- ICH GCP
- US Clinical Trials Registry
- Klinisk utprøving NCT06792188
Smartwatch-basert AI-modell for OSA Prediction (SWOSA)
Smartklokke-basert kunstig intelligensmodell for obstruktiv søvnapné-prediksjon
Denne studien har som mål å utvikle en kunstig intelligens (AI) modell for mer nøyaktig diagnostisering av obstruktiv søvnapné (OSA) ved å samle inn oksygenmetning i blodet og annen helseinformasjon under søvn ved hjelp av en smartklokke.
OSA er vanlig, men ofte underdiagnostisert, og den gullstandard diagnostiske testen, polysomnografi, er kostbar og tidkrevende. Smartwatches kan gi en rekke helsedata, for eksempel søvnmønstre, oksygenmetning av blod og hjerterytme, noe som kan bidra til å oppdage viktige symptomer og tegn på OSA.
Ved å utvikle en AI-modell som bruker smartwatch-data for å screene for OSA, søker denne studien å tilby en kostnadseffektiv og tilgjengelig diagnostisk metode, og til slutt bidra til tidlig deteksjon og forbedrede behandlingshastigheter for OSA.
Studieoversikt
Status
Intervensjon / Behandling
Studietype
Registrering (Antatt)
Kontakter og plasseringer
Studiekontakt
- Navn: Jaeyoung Cho, M.D., Ph.D.
- Telefonnummer: +82-2-2072-2503
- E-post: apricot6@snu.ac.kr
Studiesteder
-
-
-
Seoul, Korea, Republikken, 03080
- Rekruttering
- Seoul National University Hospital
-
Ta kontakt med:
- Jaeyoung Cho, MD
- Telefonnummer: 82-2-2072-2503
- E-post: apricot6@snu.ac.kr
-
-
Deltakelseskriterier
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
- Voksen
- Eldre voksen
Tar imot friske frivillige
Prøvetakingsmetode
Studiepopulasjon
Beskrivelse
Inkluderingskriterier:
- Menn og kvinner i alderen 22 til 85 år som besøkte Seoul National University Hospital med mistanke om søvnapné på grunn av symptomer som snorking, apné eller overdreven søvnighet på dagtid.
Eksklusjonskriterier:
- Pasienter som tidligere er diagnostisert med søvnapné og som for tiden er under behandling (f.eks. behandling med positivt luftveistrykk [PAP], mekanisk ventilasjon, orale apparater eller kirurgi).
- Pasienter med nevromuskulære sykdommer eller en historie med kronisk bruk av opioidmedisiner.
- Pasienter med alvorlig søvnløshet som ikke kontrolleres av medisiner.
- Pasienter som får supplerende oksygenbehandling på grunn av underliggende tilstander som hjertesvikt, kronisk obstruktiv lungesykdom, interstitiell lungesykdom, hypoventilasjonssyndrom eller hjerneslag, eller hvis baseline oksygenmetning er mindre enn 90%.
- Pasienter med implanterte hjertepacemakere, hjertestartere eller andre elektroniske enheter.
- Pasienter som ikke har erfaring med bruk av smarttelefoner, apper eller smartklokker.
- Gravide.
- Pasienter som ikke er i stand til eller uvillige til å gi skriftlig informert samtykke.
Studieplan
Hvordan er studiet utformet?
Designdetaljer
Kohorter og intervensjoner
Gruppe / Kohort |
Intervensjon / Behandling |
|---|---|
|
Smart Watch Group
Menn og kvinner i alderen 22 til 85 år som besøkte Seoul National University Hospital med mistanke om søvnapné på grunn av symptomer som snorking, apné eller overdreven dagtid.
|
Bruk av Galaxy Watch 4 under søvn i omtrent to uker før polysomnografitesten, inkludert testens natt.
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Forutsigbar nøyaktighet av AI-modellen for moderat til alvorlig obstruktiv søvnapné
Tidsramme: Opptil 2 uker før polysomnografitesten.
|
Evaluering av hvor godt AI-modellen, utviklet ved hjelp av kliniske data og smartklokke-registrert informasjon, inkludert nattlig oksygenmetning, forutsier moderat til alvorlig obstruktiv søvnapné (definert som apné-hypopné-indeks ≥15/time) diagnostisert ved polysomnografi.
|
Opptil 2 uker før polysomnografitesten.
|
Sekundære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Prediktiv nøyaktighet av Galaxy Watch Sleep Apnea Feature (SAF)
Tidsramme: Inntil 2 uker før polysomnografitesten.
|
Vurdering av nøyaktigheten av Galaxy Watchs innebygde søvnapnéfunksjon (SAF) for å forutsi moderat til alvorlig obstruktiv søvnapné diagnostisert ved polysomnografi.
|
Inntil 2 uker før polysomnografitesten.
|
|
Sammenligning av AI -modell og Galaxy Watch Sleep Apnea Feature (SAF) ytelse
Tidsramme: Inntil 2 uker før polysomnografitesten.
|
Sammenligning av den prediktive ytelsen mellom AI-modellen utviklet i denne studien og Galaxy Watchs innebygde søvnapné-funksjon (SAF) for å oppdage moderat til alvorlig obstruktiv søvnapné.
|
Inntil 2 uker før polysomnografitesten.
|
|
Sammenligning av AI-modell og STOP-Bang spørreskjemaytelse
Tidsramme: Inntil 2 uker før polysomnografitesten.
|
Sammenligning av den prediktive ytelsen mellom AI-modellen utviklet i denne studien og STOP-Bang spørreskjemaet for å oppdage moderat til alvorlig obstruktiv søvnapné.
|
Inntil 2 uker før polysomnografitesten.
|
Samarbeidspartnere og etterforskere
Etterforskere
- Hovedetterforsker: Jaeyoung Cho, M.D., Ph.D., Seoul National University Hospital
Studierekorddatoer
Studer hoveddatoer
Studiestart (Faktiske)
Primær fullføring (Antatt)
Studiet fullført (Antatt)
Datoer for studieregistrering
Først innsendt
Først innsendt som oppfylte QC-kriteriene
Først lagt ut (Faktiske)
Oppdateringer av studieposter
Sist oppdatering lagt ut (Faktiske)
Siste oppdatering sendt inn som oppfylte QC-kriteriene
Sist bekreftet
Mer informasjon
Begreper knyttet til denne studien
Ytterligere relevante MeSH-vilkår
Andre studie-ID-numre
- 24111291590
Plan for individuelle deltakerdata (IPD)
Planlegger du å dele individuelle deltakerdata (IPD)?
IPD-planbeskrivelse
IPD-deling Støtteinformasjonstype
- STUDY_PROTOCOL
Legemiddel- og utstyrsinformasjon, studiedokumenter
Studerer et amerikansk FDA-regulert medikamentprodukt
Studerer et amerikansk FDA-regulert enhetsprodukt
produkt produsert i og eksportert fra USA
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. .