- ICH GCP
- Registre américain des essais cliniques
- Essai clinique NCT04755504
Le développement d'un algorithme pour détecter la structure du sommeil avec un moniteur EEG portable dans une population âgée
Aperçu de l'étude
Statut
Les conditions
Intervention / Traitement
Description détaillée
Type d'étude
Inscription (Anticipé)
Phase
- N'est pas applicable
Contacts et emplacements
Coordonnées de l'étude
- Nom: Bertien Buyse, MD, PhD
- Numéro de téléphone: 00 32 16 342522
- E-mail: bertien.buyse@uzleuven.be
Lieux d'étude
-
-
-
Leuven, Belgique, 3000
- Recrutement
- UZ Leuven
-
-
Critères de participation
Critère d'éligibilité
Âges éligibles pour étudier
Accepte les volontaires sains
Sexes éligibles pour l'étude
La description
Critère d'intégration:
- Sujets devant subir une polysomnographie diagnostique
- > 60 ans
Critère d'exclusion:
- Patients incapables de fournir un consentement éclairé
Plan d'étude
Comment l'étude est-elle conçue ?
Détails de conception
- Objectif principal: Diagnostique
- Répartition: N / A
- Modèle interventionnel: Affectation à un seul groupe
- Masquage: Aucun (étiquette ouverte)
Armes et Interventions
Groupe de participants / Bras |
Intervention / Traitement |
---|---|
Expérimental: Évaluation EEG
Tous les patients seront évalués pendant 1 nuit par polysomnographie standard et en plus l'EEG sera évalué par 2 électrodes derrière chaque oreille connectées à un appareil d'enregistrement (Sensor Dot)
|
2 électrodes supplémentaires derrière chaque oreille enregistreront l'EEG
|
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
---|---|---|
Algorithme de sommeil
Délai: Une nuit
|
Développer un algorithme pour caractériser l'architecture du sommeil basé sur la mesure EEG par 2 électrodes derrière chaque oreille. Pour classer les stades du sommeil, un algorithme d'apprentissage en profondeur sera utilisé. L'algorithme apprendra une fonction complexe, transformant une entrée en une sortie, basée sur plusieurs exemples. Dans ce cas précis, les entrées sont des époques EEG de 30 s et les sorties sont des phases de sommeil. Pour classer le signal mesuré dans la bonne phase de sommeil, l'algorithme d'apprentissage en profondeur apprendra à extraire des caractéristiques utiles des données. |
Une nuit
|
Collaborateurs et enquêteurs
Parrainer
Dates d'enregistrement des études
Dates principales de l'étude
Début de l'étude (Réel)
Achèvement primaire (Anticipé)
Achèvement de l'étude (Anticipé)
Dates d'inscription aux études
Première soumission
Première soumission répondant aux critères de contrôle qualité
Première publication (Réel)
Mises à jour des dossiers d'étude
Dernière mise à jour publiée (Réel)
Dernière mise à jour soumise répondant aux critères de contrôle qualité
Dernière vérification
Plus d'information
Termes liés à cette étude
Autres numéros d'identification d'étude
- S64190
Plan pour les données individuelles des participants (IPD)
Prévoyez-vous de partager les données individuelles des participants (DPI) ?
Informations sur les médicaments et les dispositifs, documents d'étude
Étudie un produit pharmaceutique réglementé par la FDA américaine
Étudie un produit d'appareil réglementé par la FDA américaine
Ces informations ont été extraites directement du site Web clinicaltrials.gov sans aucune modification. Si vous avez des demandes de modification, de suppression ou de mise à jour des détails de votre étude, veuillez contacter register@clinicaltrials.gov. Dès qu'un changement est mis en œuvre sur clinicaltrials.gov, il sera également mis à jour automatiquement sur notre site Web .
Essais cliniques sur EEG derrière l'oreille
-
Assiut UniversityComplétéÉpilepsie | Trouble d'hyperactivité avec déficit de l'attentionEgypte