Opracowanie algorytmu wykrywania struktury snu za pomocą przenośnego monitora EEG w populacji osób starszych
Przegląd badań
Status
Status
Warunki
Warunki
Interwencja / Leczenie
Interwencja / Leczenie
Szczegółowy opis
Typ studiów
Typ studiów
Zapisy (Rzeczywisty)
Zapisy
Faza
Faza
- Nie dotyczy
Kontakty i lokalizacje
Kontakt w sprawie studiów
Kontakt w sprawie studiów
- Nazwa: Bertien Buyse, MD, PhD
- Numer telefonu: 00 32 16 342522
- E-mail: bertien.buyse@uzleuven.be
Lokalizacje studiów
-
-
-
Leuven, Belgia, 3000
- UZ Leuven
-
-
Kryteria uczestnictwa
Kryteria kwalifikacji
Kryteria kwalifikacji
Wiek uprawniający do nauki
Akceptuje zdrowych ochotników
Opis
Kryteria przyjęcia:
- Osoby planowane do wykonania polisomnografii diagnostycznej
- > 60 lat
Kryteria wyłączenia:
- Pacjenci niezdolni do wyrażenia świadomej zgody
Plan studiów
Jak projektuje się badanie?
Szczegóły projektu
- Główny cel: Diagnostyczny
- Przydział: Nie dotyczy
- Model interwencyjny: Zadanie dla jednej grupy
- Maskowanie: Brak (otwarta etykieta)
Liczba ramion
Broń i interwencje
Grupa uczestników / ArmGrupa uczestników / Arm |
Interwencja / LeczenieInterwencja / Leczenie |
|---|---|
|
Eksperymentalny: Ocena EEG
Wszyscy pacjenci będą oceniani w ciągu 1 nocy za pomocą standardowej polisomnografii, a dodatkowo EEG będzie oceniane za pomocą 2 elektrod za każdym uchem podłączonych do urządzenia rejestrującego (Sensor Dot)
|
2 dodatkowe elektrody za każdym uchem rejestrują EEG
|
Co mierzy badanie?
Podstawowe miary wyniku
Podstawowe miary wyniku
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Algorytm snu
Ramy czasowe: 1 noc
|
Opracowanie algorytmu do charakteryzowania architektury snu w oparciu o pomiar EEG za pomocą 2 elektrod umieszczonych za każdym uchem. Aby sklasyfikować fazy snu, wykorzystany zostanie algorytm głębokiego uczenia. Algorytm nauczy się złożonej funkcji, przekształcając wejście w wyjście, na podstawie kilku przykładów. W tym konkretnym przypadku dane wejściowe to 30-sekundowe epoki EEG, a dane wyjściowe to fazy snu. Aby sklasyfikować zmierzony sygnał we właściwej fazie snu, algorytm głębokiego uczenia nauczy się wydobywać z danych przydatne cechy. |
1 noc
|
Współpracownicy i badacze
Sponsor
Sponsor
Daty zapisu na studia
Główne daty studiów
Rozpoczęcie studiów (Rzeczywisty)
Rozpoczęcie studiów
Zakończenie podstawowe (Rzeczywisty)
Zakończenie podstawowe
Ukończenie studiów (Rzeczywisty)
Ukończenie studiów
Daty rejestracji na studia
Pierwszy przesłany
Pierwszy przesłany
Pierwszy przesłany, który spełnia kryteria kontroli jakości
Pierwszy przesłany, który spełnia kryteria kontroli jakości
Pierwszy wysłany (Rzeczywisty)
Pierwszy wysłany
Aktualizacje rekordów badań
Ostatnia wysłana aktualizacja (Rzeczywisty)
Ostatnia wysłana aktualizacja
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
Ostatnia weryfikacja
Ostatnia weryfikacja
Więcej informacji
Terminy związane z tym badaniem
Inne numery identyfikacyjne badania
Inne numery identyfikacyjne badania
- S64190
Plan dla danych uczestnika indywidualnego (IPD)
Planujesz udostępniać dane poszczególnych uczestników (IPD)?
Informacje o lekach i urządzeniach, dokumenty badawcze
Bada produkt leczniczy regulowany przez amerykańską FDA
Bada produkt urządzenia regulowany przez amerykańską FDA
Te informacje zostały pobrane bezpośrednio ze strony internetowej clinicaltrials.gov bez żadnych zmian. Jeśli chcesz zmienić, usunąć lub zaktualizować dane swojego badania, skontaktuj się z register@clinicaltrials.gov. Gdy tylko zmiana zostanie wprowadzona na stronie clinicaltrials.gov, zostanie ona automatycznie zaktualizowana również na naszej stronie internetowej .