Esta página foi traduzida automaticamente e a precisão da tradução não é garantida. Por favor, consulte o versão em inglês para um texto fonte.

Detecção habilitada para smartphone da taxa de tosse noturna e qualidade do sono como um marcador de prognóstico para controle da asma

22 de janeiro de 2020 atualizado por: Frank Rassouli, Cantonal Hospital of St. Gallen

Medindo a prevalência de tosse noturna em asmáticos por meio de gravação acústica habilitada para smartphone e avaliando o potencial da taxa de tosse noturna como um marcador de prognóstico para o controle da asma: um estudo observacional em dois estágios

O objetivo do estudo é explorar o valor que a taxa de tosse pode fornecer para o autocontrole da asma. Neste estudo, o foco será especificamente na taxa de tosse noturna. O plano é usar um desenho de estudo longitudinal, a fim de investigar até que ponto as tendências nas taxas de tosse noturna podem ter implicações significativas para o controle futuro da asma e as exacerbações da asma dos pacientes. A incidência de tosse noturna em asmáticos será descrita e visualizada ao longo de um mês na primeira etapa do estudo. Além disso, o objetivo será identificar e modelar tendências nas taxas de tosse noturna.

Medir a tosse é muito demorado. Atualmente, não há monitores de frequência de tosse disponíveis, que medem as taxas de tosse de forma totalmente automatizada e discreta. Consequentemente, a rotulagem manual da tosse com base em gravações de vídeo ou som ainda é considerada o padrão-ouro para medir as taxas de tosse pelas diretrizes médicas. Recentemente, um algoritmo de aprendizado de máquina foi projetado com sucesso para detectar automaticamente a tosse em um estudo de prova de conceito. Este algoritmo de aprendizado de máquina será desenvolvido para fornecer resultados robustos no campo. O foco deste estudo será a tosse durante a noite devido ao ruído de interferência limitado, o que facilita muito a rotulagem manual e permite uma taxa de detecção mais confiável do algoritmo de aprendizado de máquina.

Além de desenvolver um algoritmo de aprendizado de máquina para detecção de tosse, serão coletados dados para avaliação da qualidade do sono do paciente com base em dados obtidos de sensores de smartphones.

Visão geral do estudo

Status

Concluído

Condições

Descrição detalhada

A asma, uma doença respiratória crônica, pertence às condições crônicas mais prevalentes. Na Suíça, 7-15% de todas as crianças e 6-7% de todos os adultos sofrem com isso. Os sintomas mais comuns são falta de ar, tosse e pieira. Os sintomas geralmente pioram à noite e muitas vezes causam despertares. A tosse é um sintoma particularmente importante na asma porque prediz a gravidade da asma, indica um pior prognóstico e é considerada um sintoma problemático. Além disso, a asma é a principal causa de tosse crônica, responsável por 24-29% dos casos.

No entanto, pouco se sabe sobre a utilidade do rastreamento da tosse para fins de automonitoramento em asmáticos. Um primeiro estudo transversal indicou que a taxa de tosse diurna e noturna pode ser um marcador válido para o controle da asma, tornando-se um parâmetro potencialmente útil para o automonitoramento. Infelizmente, devido à variação considerável das taxas de tosse dentro de cada categoria de controle da asma (ou seja, asma descontrolada, parcialmente controlada e controlada), a relação estatisticamente significativa entre a taxa de tosse e o controle da asma pode não ser clinicamente significativa. Além disso, devido ao desenho transversal dos estudos existentes, ainda não está claro se a taxa de tosse pode ter algum valor prognóstico para prever o controle futuro da asma.

Portanto, o objetivo deste estudo é explorar mais detalhadamente o valor que a taxa de tosse pode fornecer para o autocontrole da asma. Neste estudo, o foco será colocado especificamente na taxa de tosse noturna devido a razões técnicas. Em geral, o plano deste estudo é o seguinte: Com um desenho de estudo longitudinal, é possível investigar até que ponto as tendências nas taxas de tosse noturna podem ter implicações significativas para o controle futuro da asma e as exacerbações da asma dos pacientes. No entanto, para analisar o valor preditivo das tendências na taxa de tosse noturna, o sintoma deve persistir por várias noites. Não há pesquisas disponíveis sobre a prevalência de tosse noturna em asmáticos durante várias noites. Portanto, a incidência de tosse noturna em asmáticos será descrita e visualizada ao longo de um mês na primeira etapa do nosso estudo. Além disso, o objetivo será identificar e modelar tendências nas taxas de tosse noturna.

Medir a tosse é muito demorado. Atualmente, não há monitores de frequência de tosse disponíveis, que medem as taxas de tosse de forma totalmente automatizada e discreta. Consequentemente, a rotulagem manual da tosse com base em gravações de vídeo ou som ainda é considerada o padrão-ouro para medir as taxas de tosse pelas diretrizes médicas. No entanto, um algoritmo de aprendizado de máquina foi projetado com sucesso para detectar automaticamente a tosse em um estudo de prova de conceito. Apesar de usar apenas dados muito limitados para o desenvolvimento do algoritmo (80 tosses de 5 indivíduos saudáveis), a precisão atingiu 83%. No entanto, os dados foram coletados em laboratório, o que limita a generalização dos resultados e, portanto, a aplicabilidade na prática. Portanto, o objetivo é desenvolver um algoritmo de aprendizado de máquina que também seja capaz de fornecer resultados robustos em campo. Este estudo se concentrará na tosse durante a noite devido ao ruído de interferência limitado, o que facilita muito a rotulagem manual e permite uma taxa de detecção mais confiável do algoritmo de aprendizado de máquina. É importante ressaltar que a análise da prevalência da tosse noturna descrita acima não será baseada na tosse detectada por um algoritmo, mas nas tosses rotuladas manualmente na faixa de áudio gravada durante a noite por um smartphone do estudo, que será fornecido para assuntos para o curso do estudo.

Além de desenvolver um algoritmo de aprendizado de máquina para detecção de tosse, serão coletados dados para um algoritmo que avalia a qualidade do sono do paciente. Para tanto, a qualidade do sono será prevista com base nos dados obtidos dos sensores do smartphone.

Após a conclusão da primeira etapa do estudo, a prevalência de tosse noturna no estudo determinará se serão necessárias análises adicionais dos dados registrados e, assim, iniciará a segunda etapa do estudo. Se a tosse noturna não ocorrer com mais frequência do que poderia ser explicada apenas pelo acaso, nenhuma análise adicional será realizada implicando a conclusão da primeira etapa e o fim do projeto. No entanto, dada uma prevalência suficiente de tosse noturna no primeiro estágio (i.e. prevalência de tosse noturna difere de zero com significância estatística); a segunda etapa do estudo enfocará o valor da tosse noturna como marcador prognóstico para o controle da asma. A variação considerável dentro das categorias de controle da asma mostrada em sugere que a relação entre a taxa de tosse noturna e o controle da asma pode ser moderada por outras variáveis. Pesquisas anteriores demonstraram que a qualidade do sono está associada ao controle da asma e à qualidade de vida: mesmo se forem contabilizadas doenças concomitantes (por exemplo, doença do refluxo gastroesofágico e apneia obstrutiva do sono), a pior qualidade do sono está associada a pior controle da asma e qualidade de vida. Uma razão para a associação entre a qualidade do sono e o controle da asma pode ser que os sintomas noturnos da asma freqüentemente causam despertares. Considerando a importância da qualidade do sono para o controle da asma, será explorado o valor (preditivo) da taxa de tosse noturna e sua influência na qualidade do sono.

Em resumo, a seguinte questão de pesquisa relacionada à asma será explorada em cada etapa deste estudo: (1) qual é a prevalência de tosse noturna em asmáticos ao longo de um mês? (2) A tosse noturna, contabilizada na qualidade do sono, é um marcador prognóstico válido para o controle da asma? Além disso, o estudo aborda dois objetivos técnicos: coletar dados para desenvolver dois algoritmos de aprendizado de máquina, capazes de detectar tosse noturna e qualidade do sono de forma totalmente automatizada por meio de um smartphone em condições reais.

Responder a essas perguntas de pesquisa resulta em múltiplas contribuições: em termos de questões relacionadas à asma, a esperança será fornecer contexto sobre o sintoma de tosse noturna para aumentar a interpretabilidade das taxas de tosse e replicar e expandir com sucesso os achados, o que suportam a validade da tosse noturna como um marcador (prognóstico) para o controle da asma. Em termos de objetivos técnicos, a esperança será fornecer uma prova de conceito de que os smartphones são dispositivos adequados para detectar sintomas de asma de forma automatizada em condições da vida real.

Os resultados esperados podem permitir uma nova opção terapêutica, nomeadamente a telemonitorização totalmente automatizada de asmáticos. Usando o smartphone de um paciente, um sistema de alerta precoce discreto para agravamento/exacerbação da asma pode ser imaginado. Tal sistema poderia reduzir o fardo da asma tanto para o paciente individual (por exemplo, maior qualidade de vida e controle da asma, identificando janelas de oportunidade, nas quais os pacientes podem mudar sua medicação de acordo com seu plano de ação para prevenir a piora e exacerbações da asma) como bem como o sistema de saúde (ou seja, redução de custos devido à redução de hospitalizações e atendimentos de emergência). Considerando a ampla disponibilidade de smartphones, essa nova opção terapêutica pode permitir o telemonitoramento da asma em grande escala e com boa relação custo-benefício. Pesquisas anteriores indicaram a necessidade dessa nova opção terapêutica: a maioria dos asmáticos sofre de asma não controlada. Metade dos asmáticos não consegue avaliar adequadamente a gravidade de seus sintomas e, portanto, se beneficiaria de um sistema de alerta precoce. Além disso, os sistemas automatizados parecem ter um maior engajamento de longo prazo em comparação com as intervenções tradicionais, tornando-os particularmente adequados para sistemas de alerta precoce em doenças crônicas. Além disso, o telemonitoramento dos sintomas pode fornecer aos médicos informações valiosas sobre os sintomas de asma de um paciente entre as consultas. Em resumo, um sistema automatizado de alerta precoce pode ajudar os pacientes a registrar o agravamento da asma mais cedo e informar seus médicos a tempo, de modo que consequências adversas à saúde possam ser evitadas.

O estudo planejado se enquadra na categoria de risco de coleta de dados pessoais relacionados à saúde, com riscos e encargos mínimos. É um estudo observacional prospectivo, nenhuma intervenção será administrada. Apenas um impacto leve e temporário na saúde do participante pode ser esperado, se houver.

Ao longo do estudo, os sintomas de asma de um paciente serão monitorados discretamente usando o smartphone; assim, riscos e encargos mínimos são garantidos. Entre as visitas de doutorado no início e no final do estudo, todas as perguntas de controle e questionários serão administrados por meio de smartphones que forneceremos para este estudo. Assim, a sobrecarga deve ser mínima para os pacientes, pois sua rotina diária não será interrompida.

Nenhum procedimento invasivo será realizado nas duas consultas de doutorado. O exame médico segue o protocolo padrão para asma. Além disso, os pacientes serão reembolsados ​​por quaisquer inconvenientes encontrados durante o estudo.

Tipo de estudo

Observacional

Inscrição (Real)

94

Contactos e Locais

Esta seção fornece os detalhes de contato para aqueles que conduzem o estudo e informações sobre onde este estudo está sendo realizado.

Locais de estudo

      • St. Gallen, Suíça, 9007
        • Cantonal Hospital St. Gallen
    • SG
      • St. Gallen, SG, Suíça, 9007
        • Cantonal Hospital St. Gallen
    • ZH
      • Zürich, ZH, Suíça, 8001
        • University of Zurich

Critérios de participação

Os pesquisadores procuram pessoas que se encaixem em uma determinada descrição, chamada de critérios de elegibilidade. Alguns exemplos desses critérios são a condição geral de saúde de uma pessoa ou tratamentos anteriores.

Critérios de elegibilidade

Idades elegíveis para estudo

18 anos e mais velhos (Adulto, Adulto mais velho)

Aceita Voluntários Saudáveis

Não

Gêneros Elegíveis para o Estudo

Tudo

Método de amostragem

Amostra Não Probabilística

População do estudo

A população investigada neste estudo são asmáticos adultos.

Descrição

Critério de inclusão:

  • todos os pacientes com diagnóstico médico de asma (obtido por auto-relato)
  • idade mínima 18 anos
  • proficiente no uso de um smartphone (por exemplo, para o autocuidado diário baseado em smartphone

Critério de exclusão:

  • pacientes com doenças mentais resultando em deficiências cognitivas, como depressão, demência e doença de Alzheimer
  • pacientes para os quais não seria possível obter medições noturnas confiáveis ​​(ou seja, pacientes com insônia grave ou trabalhadores em turnos) ou para quem não podemos garantir a correta alocação de tosse noturna ao paciente no processo de classificação (ou seja, pacientes que costumam dividir a cama com pessoa do mesmo sexo).

Plano de estudo

Esta seção fornece detalhes do plano de estudo, incluindo como o estudo é projetado e o que o estudo está medindo.

Como o estudo é projetado?

Detalhes do projeto

  • Modelos de observação: Coorte
  • Perspectivas de Tempo: Prospectivo

O que o estudo está medindo?

Medidas de resultados primários

Medida de resultado
Descrição da medida
Prazo
Tosses por noite avaliadas por gravação de áudio do smartphone
Prazo: 28 dias
Número de tosses por noite medido por meio de gravação de áudio do smartphone
28 dias

Medidas de resultados secundários

Medida de resultado
Descrição da medida
Prazo
Taxas de detecção de dois algoritmos de aprendizado de máquina
Prazo: 28 dias
Taxas de detecção de dois algoritmos de aprendizado de máquina para detecção automatizada de tosse noturna (sensibilidade, especificidade e precisão)
28 dias
Qualidade do sono (índice de qualidade do sono de Pittsburgh)
Prazo: 28 dias
Qualidade do sono medida usando o índice de qualidade do sono de Pittsburgh preenchido diariamente
28 dias

Colaboradores e Investigadores

É aqui que você encontrará pessoas e organizações envolvidas com este estudo.

Investigadores

  • Investigador principal: Frank Rassouli, MD, Cantonal Hospital St. Gallen

Publicações e links úteis

A pessoa responsável por inserir informações sobre o estudo fornece voluntariamente essas publicações. Estes podem ser sobre qualquer coisa relacionada ao estudo.

Datas de registro do estudo

Essas datas acompanham o progresso do registro do estudo e os envios de resumo dos resultados para ClinicalTrials.gov. Os registros do estudo e os resultados relatados são revisados ​​pela National Library of Medicine (NLM) para garantir que atendam aos padrões específicos de controle de qualidade antes de serem publicados no site público.

Datas Principais do Estudo

Início do estudo (Real)

1 de janeiro de 2018

Conclusão Primária (Real)

31 de dezembro de 2019

Conclusão do estudo (Real)

31 de dezembro de 2019

Datas de inscrição no estudo

Enviado pela primeira vez

9 de agosto de 2018

Enviado pela primeira vez que atendeu aos critérios de CQ

15 de agosto de 2018

Primeira postagem (Real)

17 de agosto de 2018

Atualizações de registro de estudo

Última Atualização Postada (Real)

27 de janeiro de 2020

Última atualização enviada que atendeu aos critérios de controle de qualidade

22 de janeiro de 2020

Última verificação

1 de janeiro de 2020

Mais Informações

Termos relacionados a este estudo

Plano para dados de participantes individuais (IPD)

Planeja compartilhar dados de participantes individuais (IPD)?

Não

Informações sobre medicamentos e dispositivos, documentos de estudo

Estuda um medicamento regulamentado pela FDA dos EUA

Não

Estuda um produto de dispositivo regulamentado pela FDA dos EUA

Não

Essas informações foram obtidas diretamente do site clinicaltrials.gov sem nenhuma alteração. Se você tiver alguma solicitação para alterar, remover ou atualizar os detalhes do seu estudo, entre em contato com register@clinicaltrials.gov. Assim que uma alteração for implementada em clinicaltrials.gov, ela também será atualizada automaticamente em nosso site .

Se inscrever