Development of a Multimodal Deep Learning Model for Pediatric Patients
Development of an Artificial Intelligence-Based Model for Assessing the Severity of Pediatric Obstructive Sleep Apnea
This study aims to develop a multimodal data-driven model integrating multiple noninvasive physiological signals to assess the severity of pediatric sleep-disordered breathing, using standard clinical sleep study results as the reference.
Tutkimuksen yleiskatsaus
Tila
Yksityiskohtainen kuvaus
Pediatric obstructive sleep apnea may affect growth, development, cognitive function, and overall health. Although polysomnography is commonly used for clinical assessment, its application may be limited by time, cost, and accessibility. Recent advances in noninvasive monitoring technologies have provided new possibilities for sleep-related assessment. This study will collect and integrate multiple physiological signals from pediatric participants undergoing routine sleep examinations and to develop a data-driven model for evaluating sleep-related respiratory conditions. Clinical examination results will be used as the reference for model development and validation. The findings of this study are expected to support the development of a convenient and noninvasive approach for pediatric sleep assessment and may provide a reference for future clinical and home-based applications.
Opintotyyppi
Ilmoittautuminen (Arvioitu)
Yhteystiedot ja paikat
Opiskeluyhteys
- Nimi: Ke-Yun Chao, PhD
- Puhelinnumero: +886-905-301-879
- Sähköposti: C00152@mail.fjuh.fju.edu.tw
Opiskelupaikat
-
-
-
New Taipei City, Taiwan, 24352
- Rekrytointi
- Fu Jen Catholic University Hospital, Fu Jen Catholic University
-
Ottaa yhteyttä:
- Ke-Yun Chao, PhD
- Puhelinnumero: +886-905-301-879
- Sähköposti: C00152@mail.fjuh.fju.edu.tw
-
-
Osallistumiskriteerit
Kelpoisuusvaatimukset
Opintokelpoiset iät
Hyväksyy terveitä vapaaehtoisia
Sukupuolet, jotka voivat opiskella
Näytteenottomenetelmä
Tutkimusväestö
patient of affiliated university hospital
Kuvaus
Inclusion Criteria:
- Individuals with clinical suspicion of obstructive sleep apnea who are referred for polysomnography
Exclusion Criteria:
- Intolerance to a fingertip or wrap-around pulse oximeter
- Presence of significant structural abnormalities of the upper airway
- Cardiac arrhythmia
- Neuromuscular disease
- Hospitalization within the previous one month
Opintosuunnitelma
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
- Havaintomallit: COHORT
- Aikanäkymät: PROSPECTIVE
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Aikaikkuna |
|---|---|
|
the correlation among the apnea-hypopnea index, millimeter-wave radar signals, and ballistocardiography waveforms
Aikaikkuna: up to 12 hours
|
up to 12 hours
|
Yhteistyökumppanit ja tutkijat
Sponsori
Tutkijat
- Päätutkija: Ke-Yun Chao, PhD, Fu Jen Catholic University
Opintojen ennätyspäivät
Opi tärkeimmät päivämäärät
Opiskelun aloitus (Todellinen)
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
Muut tutkimustunnusnumerot
- FJUH115604
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 .