of ThessalyEi vielä rekrytointiaMasennus | Ahdistus | Kognitiivinen toiminto 1, sosiaalinen | Tyytyväisyys, kuluttaja | Vahvistus | Kuulolaite | Kuunteluponnistus