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

Älykäs patja asennollisesta uniapneasta kärsivien diagnosointiin

perjantai 27. helmikuuta 2026 päivittänyt: Hospital San Pedro de Logroño

Innovointi uniapnean teknologisessa kehityksessä: Älykäs patja asentokohtaisen uniapnean diagnosoimiseksi

Tämä hanke pyrkii kehittämään ja arvioimaan innovatiivista, ei-invasiivista diagnoosijärjestelmää, joka perustuu älykkääseen patjaan asentoon liittyvän obstruktiivisen uniapnean (POSA) havaitsemiseksi sekä yleisen unenlaadun arvioimiseksi ja jaksollisten raajaliikkeiden tunnistamiseksi. Päätavoitteena on parantaa uniapnean diagnoosin tarkkuutta tarjoamalla vähemmän invasiivinen ratkaisu, joka soveltuu kotikäyttöön, ja parantaa siten potilaiden elämänlaatua.

Kuvailuva, havainnointiin perustuva, prospektiivinen tutkimus suoritetaan analysoimaan diagnosoivaa polysomnografiaa koskevia tietoja, jotka on kerätty San Pedro -sairaalan uniyksikössä 17. marraskuuta 2026 ja 1. maaliskuuta 2028 välisenä aikana. Potilaat käyttävät älykästä patjaa, ja sen mittaustuloksia verrataan polysomnografiatuloksiin. Tämä vertailu mahdollistaa patjan tekoälyn optimoinnin kouluttamalla sen tunnistamaan tarkasti hengitysmallit ja unen aikaiset tapahtumat, mukaan lukien asentoapneat ja jaksolliset raajaliikkeet.

Keskeisiin teknisiin tavoitteisiin kuuluvat:

Patjan herkkyyden, spesifisyyden ja ennustearvojen määrittäminen apneoiden, hypopneoiden ja raajaliikkeiden havaitsemisessa verrattuna polysomnografiaan.

Patjan ja polysomnografian välisten sopimusten arvioiminen unen muuttujien osalta, kuten kokonaisunenaika, unen tehokkuus, univaiheet, mikroherätykset ja potilaan asento.

Arvioimalla, vaihteleeko mittaustarkkuus nukkuma-asennon tai ikäryhmän (aikuiset vs. lapset) mukaan.

Subjektiivisen unenlaadun mittaaminen Groningenin unenlaadun asteikolla (GSQS-8).

Potilaiden demografisten ominaisuuksien kuvailuanalyysin suorittaminen.

Hypoteesit:

Älykäs patja havaitsee asentoon liittyvän obstruktiivisen uniapnean, unenlaadun ja jaksolliset raajaliikkeet polysomnografiaa vastaavalla tarkkuudella.

Järjestelmä tarjoaa luotettavan, ei-invasiivisen, kotiystävällisen diagnoosimenetelmän.

Apnea-hypopnea-indeksin (AHI) ja raajaliikkeiden mittaukset osoittavat korkeaa herkkyyttä, spesifisyyttä ja ennustearvoja sekä kokonaisuudessaan että OSA:n vakavuuden mukaan.

Patjan mittausten ja polysomnografian välillä on hyvä sopimus useimpien unen muuttujien osalta.

Tarkkuus saattaa vaihdella potilaan nukkuma-asennon mukaan.

Mittaukset korreloivat hyvin sekä aikuis- että lastipotilaiden kesken.

Subjektiiviset unenlaatuarvot (GSQS-8) ovat yhteneväisiä patjan objektiivisten tietojen kanssa.

Tämä hanke pyrkii kehittämään tarkemman, saavutettavamman ja ei-invasiivisen diagnoosijärjestelmän POSA:lle, yhdistäen kehittynyttä teknologiaa kotikäytön helppouteen. Kouluttamalla patjan tekoälyä tunnistamaan unimalleja ja tapahtumia, sen tavoitteena on optimoida asentoapneoiden havaitseminen, tarjoten potilaille parempaa seurantaa, varhaista interventiota ja parannettua elämänlaatua.

Tutkimuksen yleiskatsaus

Tila

Ei vielä rekrytointia

Ehdot

Interventio / Hoito

Yksityiskohtainen kuvaus

Tämä hanke vastaa kuvaavaa, havainnollista ja prospektiivista tutkimusta, jonka tavoitteena on vahvistaa älykkään patjan toiminta, tarkkuus ja kliininen sovellettavuus unen aikaisiin hengityshäiriöiden ei-invasiivisessa havaitsemisessa verrattuna I-tason polysomnografiaan (kultainen standardi uniapnean diagnosoinnissa). Tämä vaihe muodostaa ensimmäisen vaiheen globaalista hankkeesta, jonka tavoitteena on asentoon liittyvän obstruktiivisen uniapnean (POSA) diagnosointi ja hoito edistyneiden monitorointi- ja asentosopeutumisteknologioiden avulla.

Ajanjaksolla 17. marraskuuta 2026 ja 1. maaliskuuta 2028 kaikki San Pedro-sairaalan uniyksikössä suoritetut polysomnografiat sisällytetään systemaattiseen rekisteriin yhdessä älykkään patjan samanaikaisesti tuottamien tietojen kanssa. Tavoitteena on määrittää molempien järjestelmien välinen yhteensopivuustaso, vahvistaa patjan diagnostinen hyödyllisyys ja luoda tietokanta, joka vaaditaan myöhempään tekoälyalgoritmien kehittämiseen hengitystapahtumien ja unen vaiheiden automaattista tunnistamista varten.

  1. REKISTERÖINTIPROSEDUURIT JA TIETOJEN LAATU

    Keskitetty rekisteri sisältää kaikki Natus-laitteistolla suoritetut polysomnografiatutkimukset, jotka on tallennettu sen sisäiselle palvelimelle, sekä älykkään patjan rinnakkaistallenteet. Rekisterirakenne suunnitellaan varmistamaan tietojen jäljitettävyys, eheys ja laatu, ja siinä on erityiset menettelyt tekniselle validoinnille, kliiniselle varmennukselle ja yhteensopivuustarkastukselle.

    1.1 Laadunvarmistussuunnitelma

    Laadunvarmistusjärjestelmä perustetaan neljään peruspilariin:

    1. Alustava tekninen validointi

      Jokaisen polysomnografian tarkistaa uniteknikko, joka vahvistaa:

      • Anturien oikean sijoittelun.
      • Tallennusvirheiden puuttumisen.
      • Vähintään 4 kelvollisen tunnin unen läsnäolon.
      • Riittävän synkronoinnin patjan kanssa.

    2. Asiantuntijan kliininen tarkistus

      Sertifioitu unilääketieteen asiantuntija pisteyttää manuaalisesti jokaisen PSG:n AASM 2022 -suosituksien mukaisesti, mukaan lukien:

      • Apneoiden ja hypopneoiden luokittelu.
      • Mikroheräilyjen havaitseminen.
      • Unen arkkitehtuurin analysointi.
      • Selällään ja ei-selällään oloajan kvantifiointi.
      • Kokonais-AHI:n, selällään-AHI:n ja ei-selällään-AHI:n määrittäminen.

    3. Sisäinen auditointi

      Kymmenen prosenttia tallenteista tarkistetaan toisella riippumattomalla arvioijalla arvioidakseen tarkkailijoiden välistä yhteensopivuutta. Yli 10 %:n poikkeamat hengitysindekseissä laukaisevat konsensusistunnot.

    4. Patjan tietojen eheyden tarkistus

    Järjestelmä varmistaa automaattisesti:

    • Tallenteen aikajatkuvuuden.
    • Stabiilin BCG-anturisignaalin läsnäolon.
    • Ilmakammioiden vikojen puuttumisen.
    • Viedyn tiedoston eheyden.

    1.2 Automaattiset tietojen tarkistukset

    Patjan ja PSG:n tiedot käyvät läpi validointia automaattisten sääntöjen avulla:

    • Alueen säännöt:

      • Hapen kylläisyys 50-100 % välillä.
      • Hengitystaajuus 6-40 hengitystä minuutissa.
      • Syketaajuus 35-180 lyöntiä minuutissa.
      • Kokonaisunen aika 2-12 tunnin välillä.

    • Sisäisen yhteensopivuuden säännöt:

      • N1, N2, N3 ja REM:n prosenttiosuuksien summan on oltava ≤100 %.
      • Tapahtumien lukumäärän on oltava yhteensopiva lasketun AHI:n kanssa.
      • Sängyssä vietetyn ajan on vastattava kokonaistallennusaikaa.

    • Aikayhteensopivuuden säännöt:

      • Synkronointi PSG:n ja patjan välillä ±5 sekuntia.

    Hälytyksiä aiheuttavat tallenteet tarkistetaan manuaalisesti ja luokitellaan:

    • Kelvollisiksi.
    • Kelvollisiksi varoituksin.
    • Käyttökelvottomiksi.

    1.3 Lähdetietojen varmennus (SDV)

    Lähdetietojen varmennusprosessi otetaan käyttöön, mukaan lukien:

    • Patjan havaitsemien hengitystapahtumien vertailu PSG:ssä manuaalisesti merkityihin tapahtumiin.
    • Asennon (selällään/ei-selällään) ristitarkistus molempien järjestelmien välillä.
    • Demografisten muuttujien varmennus kliinistä rekisteriä vastaan.
    • Unen ajan ja heräilyjen yhteensopivuus.

  2. REKISTERIN TIETOSANAKIRJA

    Tutkimus sisältää kattavan tietosanakirjan, joka määrittää:

    • Muuttujan nimi.
    • Operatiivinen määritelmä.
    • Mittayksikkö.
    • Hankintatapa.
    • Lähde (PSG, patja tai johdettu)
    • Vakiokoodaus (AASM 2022, MedDRA tapahtumille)
    • Odotetut fysiologiset alueet.

    Esimerkkejä:

    • Kokonais-AHI: apneoiden + hypopneoiden kokonaismäärä jaettuna unen ajalla tunneissa.
    • Mikroheräilyt: määritelty AASM:n mukaan EEG-taajuusmuutoksiksi ≥3 sekuntia.

  3. VAKIOMENETTELYOHJEET (SOPs)

    Tutkimus sisältää dokumentoidut SOP:t seuraaville:

    PSG:n ja patjan asennus, tallennus ja irrottaminen.

    Hengitys- ja jalkatapahtumien manuaalinen pisteytys.

    Tietojen vienti, anonymisointi ja arkistointi.

    Synkronointi ja tekninen varmennus.

    Tietojen epäyhtenäisyyden hallinta ja kyselyt.

    Laadunvalvonta ja sisäinen auditointi.

    Epätäydellisten tallenteiden luokittelu.

    Tietoturva, yksityisyys ja GDPR:n noudattaminen.

    Jokainen SOP määrittää vastuut, operatiiviset vaiheet, hyväksymiskriteerit ja tapahtumien käsittelymekanismit.

  4. OTOSKOON ARVIOINTI

    Suunniteltu otoskoko on 500 täydellistä tallennetta. Tämä laskelma perustuu:

    - Arvioituun saatavilla olevaan väestöön noin 700 PSG:tä vertailujaksolla.

    - 95 %:n luottamustasoon.

    • 1 %:n marginaalivirheeseen.
    • Tarpeeseen korkeaan tilastolliseen voimaan yhteensopivuusvertailuihin.
    • Vaatimuksiin kouluttaa tekoälymalleja merkittävällä havaintojen määrällä.

  5. PUUTTUMISTEN TIETOJEN HALLINTASUUNNITELMA

    Puuttuvat tiedot luokitellaan:

    • Teknisesti puuttuviksi: signaalin menetys, anturiviat.

    • Huonolaatuisiksi puuttuviksi: kelvollinen aika <4 h.

    • Epäyhtenäisyyksiksi puuttuviksi: mahdottomat alueet tai aikaiset poikkeamat.

    • Hallinnollisesti puuttuviksi: vientivirheet.

    Kriteerit:

    - Tallenteiden poissulkeminen, joissa kelvollinen aika <4 h.

    • Yksinkertainen imputaatio asentotiedoille, kun tulokset eivät ole vaikutuksen alaisia.
    • Moninkertainen imputaatio vain tekoälymallien koulutukseen.
    • Puuttuvien tietojen syiden dokumentointi tapahtumalokiin.

  6. TILASTOLLINEN ANALYYSISUUNNITELMA

    Analyysi sisältää:

    • Kuvailevat tilastot: keskiarvot, keskihajonnat, mediaanit, alueet ja frekvenssit.
    • Korrelaatio:

    Pearsonin tai Spearmanin kertoimet PSG:n ja patjan välillä.

    • Yhteensopivuus:

    Bland-Altman-analyysit seuraaville:

    - Kokonais-AHI.

    - Selällään/ei-selällään AHI.

    - Jaksolliset raajaliikkeet.

    - Unen tehokkuus.

    • Diagnostinen analyysi:

      - Herkkyys.

      - Spesifisyys.

      - PPV.

      - NPV.

      - ROC-käyrät ja AUC.

    • Ennustavat mallit:

      - Logistinen regressio.

      • CHAID-puut.
      • Monimuuttujaluokittelu.
    • Moninkertaisten vertailujen säätö:

    Benjamini-Hochberg (FDR).

    Analyysi suoritetaan käyttäen SPSS:ää ja R:ää. Merkittävyystaso on α = 0,05.

    Tämä menettelykokoelma varmistaa, että rekisteri täyttää tarvittavat vaatimukset tieteelliselle pätevyydelle, toistettavuudelle ja automaattisten tekoälypohjaisten mallien tulevalle kehittämiselle, samalla kun sovellettavat kliiniset ja sääntelystandardit ylläpidetään.

Opintotyyppi

Havainnollistava

Ilmoittautuminen (Arvioitu)

500

Yhteystiedot ja paikat

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

Opiskeluyhteys

Tutki yhteystietojen varmuuskopiointi

  • Nimi: Jorge Lázaro Galán, MSc
  • Puhelinnumero: 89864 + 34 941 29 80 00
  • Sähköposti: jlazaro@riojasalud.es

Opiskelupaikat

  • Espanja
    • La Rioja
      • Logroño, La Rioja, Espanja, 26006
        • Center for Biomedical Research of La Rioja
        • Ottaa yhteyttä:
        • Ottaa yhteyttä:
        • Päätutkija:
          • ALEJANDRA RONCERO LAZARO, MD
        • Alatutkija:
          • CARLOS RUIZ MARTINEZ, MD
        • Alatutkija:
          • JORGE LAZARO GALAN, MS
      • Logroño, La Rioja, Espanja, 26006
        • San Pedro University Hospital
        • Ottaa yhteyttä:
        • Päätutkija:
          • ALEJANDRA RONCERO LAZARO, MD
        • Alatutkija:
          • CARLOS RUIZ MARTINEZ, MD
        • Alatutkija:
          • JORGE LAZARO GALAN, MS
        • Ottaa yhteyttä:

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

  • Lapsi
  • Aikuinen
  • Vanhempi Aikuinen

Hyväksyy terveitä vapaaehtoisia

Joo

Näytteenottomenetelmä

Ei-todennäköisyysnäyte

Tutkimusväestö

Diagnostiset polysomnografiat suoritettiin San Pedro -sairaalan uniyksikössä 17. marraskuuta 2026 - 1. maaliskuuta 2028.

Kuvaus

Sisällyttämiskriteerit:

  • San Pedro-sairaalassa 17. marraskuuta 2026 ja 1. maaliskuuta 2028 välisenä aikana suoritetut polysomnografiat.
  • Alle 16-vuotiaiden potilaiden polysomnografiat ja San Pedro-sairaalassa yli 16-vuotiaille potilaille suoritetut polysomnografiat (erillisinä tutkimusryhminä).

Poissulkemiskriteerit:

  • Polysomnografian heikko tekninen laatu.
  • Potilaat, joilla on >50 % keskushengähdyksiä tai Cheyne-Stokes-hengitystä (CSResp).
  • Polysomnografia-analyysin ja/tai patjadata puuttuminen.

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
Ihmisillä, joilla epäillään obstruktiivista uniapneaa (OSA)

Potilaat suorittavat PSG-tutkimuksen älymatolla, joka mahdollistaa samanaikaisen tallentamisen:

Vakiomuotoista PSG-dataa, jota pidetään unentutkimuksen kultaisena standardina.

Älymaton tuottamaa dataa, mukaan lukien liikkeisiin, hengitykseen ja muihin laitteen havaitsemiin fysiologisiin parametreihin liittyviä signaaleja ja mittareita.

Matolta saatua dataa verrataan PSG-tuloksiin seuraavien tavoitteiden saavuttamiseksi:

Maton kyvyn vahvistamiseksi havaita hengityskuvioita ja tapahtumia unen aikana.

Maton tekoälyjärjestelmän optimoimiseksi ja kouluttamiseksi, parantaen sen diagnostista tarkkuutta hengitystapahtumien ja muiden unihäiriöiden tunnistamisessa.
Laite: Integroitu polysomnografinen arviointi älyllisellä patjalla.
Yhden yön mittauksen aikana osallistuja nukkuu älyllisellä patjalla, joka on varustettu antureilla unen parametrien jatkuvaa seurantaa varten. Saadut tiedot verrataan ja vahvistetaan myöhemmin polysomnografian (PSG) tallenteisiin, joita pidetään kultaisena standardina unen rakenteen ja laadun sekä hengitystapahtumien objektiiviseen arviointiin.

Mitä tutkimuksessa mitataan?

Ensisijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Älypatjan diagnostinen tarkkuus uniapnean havaitsemisessa.
Aikaikkuna: Yksi yö samanaikaisesta PSG- ja patjantallennuksesta (yksi yö osallistujaa kohden).

Mitattu seuraavasti:

Herkkyys

Spesifisyys

Ennustearvot (PPV/NPV)

Verrattuna polysomnografiaan (PSG).
Yksi yö samanaikaisesta PSG- ja patjantallennuksesta (yksi yö osallistujaa kohden).

Toissijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Kokonaismäärä unta
Aikaikkuna: Yksi yö samanaikaisesta PSG- ja patjamittauksesta (yksi yö per osallistuja).
Vertaile yhteisen unenajan mittaustuloksia eli aikaa, jonka potilas nukkuu (minuutteina), perinteisen polysomnografian tallentamiin tuloksiin.
Yksi yö samanaikaisesta PSG- ja patjamittauksesta (yksi yö per osallistuja).
Diagnostinen tarkkuus unen asennon mukaan.
Aikaikkuna: Yö samanaikaisesta PSG- ja patjarekisteröinnistä (yksi yö per osallistuja).
Vertaile, vastaako potilaan sivuttaisessa, vatsallaan makaavassa tai selällään makaavassa asennossa viettämä aika (minuutteina) perinteisellä polysomnografialla tallennettua aikaa.
Yö samanaikaisesta PSG- ja patjarekisteröinnistä (yksi yö per osallistuja).
Diagnostinen tarkkuus ikäryhmittäin.
Aikaikkuna: Yksi yö samanaikaiselle PSG- ja patjamittaukselle (yksi yö osallistujaa kohden).
Vertaa, ovatko päämittauksissa saadut tulokset yhtä luotettavia aikuis- ja lapsipopulaatioissa käyttäen perinteisestä polysomnografiasta saatuja arvoja viitteenä.
Yksi yö samanaikaiselle PSG- ja patjamittaukselle (yksi yö osallistujaa kohden).
Subjektiivinen unenlaatu (GSQS-8).
Aikaikkuna: Yksi yö samanaikaisesta PSG- ja patjamittauksesta (yksi yö per osallistuja).

Potilaan koetun unen laadun arviointi ja vertailu objektiivisiin patjadataan.

Mittarin nimi: Groningenin unenlaatumittari

  • Vähimmäispistemäärä: 0
  • Enimmäispistemäärä: 14

Mitä korkeampi pistemäärä, sitä huonompi tulos.
Yksi yö samanaikaisesta PSG- ja patjamittauksesta (yksi yö per osallistuja).
Kuvaileva demografinen data.
Aikaikkuna: Yksi yö samanaikaisesta PSG- ja patjamittauksesta (yksi yö osallistujaa kohden).
Tutkimusväestön iän, sukupuolen, painoindeksin, sairauksien ja muiden relevanttien ominaisuuksien kuvaus.
Yksi yö samanaikaisesta PSG- ja patjamittauksesta (yksi yö osallistujaa kohden).
Unen tehokkuus
Aikaikkuna: Yö, jolloin tehdään samanaikainen PSG- ja patjarekisteröinti
Vertaa unen tehokkuuden mittaustuloksia, joka määritellään potilaan nukkumiseen käytetyn ajan suhteena sängyssä vietettyyn aikaan (minuutteina), perinteisen polysomnografian tallentamiin tuloksiin.
Yö, jolloin tehdään samanaikainen PSG- ja patjarekisteröinti
Univaihe
Aikaikkuna: Yö, jolloin suoritetaan samanaikainen PSG ja patjanauhoitus
Vertaa älykkään patjan määrittämää nukkumisvaiheen luokittelua (N1, N2, N3 tai REM-vaihe) perinteisen polysomnografian määrittämään luokitteluun. Tämä luokittelu perustuu hengitystaajuusmittauksiin.
Yö, jolloin suoritetaan samanaikainen PSG ja patjanauhoitus
mikroheräilyjen havaitsemiset
Aikaikkuna: Yö samanaikaisesta PSG- ja patjantallenteesta
Vertaa älypatjan (mitta yksikkönä Hz) tallentamia mikroheräämisiä niihin, jotka havaittiin perinteisellä polysomnografialla.
Yö samanaikaisesta PSG- ja patjantallenteesta

Yhteistyökumppanit ja tutkijat

Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.

Sponsori

Hospital San Pedro de Logroño

Yhteistyökumppanit

Fundacion Rioja Salud

Tutkijat

  • Päätutkija: Alejandra Roncero Lázaro, MD, Hospital Universitario San Pedro de Logroño

Julkaisuja ja hyödyllisiä linkkejä

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

Yleiset julkaisut

  • 11. Feihong Ding, Andrew Cotton-Clay et al. Polysomnographic validation of an under-mattress monitorin device in estimating sleep architecture and obstructive sleep apnea in adults. Sleep Med. Abril 2022. DOI: 10.1016/j.sleep.2022.04.010
  • 10. Jong-Ho Byun 1, Keun Tae Kim 1, Hye-Jin Moon 2, Gholam K Motamedi 3, Yong Won Cho 4. The first night effect during polysomnography, and patients' estimates of sleep quality
  • 9. Welltech Electronics.
  • 8. Kobayashi M, Namba K, Tsuili S, et al. Validdity of sheet-type portable monitoring device for screening obstrucitive sleep apnea síndrome. Sleep breath 2013; 17: 589-95.
  • 7. Tenhunen M, Elomaa E, sistonen H et al, Emfit movement sensor in evaluating nocturnal breathing. Respir Physiol neurobiolo 2013; 187: 183-9.
  • 6. Anttalainen, U. Polo, O. Vahlberg, T et AL. Reimbursed drugs in Patients with sleep-disordered breathing: a static charge-sensitive bed study. Sleep medicine 2010 11, 49-55.
  • 5. Polo O, Brissaud L, sales B et al. The validity of the static charge sensitive bed in detecting obstructive sleep apneas. Eur repir J 1988; 1:330.
  • 4. Mediano O, González Mangado N, Montserrat JM, Alonso-Álvarez ML, Almendros I, Alonso-Fernández A, et al. International Consensus Document on Obstructive Sleep Apnea. Arch Bronconeumol. 2022 Jan;58(1):52-68. doi: 10.1016/j.arbres.2021.03.017.
  • 3. Benjafield, A. V., Ayas, N. T., Eastwood, P. R., Heinzer, R., Ip, M. S., Morrell, M. J., & Malhotra, A. (2019). Estimation of the global prevalence and burden of obstructive sleep apnoea: a literature-based analysis. The Lancet Respiratory Medicine, 7(8), 687-698.
  • 2. Senaratna, C. V., Perret, J. L., Lodge, C. J., Lowe, A., Campbell, B. E., Matheson, M. C., & Dharmage, S. C. (2017). Prevalence of obstructive sleep apnea in the general population: A systematic review. Sleep Medicine Reviews, 34, 70-81.
  • 1. Duran, J., Esnaola, S., Rubio, R., & Iztueta, A. (2001). Obstructive sleep apnea-hypopnea and related clinical features in a population-based sample of subjects aged 30 to 70 yr. American Journal of Respiratory and Critical Care Medicine, 163(3), 685-689.

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 (Arvioitu)

Tiistai 17. marraskuuta 2026

Ensisijainen valmistuminen (Arvioitu)

Keskiviikko 1. maaliskuuta 2028

Opintojen valmistuminen (Arvioitu)

Keskiviikko 1. maaliskuuta 2028

Opintoihin ilmoittautumispäivät

Ensimmäinen lähetetty

Tiistai 10. helmikuuta 2026

Ensimmäinen toimitettu, joka täytti QC-kriteerit

Torstai 19. helmikuuta 2026

Ensimmäinen Lähetetty (Todellinen)

Keskiviikko 25. helmikuuta 2026

Tutkimustietojen päivitykset

Viimeisin päivitys julkaistu (Todellinen)

Tiistai 3. maaliskuuta 2026

Viimeisin lähetetty päivitys, joka täytti QC-kriteerit

Perjantai 27. helmikuuta 2026

Viimeksi vahvistettu

Sunnuntai 1. helmikuuta 2026

Lisää tietoa

Tähän tutkimukseen liittyvät termit

Avainsanat

Muita asiaankuuluvia MeSH-ehtoja

Muut tutkimustunnusnumerot

  • CEImLar PS-27

Yksittäisten osallistujien tietojen suunnitelma (IPD)

Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?

EI

IPD-suunnitelman kuvaus

Osallistujatieto anonymisoidaan lähdettä hankittaessa.

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