- ICH GCP
- Register voor klinische proeven in de VS.
- Klinische proef NCT05042063
Akoestische hoestbewaking voor de behandeling van patiënten met een bekende luchtwegaandoening
Studie Overzicht
Toestand
Conditie
Interventie / Behandeling
Gedetailleerde beschrijving
Dit is een observationele studie die zal plaatsvinden in de twee campussen van de Clínica Universidad de Navarra, gelegen in Pamplona en Madrid (Spanje).
Een kunstmatige-intelligentiesysteem (AI) dat explosieve vermeende hoestgeluiden detecteert en registreert en menselijke hoest identificeert op basis van akoestische kenmerken, zal worden gebruikt om hoest automatisch te monitoren. Potentiële deelnemers die met een hoestklacht naar de polikliniek gaan of in het ziekenhuis worden opgenomen, worden door hun behandelend arts of een lid van het onderzoeksteam uitgenodigd en door een deel van het onderzoeksteam in het onderzoek opgenomen. Een onderzoeker zal de deelnemers instrueren hoe ze Hyfe Cough Tracker op hun smartphones kunnen installeren en gebruiken. Deelnemers worden gedurende 30 dagen (poliklinische patiënten) of tot ontslag uit het ziekenhuis (klinische patiënten) gevolgd. Deelnemers wordt gevraagd een dagelijkse, online, gestandaardiseerde 100 mm visuele analoge schaal (VAS) in te vullen om veranderingen in de subjectieve intensiteit van hun hoest te registreren, terwijl Hyfe wordt gebruikt om veranderingen in de frequentie objectief te volgen.
Tegelijkertijd zal een dataset van geannoteerde hoestgeluiden worden geconstrueerd en achteraf worden gebruikt om verschillen in akoestische patronen van hoest te beoordelen, en om de prestaties van het systeem dat ze detecteert te evalueren.
Een eerste subgroep van deelnemers zal buiten de klinische setting worden gerekruteerd en gevraagd om een reeks opgewekte geluiden te geven, waaronder hoesten, die vervolgens zullen worden gebruikt om de prestaties van het systeem te bepalen, waarbij hoest en niet-hoestgeluiden nauwkeurig worden onderscheiden, en vergeleken met getrainde menselijke luisteraars .
Een tweede subgroep van deelnemers zal worden geïnstrueerd om Hyfe en het bijbehorende draagbare Hyfe Air-apparaat continu te gebruiken gedurende een periode van 6 tot 24 uur, terwijl ze zichzelf opnemen met behulp van een mp3-recorder die is aangesloten op een reversmicrofoon. Deze groep zal worden gebruikt om de prestaties van Hyfe en Hyfe Air te evalueren in een real-life setting, met spontaan hoesten.
Studietype
Inschrijving (Werkelijk)
Contacten en locaties
Studie Locaties
-
-
Navarre
-
Pamplona, Navarre, Spanje, 31008
- Clinica Universidad de Navarra
-
-
Deelname Criteria
Geschiktheidscriteria
Leeftijden die in aanmerking komen voor studie
Accepteert gezonde vrijwilligers
Bemonsteringsmethode
Studie Bevolking
Voor de hoofdstudiegroep bestaat de populatie uit patiënten met luchtwegaandoeningen die worden behandeld in de Clínica Universidad de Navarra (campussen van Pamplona en Madrid).
Aangezien validatie deelonderzoek 1 alleen geëliciteerde geluiden vereist, wordt een groep deelnemers uit een eerder onderzoek direct uitgenodigd om deel te nemen. Voor de validatie-substudie 2 zullen deelnemers zowel opgenomen patiënten zijn die zijn opgenomen in de Clínica Universidad de Navarra en hoesten vertonen, als gezonde personen die rechtstreeks zijn uitgenodigd om deel te nemen door het onderzoeksteam.
Beschrijving
Inclusiecriteria:
Voor deelnemers aan de hoofdstudiegroep
- Ambulante of intramurale patiënten aan de Clinical Universidad de Navarra met een hoestklacht.
- De patiënt of zijn/haar wettelijke vertegenwoordiger hebben toestemming gegeven voor deelname aan het onderzoek.
Voor deelnemers aan de deelonderzoeksgroepen:
- 18 jaar of ouder zijn.
- Toestemming geven voor het deelonderzoek
Uitsluitingscriteria:
- Onvermogen om het privacybeleid en de gebruiksvoorwaarden van Hyfe te accepteren.
- Gebrek aan toegang tot een wifi-netwerk op de verblijfplaats (voor de hoofdstudiegroep).
- Onwil om het hoestsurveillancesysteem regelmatig te gebruiken gedurende de monitoringperiode
Studie plan
Hoe is de studie opgezet?
Ontwerpdetails
- Observatiemodellen: Cohort
- Tijdsperspectieven: Prospectief
Cohorten en interventies
Groep / Cohort |
Interventie / Behandeling |
|---|---|
|
Deelnemers met hoesten als symptoom
Deze groep zal bestaan uit patiënten van de Clínica Universidad de Navarra die klagen over hoesten als opmerkelijk symptoom.
|
Hyfe Cough Tracker is een digitaal akoestisch bewakingssysteem dat een kunstmatig intelligentiesysteem gebruikt om hoestgeluiden te onderscheiden van niet-hoestgeluiden.
Hyfe is een mobiele app met AI die korte fragmenten (
|
|
Validatiesubgroep 1
Deze subgroep zal worden samengesteld door zowel patiënten die tot de hoofdonderzoeksgroep behoren, als vrijwilligers, die zullen worden gevraagd om ter validatie een reeks opgewekte hoestgeluiden en niet-hoestgeluiden te geven.
|
Hyfe Cough Tracker is een digitaal akoestisch bewakingssysteem dat een kunstmatig intelligentiesysteem gebruikt om hoestgeluiden te onderscheiden van niet-hoestgeluiden.
Hyfe is een mobiele app met AI die korte fragmenten (
|
|
Validatie subgroep 2
Deze subgroep zal bestaan uit intramurale patiënten die zijn opgenomen in de Clínica Universidad de Navarra met een diagnose van luchtwegaandoeningen of met hoest als symptoom, evenals gezonde personen.
Deze groep wordt gedurende een variabele periode van 6-24 uur gevolgd met Hyfe Cough Tracker en Hyfe Air, terwijl er wordt opgenomen met een MP3-recorder die is aangesloten op een reversmicrofoon.
|
Hyfe Cough Tracker is een digitaal akoestisch bewakingssysteem dat een kunstmatig intelligentiesysteem gebruikt om hoestgeluiden te onderscheiden van niet-hoestgeluiden.
Hyfe is een mobiele app met AI die korte fragmenten (
Hyfe Air is een draagbaar apparaat met een ingebouwde draadloze reversmicrofoon.
De opnames van het apparaat kunnen worden uitgevoerd via hetzelfde algoritme voor hoestdetectie dat wordt gebruikt door Hyfe Cough Tracker, terwijl de resultaten direct worden opgeslagen in een externe database en niet worden weergegeven aan deelnemers.
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Correlatie tussen subjectieve perceptie van hoest en objectieve frequentie
Tijdsspanne: 6 maanden.
|
De dagelijkse VAS-score van deelnemers wordt vergeleken met de hoestfrequentie geregistreerd door het hoestsurveillancesysteem.
Deze gegevens zullen worden gebruikt om een lineair regressiemodel te passen om zelfgerapporteerde VAS-scores te vergelijken met de dagelijkse hoestfrequentie en om een correlatiecoëfficiënt (r) te berekenen.
|
6 maanden.
|
Secundaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Gevoeligheid van het systeem dat hoest onderscheidt
Tijdsspanne: 6 maanden.
|
De gevoeligheid van Hyfe voor het onderscheiden van hoest van andere explosieve geluiden zal worden vergeleken met die van getrainde menselijke luisteraars.
Gevoeligheid wordt gerapporteerd als het aandeel geluiden dat correct is geïdentificeerd als hoesten (echte positieven), van het totale aantal geproduceerde hoestgeluiden (echte positieven + fout-negatieven).
|
6 maanden.
|
|
Specificiteit van het systeem dat hoest onderscheidt
Tijdsspanne: 6 maanden.
|
De specificiteit van Hyfe voor het onderscheiden van hoest van andere explosieve geluiden zal worden vergeleken met die van getrainde menselijke luisteraars.
Specificiteit wordt gedefinieerd als het aandeel niet-hoestgeluiden dat correct door het systeem wordt geïdentificeerd (echte negatieven) van het totale aantal geproduceerde niet-hoestgeluiden (echte negatieven + fout-positieve geluiden).
|
6 maanden.
|
|
Positief voorspellende waarde (PPV) van het systeem dat hoest onderscheidt
Tijdsspanne: 6 maanden.
|
De PPV van Hyfe voor het onderscheiden van hoest van andere explosieve geluiden zal worden vergeleken met die van getrainde menselijke luisteraars.
PPV wordt gedefinieerd als het aandeel hoestgeluiden dat correct door het systeem wordt geïdentificeerd (echte positieven) ten opzichte van het totale aantal geluiden dat als hoest wordt gelabeld (echte positieven + fout-positieve geluiden).
|
6 maanden.
|
|
Negatieve voorspellende waarde (NPV) van het systeem dat hoest onderscheidt
Tijdsspanne: 6 maanden.
|
De NPV van Hyfe voor het onderscheiden van hoest van andere explosieve geluiden zal worden vergeleken met die van getrainde menselijke luisteraars.
NPV wordt gedefinieerd als het aandeel niet-hoestgeluiden dat correct door het systeem wordt geïdentificeerd (echte negatieven) van het totaal aan geluiden die zijn gelabeld als niet-hoestgeluiden (echte negatieven + fout-negatieven).
|
6 maanden.
|
|
Constructie van een geannoteerde hoestdataset
Tijdsspanne: 5 jaar.
|
Hoestregistraties van deelnemers met een etiologische diagnose zullen worden geannoteerd en opgeslagen om een dataset te creëren die kan worden gebruikt voor verdere algoritmetraining en verfijning.
|
5 jaar.
|
|
Gevoeligheid van het systeem dat hoest onderscheidt veroorzaakt door verschillende aandoeningen
Tijdsspanne: 5 jaar.
|
De records verkregen van deelnemers waarvoor een etiologische diagnose wordt gesteld voor het einde van de studie, zullen worden geanalyseerd om verschillende akoestische patronen te detecteren, die op hun beurt zullen worden gebruikt om het convolutionele neurale netwerk van het systeem te trainen om hoestclassificatie van ademhalingsaandoeningen uit te voeren.
De prestaties van dit systeem zullen achteraf worden geëvalueerd door de gevoeligheid voor de diagnose van verschillende ademhalingsaandoeningen te bepalen, in vergelijking met klinische diagnoses die door een arts worden gesteld.
Gevoeligheid wordt gedefinieerd als het aantal deelnemers waarbij Hyfe een correcte diagnose stelt op basis van akoestische hoestpatronen (true positives) van het totale aantal deelnemers met de diagnose van een bepaalde aandoening (true positives + false negatives).
|
5 jaar.
|
|
Specificiteit van het systeem dat hoest veroorzaakt door verschillende aandoeningen onderscheidt
Tijdsspanne: 5 jaar.
|
De records verkregen van deelnemers waarvoor een etiologische diagnose wordt gesteld voor het einde van de studie, zullen worden geanalyseerd om verschillende akoestische patronen te detecteren, die op hun beurt zullen worden gebruikt om het convolutionele neurale netwerk van het systeem te trainen om hoestclassificatie van ademhalingsaandoeningen uit te voeren.
De prestaties van dit systeem zullen achteraf worden geëvalueerd door de specificiteit ervan te bepalen voor de diagnose van verschillende ademhalingsaandoeningen, in vergelijking met klinische diagnoses die door een arts worden gesteld.
Specificiteit wordt gedefinieerd als het aantal deelnemers waarbij Hyfe de afwezigheid van akoestische hoestpatronen die verband houden met een bepaalde ziekte correct identificeert (echte negatieven), van het totaal aantal deelnemers zonder die specifieke aandoening (echte negatieven + fout positieven).
|
5 jaar.
|
Medewerkers en onderzoekers
Onderzoekers
- Hoofdonderzoeker: Carlos Chaccour, MD, PhD, Clinica Universidad de Navarra
Publicaties en nuttige links
Algemene publicaties
- Barton A, Gaydecki P, Holt K, Smith JA. Data reduction for cough studies using distribution of audio frequency content. Cough. 2012 Dec 12;8(1):12. doi: 10.1186/1745-9974-8-12.
- Boulet LP, Coeytaux RR, McCrory DC, French CT, Chang AB, Birring SS, Smith J, Diekemper RL, Rubin B, Irwin RS; CHEST Expert Cough Panel. Tools for assessing outcomes in studies of chronic cough: CHEST guideline and expert panel report. Chest. 2015 Mar;147(3):804-814. doi: 10.1378/chest.14-2506.
- Bujang MA, Adnan TH. Requirements for Minimum Sample Size for Sensitivity and Specificity Analysis. J Clin Diagn Res. 2016 Oct;10(10):YE01-YE06. doi: 10.7860/JCDR/2016/18129.8744. Epub 2016 Oct 1.
- Decalmer SC, Webster D, Kelsall AA, McGuinness K, Woodcock AA, Smith JA. Chronic cough: how do cough reflex sensitivity and subjective assessments correlate with objective cough counts during ambulatory monitoring? Thorax. 2007 Apr;62(4):329-34. doi: 10.1136/thx.2006.067413. Epub 2006 Nov 13.
- Gabaldon-Figueira JC, Brew J, Dore DH, Umashankar N, Chaccour J, Orrillo V, Tsang LY, Blavia I, Fernandez-Montero A, Bartolome 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.
- Hall JI, Lozano M, Estrada-Petrocelli L, Birring S, Turner R. The present and future of cough counting tools. J Thorac Dis. 2020 Sep;12(9):5207-5223. doi: 10.21037/jtd-2020-icc-003.
- Matos S, Birring SS, Pavord ID, Evans DH. An automated system for 24-h monitoring of cough frequency: the leicester cough monitor. IEEE Trans Biomed Eng. 2007 Aug;54(8):1472-9. doi: 10.1109/TBME.2007.900811.
- Park SC, Kang MJ, Han CH, Lee SM, Kim CJ, Lee JM, Kang YA. Prevalence, incidence, and mortality of nontuberculous mycobacterial infection in Korea: a nationwide population-based study. BMC Pulm Med. 2019 Aug 1;19(1):140. doi: 10.1186/s12890-019-0901-z.
- 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.
- Ragonnet R, Trauer JM, Geard N, Scott N, McBryde ES. Profiling Mycobacterium tuberculosis transmission and the resulting disease burden in the five highest tuberculosis burden countries. BMC Med. 2019 Nov 22;17(1):208. doi: 10.1186/s12916-019-1452-0.
- 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.
- Song WJ, Chang YS, Faruqi S, Kang MK, Kim JY, Kang MG, Kim S, Jo EJ, Lee SE, Kim MH, Plevkova J, Park HW, Cho SH, Morice AH. Defining Chronic Cough: A Systematic Review of the Epidemiological Literature. Allergy Asthma Immunol Res. 2016 Mar;8(2):146-55. doi: 10.4168/aair.2016.8.2.146. Epub 2015 Sep 18.
- Turner RD. Cough in pulmonary tuberculosis: Existing knowledge and general insights. Pulm Pharmacol Ther. 2019 Apr;55:89-94. doi: 10.1016/j.pupt.2019.01.008. Epub 2019 Feb 1.
- Sanchez-Olivieri I, Rudd M, Gabaldon-Figueira JC, Carmona-Torre F, Del Pozo JL, Moorsmith R, Jover L, Galvosas M, Small P, Grandjean Lapierre S, Chaccour C. Performance evaluation of human cough annotators: optimal metrics and sex differences. BMJ Open Respir Res. 2023 Nov;10(1):e001942. doi: 10.1136/bmjresp-2023-001942.
Studie record data
Bestudeer belangrijke data
Studie start (Werkelijk)
Primaire voltooiing (Werkelijk)
Studie voltooiing (Werkelijk)
Studieregistratiedata
Eerst ingediend
Eerst ingediend dat voldeed aan de QC-criteria
Eerst geplaatst (Werkelijk)
Updates van studierecords
Laatste update geplaatst (Werkelijk)
Laatste update ingediend die voldeed aan QC-criteria
Laatst geverifieerd
Meer informatie
Termen gerelateerd aan deze studie
Aanvullende relevante MeSH-voorwaarden
- Pathologische processen
- Chronische ziekte
- Ziekte attributen
- Ziekten van het immuunsysteem
- Infecties
- Ziekten van de luchtwegen
- Ziekten van het spijsverteringsstelsel
- Gastro-intestinale aandoeningen
- Longziekten
- Ademhalingsstoornissen
- Bronchiale ziekten
- Longziekten, obstructief
- Ademhalingsovergevoeligheid
- Overgevoeligheid, Onmiddellijk
- Overgevoeligheid
- Slokdarmaandoeningen
- Tekenen en symptomen, ademhaling
- Gram-positieve bacteriële infecties
- Bacteriële infecties
- Bacteriële infecties en mycosen
- Actinomycetales-infecties
- Slokdarmmotiliteitsstoornissen
- Verslikkingsstoornissen
- Mycobacterium-infecties
- Pathologische aandoeningen, tekenen en symptomen
- Tekenen en symptomen
- Longziekte, chronisch obstructief
- Astma
- Hoesten
- Gastro-oesofageale reflux
- Tuberculose
Andere studie-ID-nummers
- PI_2021/72
Plan Individuele Deelnemersgegevens (IPD)
Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?
Beschrijving IPD-plan
IPD-tijdsbestek voor delen
IPD-toegangscriteria voor delen
IPD delen Ondersteunend informatietype
- LEERPROTOCOOL
- ICF
- MVO
Informatie over medicijnen en apparaten, studiedocumenten
Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel
Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct
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 .