Deze pagina is automatisch vertaald en de nauwkeurigheid van de vertaling kan niet worden gegarandeerd. Raadpleeg de Engelse versie voor een brontekst.

Machine Learning maakte tijdreeksanalyse in de geneeskunde mogelijk (ME-TIME)

6 april 2023 bijgewerkt door: Ivo van der Bilt, HagaZiekenhuis

Patroonherkenning in hartslagvariabiliteit met behulp van fitnesstrackers bij hart- en vaatziekten

Het doel van deze observationele cohortstudie is het onderzoeken van het potentieel van fitnesstrackers in combinatie met machine learning-algoritmen om hart- en vaatziekten-specifieke patronen te identificeren.

Tweehonderd deelnemers worden ingeschreven:

  1. 50 met hartfalen
  2. 50 met boezemfibrilleren
  3. 100 (gezonde) personen zonder de eerste twee aandoeningen

Alle deelnemers krijgen een Fitbit-apparaat en worden gedurende drie maanden gemonitord. Onderzoekers zullen verschillen in hartslagvariatiepatronen tussen de groepen vergelijken en een machine learning-algoritme ontwikkelen om deze patronen automatisch te detecteren.

Studie Overzicht

Toestand

Aanmelden op uitnodiging

Interventie / Behandeling

Studietype

Observationeel

Inschrijving (Verwacht)

200

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

    • Zuid-Holland
      • Den Haag, Zuid-Holland, Nederland, 2545 AA
        • HagaZiekenhuis

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

18 jaar tot 85 jaar (Volwassen, Oudere volwassene)

Accepteert gezonde vrijwilligers

Ja

Geslachten die in aanmerking komen voor studie

Allemaal

Bemonsteringsmethode

Niet-waarschijnlijkheidssteekproef

Studie Bevolking

Alle deelnemende deelnemers krijgen een elektrocardiogram.

Beschrijving

Inclusiecriteria:

  • systolisch hartfalen (LVEF < 35%)
  • Boezemfibrilleren zonder hartfalen
  • Personen zonder hart- en vaatziekten

Uitsluitingscriteria:

  • > 85 jaar oud
  • Recente pulmonale veneuze antrum-isolatieprocedure (<1 jaar)
  • (eindstadium) nierfalen
  • (eindstadium) leverfalen
  • Studiedeelnemers met bekende systemische actieve ontstekingsziekte
  • Studiedeelnemers met een verminderde mentale toestand
  • Onvermogen om een ​​fitnesstracker of mobiele telefoon te gebruiken
  • Verminderde cognitie en onvermogen om het onderzoeksprotocol te begrijpen

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

Cohorten en interventies

Groep / Cohort
Interventie / Behandeling
Hartfalen
Studiedeelnemers met systolisch hartfalen (linkerventrikelejectiefractie < 35%) zonder gedocumenteerd atriumfibrilleren
De proefpersonen dragen een Fitbit-fitnesstracker
Andere namen:
  • Fitbit Charge 5, Fitbit Inspire 2
Boezemfibrilleren
Studiedeelnemers met gedocumenteerd atriumfibrilleren zonder hartfalen
De proefpersonen dragen een Fitbit-fitnesstracker
Andere namen:
  • Fitbit Charge 5, Fitbit Inspire 2
Referentie
Personen zonder hart- en vaatziekten
De proefpersonen dragen een Fitbit-fitnesstracker
Andere namen:
  • Fitbit Charge 5, Fitbit Inspire 2

Wat meet het onderzoek?

Primaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Detectie van hart- en vaatziekten met een AI-algoritme
Tijdsspanne: Drie maanden
adequate sensitiviteit/specificiteit in een algoritme om boezemfibrilleren en hartfalen te detecteren
Drie maanden

Secundaire uitkomstmaten

Uitkomstmaat
Tijdsspanne
Detectie van afwezigheid van hart- en vaatziekten
Tijdsspanne: Drie maanden
Drie maanden

Medewerkers en onderzoekers

Hier vindt u mensen en organisaties die betrokken zijn bij dit onderzoek.

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)

24 mei 2022

Primaire voltooiing (Verwacht)

1 september 2023

Studie voltooiing (Verwacht)

1 september 2023

Studieregistratiedata

Eerst ingediend

27 maart 2023

Eerst ingediend dat voldeed aan de QC-criteria

27 maart 2023

Eerst geplaatst (Werkelijk)

6 april 2023

Updates van studierecords

Laatste update geplaatst (Werkelijk)

7 april 2023

Laatste update ingediend die voldeed aan QC-criteria

6 april 2023

Laatst geverifieerd

1 april 2023

Meer informatie

Termen gerelateerd aan deze studie

Plan Individuele Deelnemersgegevens (IPD)

Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?

JA

Beschrijving IPD-plan

We zijn van plan om de volledige dataset in de toekomst vrij te geven.

IPD-tijdsbestek voor delen

Verwachte release in 2026

IPD-toegangscriteria voor delen

  • Onderzoeksinstituut
  • Open Access (volledige openbaarmaking van resultaten)
  • Duidelijk data-analyseplan

IPD delen Ondersteunend informatietype

  • LEERPROTOCOOL
  • ANALYTIC_CODE

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 .

Klinische onderzoeken op fitness-tracker

3
Abonneren