Digitale akoestische bewaking voor vroege detectie van uitbraken van luchtwegaandoeningen
19 juli 2022 bijgewerkt door: Clinica Universidad de Navarra, Universidad de Navarra
Digitale akoestische bewaking voor vroege detectie van uitbraken van luchtwegaandoeningen: een verkennend observatieonderzoek in Navarra, Spanje
Een observationele studie om de nauwkeurigheid te evalueren van een digitale hoestmonitoringtool om de incidentie van COVID-19 en andere luchtweginfecties op gemeenschapsniveau in de stad Pamplona, Spanje, weer te geven.
Studie Overzicht
Gedetailleerde beschrijving
Dit is een single-center prospectieve observationele studie die pretendeert de nauwkeurigheid te evalueren van een mobiele app voor akoestische surveillance om individuele hoestepisoden onder een gecontroleerde populatie te detecteren, evenals de barrières en facilitators die de acceptatie van vergelijkbare platforms op populatieniveau kunnen beïnvloeden .
De betreffende app, Hyfe hoesttracker, draait op de achtergrond van smartphones en registreert korte fragmenten (<0,5 seconden) van explosieve, vermeende hoestgeluiden. Deze worden vervolgens geclassificeerd als hoest of niet-hoest, met behulp van een convolutioneel neuraal netwerk (CNN)-model, en gekoppeld aan GPS- en tijdgegevens die door de smartphone zijn verzameld.
De nachtelijke hoest van deelnemers wordt gedurende 30 dagen gevolgd en hun klinische gegevens worden regelmatig beoordeeld, met name op zoek naar diagnoses van hoestproducerende ziekten, en met speciale nadruk op COVID-19.
Hoestgegevens zullen worden gebruikt om een heatmap van hoestdichtheid en geografische spreiding te maken. Geaggregeerde hoestregistraties worden gebruikt om de hoest per persoonsuur te berekenen die in het cohort is geregistreerd. Deze gegevens zullen worden gebruikt om een ARIMA-analyse uit te voeren op drie parallelle tijdreeksen op gemeenschapsniveau: De incidentie van luchtwegaandoeningen in het gecontroleerde cohort, in het hele studiegebied (inclusief de Universidad de Navarra en het naburige Cendea de Cizur) , en de hoestfrequentie per bewaakte uren.
Veranderingen in hoestfrequentie zullen ook worden vergeleken met andere omgevingsvariabelen zoals temperatuur en vervuilingsniveau geregistreerd in het studiegebied.
Studietype
Observationeel
Inschrijving (Werkelijk)
930
Contacten en locaties
In dit gedeelte vindt u de contactgegevens van degenen die het onderzoek uitvoeren en informatie over waar dit onderzoek wordt uitgevoerd.
Studie Locaties
-
-
Navarra
-
Pamplona, Navarra, Spanje, 31009
- Universidad de Navarra
-
-
Deelname Criteria
Onderzoekers zoeken naar mensen die aan een bepaalde beschrijving voldoen, de zogenaamde geschiktheidscriteria. Enkele voorbeelden van deze criteria zijn iemands algemene gezondheidstoestand of eerdere behandelingen.
Geschiktheidscriteria
Leeftijden die in aanmerking komen voor studie
13 jaar tot 99 jaar (Kind, Volwassen, Oudere volwassene)
Accepteert gezonde vrijwilligers
Nee
Geslachten die in aanmerking komen voor studie
Allemaal
Bemonsteringsmethode
Niet-waarschijnlijkheidssteekproef
Studie Bevolking
De deelnemers zullen worden geworven in de Cendea de Cizur, een gemeente bestaande uit een cluster van dorpen ten zuiden van de stad Pamplona, en de naburige stad Cizur Mayor, in de Comunidad Foral de Navarra (Spanje), evenals in de verschillende campussen van de Universiteit van Navarra.
De 4.000 mensen die in de Cendea de Cizur wonen, worden bediend door een openbaar gezondheidscentrum dat 45.000 poliklinische bezoeken per jaar ontvangt.
Hiervan is ongeveer 12% geassocieerd met luchtwegaandoeningen.
De Universiteit van Navarra heeft meer dan 11.000 geregistreerde studenten, 900 professoren en meer dan 600 andere werknemers.
Zowel de Cendea de Cizur als de universiteit worden bediend door de Clínica Universidad de Navarra, het grootste particuliere gezondheidscentrum in de regio, dat medische zorg biedt aan een geschatte bevolking van meer dan 100.000 mensen.
Beschrijving
Inclusiecriteria:
- 13 jaar of ouder zijn,
- Bezit en gebruik regelmatig een smartphone die het hoestvolgsysteem kan uitvoeren,
- Wees bereid om het te installeren en regelmatig te gebruiken,
- Wees huidige inwoners van Navarra, en
- Een actieve relatie hebben met de universiteit (interesse hebben in de studie, of een student of werknemer zijn, een patiënt zijn met een hoestgerelateerde diagnose bij de Clínica Universidad de Navarra, of het gezondheidscentrum van Cizur).
Uitsluitingscriteria:
- Onvermogen om het privacybeleid en de gebruiksvoorwaarden van het hoestvolgsysteem te accepteren.
- Onvermogen om toegang te verlenen tot medische dossiers.
Studie plan
Dit gedeelte bevat details van het studieplan, inclusief hoe de studie is opgezet en wat de studie meet.
Hoe is de studie opgezet?
Ontwerpdetails
- Observatiemodellen: Cohort
- Tijdsperspectieven: Prospectief
Cohorten en interventies
Groep / Cohort |
Interventie / Behandeling |
|---|---|
|
Hoestbewaking
Alle ingeschreven deelnemers wordt gevraagd om de akoestische bewakingssoftware op hun smartphones te installeren en deze te gebruiken om nachtelijke hoestbuien op te nemen gedurende een periode van minimaal 30 dagen.
|
Een mobiele app die op de achtergrond van smartphones draait en vermeende hoestgeluiden detecteert.
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Correlatie tussen geregistreerde hoesten per persoonsuur en incidentie van luchtwegaandoeningen
Tijdsspanne: 1 jaar
|
De onderzoekers zullen een ARIMA-analyse uitvoeren met drie parallelle tijdreeksen: geaggregeerde incidentie van luchtwegaandoeningen in het geobserveerde cohort, in het gehele studiegebied, en geaggregeerde hoestgegevens.
|
1 jaar
|
Secundaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Opname van het bewakingssysteem
Tijdsspanne: 1 jaar
|
De onderzoekers berekenen het aandeel van de totale bereikte, in aanmerking komende bevolking die de app installeert en regelmatig gebruikt op de gevraagde manier.
|
1 jaar
|
|
Barrières en facilitators die de acceptatie van het surveillancesysteem beïnvloeden
Tijdsspanne: 1 maand
|
Een substeekproef van 25 deelnemers zal willekeurig worden gerekruteerd voor focusgroepdiscussies.
In de focusgroepen zullen onderzoekers de deelnemers de volgende algemene vragen stellen: (1) Wat vind je leuk aan de app, (2) wat vind je van deze app in vergelijking met andere gezondheidsapps, (3) wat werkt er niet goed , (4) wat zorgt ervoor dat u de app al dan niet gebruikt, (5) wat denkt u dat het doel van de app is, (6) denkt u dat de app commerciële waarde heeft, en (7) welk advies heb je voor de ontwikkelaars?
|
1 maand
|
Medewerkers en onderzoekers
Hier vindt u mensen en organisaties die betrokken zijn bij dit onderzoek.
Publicaties en nuttige links
De persoon die verantwoordelijk is voor het invoeren van informatie over het onderzoek stelt deze publicaties vrijwillig ter beschikking. Dit kan gaan over alles wat met het onderzoek te maken heeft.
Algemene publicaties
- Huang C, Wang Y, Li X, Ren L, Zhao J, Hu Y, Zhang L, Fan G, Xu J, Gu X, Cheng Z, Yu T, Xia J, Wei Y, Wu W, Xie X, Yin W, Li H, Liu M, Xiao Y, Gao H, Guo L, Xie J, Wang G, Jiang R, Gao Z, Jin Q, Wang J, Cao B. Clinical features of patients infected with 2019 novel coronavirus in Wuhan, China. Lancet. 2020 Feb 15;395(10223):497-506. doi: 10.1016/S0140-6736(20)30183-5. Epub 2020 Jan 24. Erratum In: Lancet. 2020 Jan 30;:
- Porter P, Abeyratne U, Swarnkar V, Tan J, Ng TW, Brisbane JM, Speldewinde D, Choveaux J, Sharan R, Kosasih K, Della P. A prospective multicentre study testing the diagnostic accuracy of an automated cough sound centred analytic system for the identification of common respiratory disorders in children. Respir Res. 2019 Jun 6;20(1):81. doi: 10.1186/s12931-019-1046-6.
- Sharan RV, Abeyratne UR, Swarnkar VR, Claxton S, Hukins C, Porter P. Predicting spirometry readings using cough sound features and regression. Physiol Meas. 2018 Sep 5;39(9):095001. doi: 10.1088/1361-6579/aad948.
- Kim GU, Kim MJ, Ra SH, Lee J, Bae S, Jung J, Kim SH. Clinical characteristics of asymptomatic and symptomatic patients with mild COVID-19. Clin Microbiol Infect. 2020 Jul;26(7):948.e1-948.e3. doi: 10.1016/j.cmi.2020.04.040. Epub 2020 May 1.
- Peeling RW, Wedderburn CJ, Garcia PJ, Boeras D, Fongwen N, Nkengasong J, Sall A, Tanuri A, Heymann DL. Serology testing in the COVID-19 pandemic response. Lancet Infect Dis. 2020 Sep;20(9):e245-e249. doi: 10.1016/S1473-3099(20)30517-X. Epub 2020 Jul 17.
- Chowdhury R, Luhar S, Khan N, Choudhury SR, Matin I, Franco OH. Long-term strategies to control COVID-19 in low and middle-income countries: an options overview of community-based, non-pharmacological interventions. Eur J Epidemiol. 2020 Aug;35(8):743-748. doi: 10.1007/s10654-020-00660-1. Epub 2020 Jul 13.
- Rasheed J, Jamil A, Hameed AA, Aftab U, Aftab J, Shah SA, Draheim D. A survey on artificial intelligence approaches in supporting frontline workers and decision makers for the COVID-19 pandemic. Chaos Solitons Fractals. 2020 Dec;141:110337. doi: 10.1016/j.chaos.2020.110337. Epub 2020 Oct 10.
- Santillana M, Nguyen AT, Louie T, Zink A, Gray J, Sung I, Brownstein JS. Cloud-based Electronic Health Records for Real-time, Region-specific Influenza Surveillance. Sci Rep. 2016 May 11;6:25732. doi: 10.1038/srep25732.
- Mukundarajan H, Hol FJH, Castillo EA, Newby C, Prakash M. Using mobile phones as acoustic sensors for high-throughput mosquito surveillance. Elife. 2017 Oct 31;6:e27854. doi: 10.7554/eLife.27854.
- Naseem M, Akhund R, Arshad H, Ibrahim MT. Exploring the Potential of Artificial Intelligence and Machine Learning to Combat COVID-19 and Existing Opportunities for LMIC: A Scoping Review. J Prim Care Community Health. 2020 Jan-Dec;11:2150132720963634. doi: 10.1177/2150132720963634.
- Liss DT, Serrano E, Wakeman J, Nowicki C, Buchanan DR, Cesan A, Brown T. "The Doctor Needs to Know": Acceptability of Smartphone Location Tracking for Care Coordination. JMIR Mhealth Uhealth. 2018 May 4;6(5):e112. doi: 10.2196/mhealth.9726.
- Gabaldon-Figueira JC, Brew J, Doré DH, Umashankar N, Chaccour J, Orrillo V, Tsang LY, Blavia I, Fernández-Montero A, Bartolomé J, Grandjean Lapierre S, Chaccour C. Digital acoustic surveillance for early detection of respiratory disease outbreaks in Spain: a protocol for an observational study. BMJ Open. 2021 Jul 2;11(7):e051278. doi: 10.1136/bmjopen-2021-051278.
Studie record data
Deze datums volgen de voortgang van het onderzoeksdossier en de samenvatting van de ingediende resultaten bij ClinicalTrials.gov. Studieverslagen en gerapporteerde resultaten worden beoordeeld door de National Library of Medicine (NLM) om er zeker van te zijn dat ze voldoen aan specifieke kwaliteitscontrolenormen voordat ze op de openbare website worden geplaatst.
Bestudeer belangrijke data
Studie start (Werkelijk)
11 november 2020
Primaire voltooiing (Werkelijk)
23 mei 2022
Studie voltooiing (Werkelijk)
24 mei 2022
Studieregistratiedata
Eerst ingediend
16 februari 2021
Eerst ingediend dat voldeed aan de QC-criteria
16 februari 2021
Eerst geplaatst (Werkelijk)
21 februari 2021
Updates van studierecords
Laatste update geplaatst (Werkelijk)
20 juli 2022
Laatste update ingediend die voldeed aan QC-criteria
19 juli 2022
Laatst geverifieerd
1 juli 2022
Meer informatie
Termen gerelateerd aan deze studie
Trefwoorden
Aanvullende relevante MeSH-voorwaarden
Andere studie-ID-nummers
- DASRD
Plan Individuele Deelnemersgegevens (IPD)
Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?
Onbeslist
Informatie over medicijnen en apparaten, studiedocumenten
Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel
Nee
Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct
Nee
Deze informatie is zonder wijzigingen rechtstreeks van de website clinicaltrials.gov gehaald. Als u verzoeken heeft om uw onderzoeksgegevens te wijzigen, te verwijderen of bij te werken, neem dan contact op met register@clinicaltrials.gov. Zodra er een wijziging wordt doorgevoerd op clinicaltrials.gov, wordt deze ook automatisch bijgewerkt op onze website .