嚥下障害モニタリング技術開発のための音声分析コホートの設立
2024年4月18日 更新者：Ju Seok Ryu、Seoul National University Hospital
音声解析による嚥下障害の状態モニタリング技術開発のための基礎データの収集。
調査の概要
詳細な説明
- デザイン：前向き研究
患者群の組み入れ基準：VFSS検査予定の患者
、「あ、5秒」、「あ。 ああ。 あぁ」「うーん～～～」などの声が録音できる患者さん
- 対照群の組み入れ基準：話すことができない患者、ついていけない患者、VFSS検査が再検査の場合
- 舞台：病院リハビリテーション科
- 介入：VFSS検査を予定している患者の同意書「あー5秒」を得た後、咳払いをした後「あー5秒」と甲高い音で短くカット「あー。 ああ。 あー」と唇を軽く閉じて「うーん～～～～」と声を出して2回ずつ録音。
研究の種類
観察的
入学 (推定)
300
段階
- 適用できない
連絡先と場所
このセクションには、調査を実施する担当者の連絡先の詳細と、この調査が実施されている場所に関する情報が記載されています。
研究連絡先
- 名前：Juseok Ryu, M.D. PhD
- 電話番号：+82-31-787-7739
- メール：jseok337@snu.ac.kr
研究連絡先のバックアップ
- 名前：sunyoung Choi, M.D
- 電話番号：+82-5374-6130
- メール：0_1235@naver.com
研究場所
-
-
Gyeonggi-do
-
Seongnam-si、Gyeonggi-do、大韓民国、463-707
- 募集
- Department of Rehabilitation Medicine, Seoul National University Bundang Hospital, Seoul National University College of Medicine
-
コンタクト：
- Sunyoung Choi, CRA
- 電話番号：+82-5374-6130
- メール：0_1235@naver.com
-
コンタクト：
- Juseok Ryu, M.D, PhD
- 電話番号：+82-31-787-7739
- メール：jseok337@snu.ac.kr
-
-
参加基準
研究者は、適格基準と呼ばれる特定の説明に適合する人を探します。これらの基準のいくつかの例は、人の一般的な健康状態または以前の治療です。
適格基準
就学可能な年齢
- 子
- 大人
- 高齢者
健康ボランティアの受け入れ
はい
サンプリング方法
非確率サンプル
調査対象母集団
ノーマルグループ
- 嚥下障害の症状によりVFSSが予定されていた患者のうち、読影結果が正常と判断された患者
- 嚥下障害の兆候や症状がない一般被験者
残基グループ
1) 嚥下障害の症状によりVFSS検査を予定している患者のうち、読影により咽頭または気道に残留物が残った患者
願望
1) 嚥下障害の症状により VFSS 検査を予定していた患者のうち、読影により気道内で誤嚥を起こした者
- すべてのグループにおいて、年齢および基礎疾患に関する制限基準は確立されていません。
説明
包含基準:
- -嚥下障害があり、VFSS検査が予定されている患者
除外基準:
- 声が出ない人、嚥下障害がない人。
研究計画
このセクションでは、研究がどのように設計され、研究が何を測定しているかなど、研究計画の詳細を提供します。
研究はどのように設計されていますか？
デザインの詳細
コホートと介入
グループ/コホート |
介入・治療 |
|---|---|
|
通常グループ
|
|
|
残基グループ
・VFSS（嚥下ビデオ透視検査）の結果、咽頭や気道の周囲に残留物が残っている被験者
|
|
|
志グループ
- VFSS（嚥下ビデオ透視検査）検査結果、気道内に誤嚥がある被験者
|
|
この研究は何を測定していますか？
主要な結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
食事摂取前後の音声変化を利用した機械学習予測モデルの精度
時間枠：1日目
|
精度は、食事摂取前後の声の変化に応じて、機械学習が 3 つのグループ (「正常」、「残留」、「誤嚥」) をどの程度予測するかを測定します。
|
1日目
|
二次結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
食事摂取前後の音声変化を利用した機械学習予測モデルのmAP（平均平均精度）
時間枠：1日目
|
mAP は、食事摂取前後の声の変化に応じて、機械学習が 3 つのグループ (「正常」、「残留」、「誤嚥」) をどの程度予測するかを測定します。
|
1日目
|
|
食事摂取前後の音声変化を利用した機械学習予測モデルの想起。
時間枠：1日目
|
再現率は、食事摂取前後の声の変化に応じて、機械学習が 3 つのグループ (「正常」、「残留」、「誤嚥」) をどの程度予測するかを測定します。
|
1日目
|
|
食事摂取前後の音声変化を利用した機械学習予測モデルのAUC（ROC曲線下面積）。
時間枠：1日目
|
AUC は、食事摂取前後の声の変化に応じて、機械学習が 3 つのグループ (「正常」、「残留」、「誤嚥」) をどの程度予測するかを測定します。
|
1日目
|
|
食事摂取後の音声のみを使用した機械学習予測モデルの精度。
時間枠：1日目
|
精度は、食事摂取後の音声のみに基づいて、機械学習が 3 つのグループ (「正常」、「残留」、「誤嚥」) をどの程度予測するかを測定します。
|
1日目
|
|
食事摂取後の音声のみを用いた機械学習予測モデルのmAP（平均平均精度）。
時間枠：1日目
|
mAP は、食事摂取後の音声のみに基づいて、機械学習が 3 つのグループ (「正常」、「残留」、「誤嚥」) をどの程度予測するかを測定します。
|
1日目
|
|
食事摂取後の音声のみを用いた機械学習予測モデルの呼び出し。
時間枠：1日目
|
想起は、食事摂取後の音声のみに基づいて、機械学習が 3 つのグループ (「正常」、「残留」、「誤嚥」) をどの程度予測するかを測定します。
|
1日目
|
|
食事摂取後の音声のみを用いた機械学習予測モデルのAUC（ROC曲線下面積）。
時間枠：1日目
|
AUC は、食事摂取後の音声のみに基づいて、機械学習が 3 つのグループ (「正常」、「残留」、「誤嚥」) をどの程度予測するかを測定します。
|
1日目
|
協力者と研究者
ここでは、この調査に関係する人々や組織を見つけることができます。
捜査官
- スタディディレクター：Juseok Ryu, M.D. PhD、Seoul National University Bundang Hospital
研究記録日
これらの日付は、ClinicalTrials.gov への研究記録と要約結果の提出の進捗状況を追跡します。研究記録と報告された結果は、国立医学図書館 (NLM) によって審査され、公開 Web サイトに掲載される前に、特定の品質管理基準を満たしていることが確認されます。
主要日程の研究
研究開始 (実際)
2021年10月7日
一次修了 (推定)
2024年12月1日
研究の完了 (推定)
2024年12月1日
試験登録日
最初に提出
2021年11月1日
QC基準を満たした最初の提出物
2021年11月25日
最初の投稿 (実際)
2021年12月8日
学習記録の更新
投稿された最後の更新 (実際)
2024年4月19日
QC基準を満たした最後の更新が送信されました
2024年4月18日
最終確認日
2024年4月1日
詳しくは
この情報は、Web サイト clinicaltrials.gov から変更なしで直接取得したものです。研究の詳細を変更、削除、または更新するリクエストがある場合は、register@clinicaltrials.gov。 までご連絡ください。 clinicaltrials.gov に変更が加えられるとすぐに、ウェブサイトでも自動的に更新されます。