Stemmeanalyse hos pasienter med nevrologiske sykdommer
Avansert stemmeanalyse med maskinlæringsalgoritmer hos pasienter med nevrologiske sykdommer
Studieoversikt
Status
Status
Forhold
Forhold
Intervensjon / Behandling
Intervensjon / Behandling
Detaljert beskrivelse
I denne studien vil etterforskerne evaluere de kliniske egenskapene til friske deltakere og de deltakerne med nevrologiske lidelser ved å bruke dedikerte kliniske skalaer. Etterforskerne vil også vurdere stemmesvikt ved å bruke perseptuelle undersøkelsesverktøy. Deretter vil etterforskerne bruke spektralanalyse for å vurdere de viktigste frekvenskomponentene til stemmen hos friske deltakere og hos pasienter som er rammet av nevrologiske lidelser med en fremtredende stemmesvikt. For å skille mellom friske deltakere og pasienter som er rammet av ulike nevrologiske sykdommer, vil etterforskerne bruke en stemmeanalyse basert på støttevektormaskin (SVM) klassifisering som inkluderte et stort antall funksjoner i tillegg til de viktigste frekvenskomponentene i stemmen.
For disse formålene vil etterforskerne vurdere i detalj sensitiviteten, spesifisiteten, positiv prediktiv verdi og negativ prediktiv verdi og nøyaktighet av alle diagnostiske tester. Videre vil etterforskerne beregne arealet under mottakeroperasjonskarakteristikken (ROC) for å verifisere den optimale diagnostiske terskelen som reflektert av det tilhørende kriteriet (ass. Crit.) og Youden Index (YI). For å vurdere mulige klinisk-instrumentelle korrelasjoner, vil etterforskerne også bruke en modifisert algoritme for SVM-analyse for å beregne en kontinuerlig numerisk verdi (sannsynlighetsforholdet [LR]) som gir et mål på alvorlighetsgraden av stemmesvikt for hver deltaker.
Stemmeopptak vil bli utført ved å be deltakerne produsere en spesifikk taleoppgave med deres vanlige stemmeintensitet, tonehøyde og kvalitet. Taleoppgaven vil bestå av en vedvarende emisjon av en uavrundet midt foran vokal /e/ i minst 5 sekunder. Stemmeopptak vil bli samlet inn ved å bruke en høyoppløselig lydopptaker plassert i en avstand på 5 cm fra munnen. Stemmeprøver vil bli tatt opp i lineært PCM-format (.wav) med en samplingshastighet på 44,1 kHz, med 24-bits samplestørrelse. Stemmeanalyse vil bestå av tre separate prosesser: funksjonsutvinning, utvalg og klassifisering. For funksjonsutvinning vil etterforskerne bruke OpenSMILE (audEERING GmbH, Tyskland), dedikert programvare. Deretter vil etterforskerne velge og klassifisere stemmefunksjonen ved å bruke SVM-algoritmen inkludert i Weka.
Studietype
Studietype
Registrering (Forventet)
Registrering
Kontakter og plasseringer
Studiekontakt
Studiekontakt
- Navn: Antonio Suppa, MD, PhD
- Telefonnummer: +0039 3494940365
- E-post: antonio.suppa@uniroma1.it
Studiesteder
-
-
-
Pozzilli, Italia, 86077
- Rekruttering
- Antonio Suppa
-
Ta kontakt med:
- Antonio Suppa
- Telefonnummer: +00393494940365
- E-post: antonio.suppa@uniroma1.it
-
-
Deltakelseskriterier
Kvalifikasjonskriterier
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
- Barn
- Voksen
- Eldre voksen
Tar imot friske frivillige
Kjønn som er kvalifisert for studier
Prøvetakingsmetode
Studiepopulasjon
Beskrivelse
Inklusjonskriterier:
- Klinisk diagnose av nevrologiske lidelser
Ekskluderingskriterier:
- røyking
- bilateralt/ensidig hørselstap
- luftveislidelser
- forhold som påvirker stemmebåndene, inkludert knuter.
Studieplan
Hvordan er studiet utformet?
Designdetaljer
Antall grupper / kohorter
Kohorter og intervensjoner
Gruppe / KohortGruppe / Kohort |
Intervensjon / BehandlingIntervensjon / Behandling |
|---|---|
|
Pasienter
Pasienter påvirket av nevrologiske lidelser som viser en fremtredende stemmesvikt.
|
Taleoppgave som består av en vedvarende emisjon av vokalen /e/.
|
Hva måler studien?
Primære resultatmål
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Stemmeanalyse
Tidsramme: Stemmeanalyse med maskinlæringsalgoritmer vil bli implementert umiddelbart etter stemmeopptak, under den kliniske evalueringen av hver deltaker.
|
Stemmefunksjoner oppnådd ved å bruke Support Vector Machine-algoritmen
|
Stemmeanalyse med maskinlæringsalgoritmer vil bli implementert umiddelbart etter stemmeopptak, under den kliniske evalueringen av hver deltaker.
|
Samarbeidspartnere og etterforskere
Sponsor
Sponsor
Studierekorddatoer
Studer hoveddatoer
Studiestart (Faktiske)
Studiestart
Primær fullføring (Faktiske)
Primær fullføring
Studiet fullført (Forventet)
Studiet fullført
Datoer for studieregistrering
Først innsendt
Først innsendt
Først innsendt som oppfylte QC-kriteriene
Først innsendt som oppfylte QC-kriteriene
Først lagt ut (Faktiske)
Først lagt ut
Oppdateringer av studieposter
Sist oppdatering lagt ut (Faktiske)
Sist oppdatering lagt ut
Siste oppdatering sendt inn som oppfylte QC-kriteriene
Siste oppdatering sendt inn som oppfylte QC-kriteriene
Sist bekreftet
Sist bekreftet
Mer informasjon
Begreper knyttet til denne studien
Nøkkelord
Ytterligere relevante MeSH-vilkår
Andre studie-ID-numre
Andre studie-ID-numre
- DIPNEUROSCI_01
Legemiddel- og utstyrsinformasjon, studiedokumenter
Studerer et amerikansk FDA-regulert medikamentprodukt
Studerer et amerikansk FDA-regulert enhetsprodukt
Denne informasjonen ble hentet direkte fra nettstedet clinicaltrials.gov uten noen endringer. Hvis du har noen forespørsler om å endre, fjerne eller oppdatere studiedetaljene dine, vennligst kontakt register@clinicaltrials.gov. Så snart en endring er implementert på clinicaltrials.gov, vil denne også bli oppdatert automatisk på nettstedet vårt. .