Denna sida har översatts automatiskt och översättningens korrekthet kan inte garanteras. Vänligen se engelsk version för en källtext.

Skapa och utvärdera en röstdatauppsättning för automatisk klassificering av kronisk obstruktiv lungsjukdom

9 juni 2023 uppdaterad av: Johan Sanmartin Berglund, Blekinge Institute of Technology
Detta arbete syftar till att utvärdera om röstinspelningar som samlats in från patienter med diagnosen KOL och friska kontrollgrupper kan användas för att upptäcka sjukdomen med hjälp av maskininlärningstekniker.

Studieöversikt

Status

Aktiv, inte rekryterande

Betingelser

Intervention / Behandling

Detaljerad beskrivning

Röstdata och sociodemografisk data om kön och ålder kommer att samlas in genom applikationen "VoiceDiganostic" från företaget Voice Diagnostic, som gör att man kan delta utan platsberoende. Deltagare med en diagnos kommer att markeras som KOL-gruppen och andra kommer att markeras som friska kontrollgruppen. Privat information såsom kända komorbiditeter, personnummer, hälsoparametrar och kommunikationsinformation kommer att noteras separat i en deltagandetabell för varje grupp.

Den insamlade informationen kommer att omvandlas till matematiska röstmått som kallas röstfunktioner. En datauppsättning bestående av röstfunktioner i samband med demografi och hälsodata kommer att konstrueras för vidare användning som en input till ML-tekniker.

Beskrivande statistisk analys kommer att hållas på attribut som innehåller information om indata och erhållna resultat från ML-algoritmer. De uppnådda resultaten kommer att presenteras i form av sammanfattande tabeller och grafer.

Studietyp

Observationell

Inskrivning (Faktisk)

72

Kontakter och platser

Det här avsnittet innehåller kontaktuppgifter för dem som genomför studien och information om var denna studie genomförs.

Studieorter

  • Sverige
    • Blekinge
      • Karlskrona, Blekinge, Sverige, 37179
        • Blekinge Institute of Technology

Deltagandekriterier

Forskare letar efter personer som passar en viss beskrivning, så kallade behörighetskriterier. Några exempel på dessa kriterier är en persons allmänna hälsotillstånd eller tidigare behandlingar.

Urvalskriterier

Åldrar som är berättigade till studier

  • Vuxen
  • Äldre vuxen

Tar emot friska volontärer

N/A

Testmetod

Icke-sannolikhetsprov

Studera befolkning

Data kommer att samlas in från deltagare 18 år och äldre med och utan KOL-diagnos kommer att rekryteras.

Beskrivning

Inklusionskriterier:

  • vara 18 år och äldre.

Exklusions kriterier:

  • att vara under 18 år.

Studieplan

Det här avsnittet ger detaljer om studieplanen, inklusive hur studien är utformad och vad studien mäter.

Hur är studien utformad?

Designdetaljer

Kohorter och interventioner

Grupp / Kohort
Intervention / Behandling
KOL
Deltagare med kliniskt diagnostiserad Kronisk obstruktiv lungsjukdom. Totalt 34 rekryteringar, 18 kvinnor, 16 män
Övrig: KOL
En datauppsättning bestående av information från KOL- och HC-grupper kommer att användas för att experimentera med klassificeringsprestandan för flera maskininlärningstekniker.
Andra namn:
  • HC
HC
Deltagare utan diagnos av kronisk obstruktiv lungsjukdom. Totalt 38 rekryteringar, 20 kvinnor, 18 män
Övrig: KOL
En datauppsättning bestående av information från KOL- och HC-grupper kommer att användas för att experimentera med klassificeringsprestandan för flera maskininlärningstekniker.
Andra namn:
  • HC

Vad mäter studien?

Primära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Noggrannhet
Tidsram: Vecka 51
Binär detekteringsprestanda för ML-algoritmen
Vecka 51
Viktskala för indata
Tidsram: Vecka 51
Funktioner som används som indata kommer att rangordnas från viktigast till mindre viktig.
Vecka 51

Samarbetspartners och utredare

Det är här du hittar personer och organisationer som är involverade i denna studie.

Sponsor

Blekinge Institute of Technology

Samarbetspartners

Excellence Center at Linköping - Lund in Information Technology (ELLIIT)

Utredare

  • Huvudutredare: Johan Sanmartin Berglund, MD, PhD, Blekinge Institute of Technology

Studieavstämningsdatum

Dessa datum spårar framstegen för inlämningar av studieposter och sammanfattande resultat till ClinicalTrials.gov. Studieposter och rapporterade resultat granskas av National Library of Medicine (NLM) för att säkerställa att de uppfyller specifika kvalitetskontrollstandarder innan de publiceras på den offentliga webbplatsen.

Studera stora datum

Studiestart (Faktisk)

16 december 2021

Primärt slutförande (Faktisk)

16 maj 2023

Avslutad studie (Beräknad)

30 december 2023

Studieregistreringsdatum

Först inskickad

1 juni 2023

Först inskickad som uppfyllde QC-kriterierna

1 juni 2023

Första postat (Faktisk)

9 juni 2023

Uppdateringar av studier

Senaste uppdatering publicerad (Faktisk)

12 juni 2023

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

9 juni 2023

Senast verifierad

1 juni 2023

Mer information

Termer relaterade till denna studie

Nyckelord

Ytterligare relevanta MeSH-villkor

Andra studie-ID-nummer

  • BTH-6.1.1-0074-2023

Plan för individuella deltagardata (IPD)

Planerar du att dela individuella deltagardata (IPD)?

NEJ

IPD-planbeskrivning

Deltagardata kan inte delas på grund av GDPR. Datauppsättningen som skapas kan dock vara tillgänglig på begäran från institutionen.

Läkemedels- och apparatinformation, studiedokument

Studerar en amerikansk FDA-reglerad läkemedelsprodukt

Nej

Studerar en amerikansk FDA-reglerad produktprodukt

Nej

Denna information hämtades direkt från webbplatsen clinicaltrials.gov utan några ändringar. Om du har några önskemål om att ändra, ta bort eller uppdatera dina studieuppgifter, vänligen kontakta register@clinicaltrials.gov. Så snart en ändring har implementerats på clinicaltrials.gov, kommer denna att uppdateras automatiskt även på vår webbplats .

Kliniska prövningar på KOL

Sök liknande försök

Sponsorer och medarbetare

Medicinska tillstånd

Läkemedelsinterventioner

CROs by country

CROs in Cote d'Ivoire

Betingelser

Sällsynta sjukdomar

Läkemedelsinterventioner

Kosttillskott

Sponsor / medarbetare

Platser

3
Prenumerera