肺気腫検出のための新規バイオマーカーの探索 (ENBED)
肺気腫検出のための新規バイオマーカーの探索: ENBED 研究
この臨床試験の目的は、慢性閉塞性肺疾患 (COPD) 患者の胸部 CT スキャンで肺気腫を検出するために、音声またはカプノメトリーを単独で、または他の (非侵襲的) バイオマーカーと組み合わせて使用できるかどうかを評価することです。 それが答えようとしている主な質問は次のとおりです。
• 音声および/またはカプノメトリーに基づいて、COPD 患者の胸部 CT スキャンで肺気腫の程度を分類できる、機械学習ベースのアルゴリズムを開発できますか。
参加者は次のことを行います。
- さまざまな音声関連のタスクを実行する
- カプノメトリーを 2 回行う (運動前/後)
- タスクの合間に軽い運動タスクを実行する (5-sit-to-stand テスト)
- 静脈穿刺を1回受ける
調査の概要
詳細な説明
これは横断的な単一施設研究です。 診療所では、COPD 患者はいくつかの音声関連タスク (ペースリーディング、持続母音、咳、静かな呼吸) を実行するように招待され、カプノメトリー測定を実行するように指示されます。 これらの測定は、軽い運動タスク (5-STS: 5-sit-to-stand テスト) の前後に実行されます。
肺機能検査 (スパイロメトリー、ボディプレチスモグラフィー、拡散能) および CT スキャンを含む患者の臨床的特徴付けは、COPD ケア経路における定期的な精査の一環として、すべての患者で実施されています。 肺気腫は、Syngovia (Siemens, Erlangen, Germany) を使用して、密度が -950 Hounsfield 単位 (HU) 未満の低減衰領域として定量化されます。
主な結果は、単純な機械学習分類モデル (例: ロジスティック回帰、サポート ベクター マシン、ランダム フォレスト、および/または決定木を使用) に適合し、発話から肺気腫 (>25% vs ≤ 25%) の結果のロジスティック回帰モデルを分類します。機能とカプノメトリー。 音声特徴の説明変数付き。 カプノグラフィー機能を使用した増分モデルによる同様の分類方法が検討されます。 上記の分析を実行する前に、データのマージ、品質管理、欠損データの処理、特徴抽出など、データを前処理する必要があります。
研究の種類
入学 (推定)
連絡先と場所
研究連絡先
- 名前：Sami Simons, MD PhD
- 電話番号：+31 043 3876543
- メール：sami.simons@mumc.nl
研究場所
-
-
Limburg
-
Maastricht、Limburg、オランダ、6202 AZ
- 募集
- Dept of Respiratory Medicine, Maastricht University Medical Centre
-
コンタクト：
- Sami Simons, MD PhD
- 電話番号：+31433876543
- メール：sami.simons@mumc.nl
-
Roermond、Limburg、オランダ、6043 CV
- まだ募集していません
- Laurentius ziekenhuis
-
コンタクト：
- Ragnar Lunde, MD
- 電話番号：+31-(0)475 382 222
- メール：r.lunde@lzr.nl
-
コンタクト：
- 電話番号：+31-(0)475 382 222
-
副調査官：
- Martijn Cuijpers, Msc
-
-
参加基準
適格基準
就学可能な年齢
- 大人
- 高齢者
健康ボランティアの受け入れ
サンプリング方法
調査対象母集団
説明
包含基準:
COPD ゴールド 2023 ガイドラインに基づく COPD 診断
- 現在の呼吸器症状（呼吸困難、咳、痰）
- スパイロメトリーにより、完全には可逆的ではない気流閉塞の診断が確認され、これは気管支拡張後の強制呼気量/1 秒強制肺活量 (FEV1/FVC 比) < 0.7 として定義されます。
- COPDに関連する危険因子または原因の存在
- -研究に含める前の過去12か月に実施された胸部CTスキャン
- オランダ語を理解し、読み書きできる
除外基準:
- -研究開始から8週間以内のCOPDの急性増悪
- 発話または呼吸の調整に影響を与える併存疾患 (神経筋疾患、CVA)
- 呼吸困難の言語特性に影響を与える併存疾患 (重度の心不全、間質性肺疾患)
- 喘息または嚢胞性線維症を含むがこれに限定されない呼吸器系に影響を与える合併症
- パーキンソン病、球麻痺、声帯麻痺など、発話 (音声信号) の解釈を著しく妨げる併存疾患。
- カプノグラフィー記録を実行できない。
- 治験実施計画書の要件を遵守する患者の意欲または能力に関する治験責任医師の不確実性。
- 治験薬を含む別の研究への参加。 観察研究への参加は許可されています。
研究計画
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 |
|---|---|
|
COPDおよび/または肺気腫
COPDは、COPD Gold 2023ガイドラインに従って定義されています。
肺気腫は、フライシュナー基準（2024）に順調に定義されています
|
COPD 患者は、安静時にいくつかの音声関連タスクとカプノメトリーを実行します。
その後、5-STS が続き、音声関連のタスク/カプノメトリーが繰り返されます。
COPD 患者は、安静時にいくつかの音声関連タスクとカプノメトリーを実行します。
その後、5-STS が続き、音声関連のタスク/カプノメトリーが繰り返されます。
|
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 |
|---|---|---|
|
胸部 CT で中等度から重度の肺気腫を有する参加者の割合 (> 25% と定義)
時間枠：ベースライン
|
各参加者からのベースライン胸部 CT スキャンは、肺気腫の自動 3-D 定量化を備えた肺実質分析ソフトウェアを使用して分析されます。
肺気腫は、密度が-950ハウンズフィールド単位未満の低減衰領域として定義されます。
患者は、低肺気腫（胸部 CT スキャンで肺気腫の 25% 以下）または中等度から高度の肺気腫（胸部 CT スキャンで肺気腫の 25% 以上）に分類されます。
|
ベースライン
|
|
持続母音からの音節ごとの（非言語的）吸入の数
時間枠：ベースライン
|
参加者は、安静時および軽い運動後に持続的な母音（「a」と言う）を実行します。そこからいくつかの測定値を得ることができます：呼吸グループごとの音節、話す速度、調音速度、平均頻度、平均強度、ピッチ変動性、平均重心、吸入、非言語的吸入、比率音声/沈黙間隔。 以前の研究 (Merkus J, 2020) に基づくと、HNR、シマー、母音の長さ、音節ごとの (非言語的) 吸入の数は、COPD の推定音声バイオマーカーでした。 したがって、最初の重要な決定要因は、各参加者の持続母音中の音節あたりの（非言語的）吸入の数です。 これは、機械学習分類モデル (ロジスティック回帰、サポート ベクター マシン、ランダム フォレスト、決定木を使用するなど) の入力として使用され、CT スキャンで肺気腫を分類します (>25% vs ≤ 25%)。 |
ベースライン
|
|
持続母音からのハーモニクス対ノイズ比
時間枠：ベースライン
|
参加者は、安静時および軽い運動後に持続的な母音（「a」と言う）を実行します。そこからいくつかの測定値を得ることができます：呼吸グループごとの音節、話す速度、調音速度、平均頻度、平均強度、ピッチ変動性、平均重心、吸入、非言語的吸入、比率音声/沈黙間隔。 以前の研究 (Merkus J, 2020) に基づくと、HNR、シマー、母音の長さ、音節ごとの (非言語的) 吸入の数は、COPD の推定音声バイオマーカーでした。 したがって、第 2 の重要な決定要因は、持続母音中のハーモニクス対ノイズ比です。 これは、機械学習分類モデル (ロジスティック回帰、サポート ベクター マシン、ランダム フォレスト、決定木を使用するなど) の入力として使用され、CT スキャンで肺気腫を分類します (>25% vs ≤ 25%)。 |
ベースライン
|
|
持続母音からの母音持続時間
時間枠：ベースライン
|
参加者は、安静時および軽い運動後に持続的な母音（「a」と言う）を実行します。そこからいくつかの測定値を得ることができます：呼吸グループごとの音節、話す速度、調音速度、平均頻度、平均強度、ピッチ変動性、平均重心、吸入、非言語的吸入、比率音声/沈黙間隔。 以前の研究 (Merkus J, 2020) に基づくと、HNR、シマー、母音の長さ、音節ごとの (非言語的) 吸入の数は、COPD の推定音声バイオマーカーでした。 したがって、第 3 の重要な決定要因は、持続母音中の母音の長さ (秒単位) です。 これは、機械学習分類モデル (ロジスティック回帰、サポート ベクター マシン、ランダム フォレスト、決定木を使用するなど) の入力として使用され、CT スキャンで肺気腫を分類します (>25% vs ≤ 25%)。 |
ベースライン
|
|
持続母音からのきらめき
時間枠：ベースライン
|
参加者は、安静時および軽い運動後に持続的な母音（「a」と言う）を実行します。そこからいくつかの測定値を得ることができます：呼吸グループごとの音節、話す速度、調音速度、平均頻度、平均強度、ピッチ変動性、平均重心、吸入、非言語的吸入、比率音声/沈黙間隔。 以前の研究 (Merkus J, 2020) に基づくと、HNR、シマー、母音の長さ、音節ごとの (非言語的) 吸入の数は、COPD の推定音声バイオマーカーでした。 したがって、第 4 の重要な決定要因は、持続母音中のきらめき (Hz) です。 これは、機械学習分類モデル (ロジスティック回帰、サポート ベクター マシン、ランダム フォレスト、決定木を使用するなど) の入力として使用され、CT スキャンで肺気腫を分類します (>25% vs ≤ 25%)。 |
ベースライン
|
|
カプノグラフィーからの呼気終末 CO2 (ETCO2)
時間枠：ベースライン
|
参加者は安静時と軽い運動後に静かな呼吸 (1 回換気量) を行い、呼気中の CO2 を測定します (カプノグラム)。そこから複数のパラメーターを測定できます。呼気終末 CO2 (etCO2)、フェーズ 2 勾配、フェーズ 3 勾配が最も重要です。 COPD表現型に特徴的です（Pereira 2016）。 したがって、カプノグラフィーからの最初の重要な決定要因は呼気終末 CO2 (mmHg) です。 これは、機械学習分類モデル (ロジスティック回帰、サポート ベクター マシン、ランダム フォレスト、決定木を使用するなど) の入力として使用され、CT スキャンで肺気腫を分類します (>25% vs ≤ 25%)。 |
ベースライン
|
|
カプノグラフィーからのフェーズ 2 勾配 (slp2)
時間枠：ベースライン
|
参加者は、安静時と軽い運動後に静かな呼吸 (1 回換気量) を実行し、呼気中の CO2 を測定します (カプノグラム)。そこからいくつか (80 以上) のパラメーターを測定できます。呼気終末 CO2 (etCO2)、フェーズ 2 勾配、フェーズ 3 の勾配は、COPD 表現型検査で最も特徴的です (Pereira 2016)。 したがって、カプノグラフィーからの 2 番目の重要な決定要因は、フェーズ 2 の勾配 (mm Hg/L) です。 これは、機械学習分類モデル (ロジスティック回帰、サポート ベクター マシン、ランダム フォレスト、決定木を使用するなど) の入力として使用され、CT スキャンで肺気腫を分類します (>25% vs ≤ 25%)。 |
ベースライン
|
|
カプノグラフィーからのフェーズ 2 勾配 (slp3)
時間枠：ベースライン
|
参加者は、安静時と軽い運動の後に静かな呼吸 (1 回換気量) を行い、呼気中の CO2 を測定します (カプノグラム)。そこからいくつかのパラメータを測定できます。呼気終末 CO2、フェーズ 2 勾配、およびフェーズ 3 勾配は、COPD に最も特徴的です。表現型 (Pereira 2016)。 したがって、カプノグラフィーからの 3 番目の重要な決定要因は、フェーズ 3 の勾配 (mm Hg/L) です。 これは、機械学習分類モデル (ロジスティック回帰、サポート ベクター マシン、ランダム フォレスト、決定木を使用するなど) の入力として使用され、CT スキャンで肺気腫を分類します (>25% vs ≤ 25%)。 |
ベースライン
|
二次結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
セラム sRAGE
時間枠：ベースライン
|
末梢血からの終末糖化産物の血清可溶性受容体（sRAGE）は、各参加者で決定されます。
血清 sRAGE は、肺気腫の血液バイオマーカーと考えられています (Klont 2022)。
各参加者の血清 sRAGE レベル (ng/mL) は、CT スキャン (>25 % vs ≤ 25%)
|
ベースライン
|
|
全身プレチスモグラフィーでの全肺気量に対する残気量の比率 (RV/TLC)
時間枠：ベースライン
|
肺気腫は、ボディプレチスモグラフィーを使用して測定できます。
全身プレチスモグラフィーでいくつかの変数を測定できます: 総肺気量 (TLC)、吸気容量 (IC)、機能的残気量 (FRC)、残気量 (RV)、IC/TLC 比、FRC/TLC 比、RV/TLC 比.
RV/TLC の比率は、肺気腫の最初の徴候としてのエアトラッピングの最も感度の高い測定値である可能性があるため、身体プレチスモグラフィーの重要な結果測定値として選択されます。
各参加者の RV/TLC 比 (Z スコアとして表される) は、CT スキャンで肺気腫を分類するための機械学習分類モデル (ロジスティック回帰、サポート ベクター マシン、ランダム フォレスト、および/または決定木を使用するなど) の入力変数として使用されます ( >25% vs ≤ 25%)
|
ベースライン
|
|
一酸化炭素に対する肺の拡散能力
時間枠：ベースライン
|
一酸化炭素に対する肺の拡散能力 (DLCO) は、空気から血流にガスを移動させる肺の能力の尺度であり、DLCO の減少は、胸部 CT スキャンでの肺気腫の程度と関連しています。
各参加者の DLCO (Z スコアで表される) が測定され、機械学習分類モデルの入力変数として使用されます (例: ロジスティック回帰、サポート ベクター マシン、ランダム フォレスト、および/またはデシジョン ツリーを使用)。CT スキャンで肺気腫を分類します (> 25% 対 ≤ 25%)
|
ベースライン
|
|
1 秒間の強制呼気量
時間枠：ベースライン
|
1 秒間の強制呼気量 (FEV1) は、基礎となる COPD の重症度の尺度です。
各参加者の気管支拡張後のFEV1（Zスコアで表される）は、スパイロメトリーを介して測定されます。
ERS/ATS ガイドラインに従って。
FEV1 (Z スコア) は、機械学習分類モデル (ロジスティック回帰、サポート ベクター マシン、ランダム フォレスト、決定木を使用するなど) の入力変数として使用され、CT スキャンで肺気腫を分類します (>25% vs ≤ 25%)。
|
ベースライン
|
協力者と研究者
研究記録日
主要日程の研究
研究開始 (実際)
一次修了 (推定)
研究の完了 (推定)
試験登録日
最初に提出
QC基準を満たした最初の提出物
最初の投稿 (実際)
学習記録の更新
投稿された最後の更新 (実際)
QC基準を満たした最後の更新が送信されました
最終確認日
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。