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

Precisionsdetektering och prediktion av förmaksarytmier med artificiell intelligens och konsumentanpassade wearables (REMOTE-AF2)

Exakt upptäckt och förutsägelse av förmaksarytmier med artificiell intelligens och konsumentens bärbara enheter (REMOTE-AF2)

Förmaksflimmer (AF) är den vanligaste hjärtarytmien som drabbar över en miljon människor i Storbritannien. Det är förknippat med ökad kardiovaskulär sjuklighet och dödlighet och kostar NHS mellan 1,4 miljarder och 2,5 miljarder pund årligen. Nuvarande metoder för att upptäcka AF inkluderar opportunistisk pulspalpation, engångs 12-kanals EKG, ambulant Holterövervakning och implanterbara loopinspelare (ILR). De mer använda intermittent övervakningsmetoderna, som EKG och Holterövervakning, är begränsade vad gäller varaktighet och har lägre detektionsutbyten av förmaksarytmier. I den andra änden av spektrat kan ILR ge kontinuerlig och exakt arytmidetektering men är invasiv och kräver specialistkompetens för implantation, övervakning och analys.

Under de senaste åren har användningen av bärbara mobila hälsa-enheter (mHealth) uppstått som ett direkt-till-konsument-alternativ för övervakning av parametrar som hjärtfrekvens och aktivitetsnivåer. Ur ett kliniskt perspektiv erbjuder de potentiellt ett mindre invasivt och kostnadseffektivt undersökningssätt, med fjärrövervakningslösningar för att möjligen förutsäga och upptäcka AF. Denna teknik har betydande potential vad gäller passiv, icke-invasiv och kontinuerlig övervakning för att underlätta tidig diagnos och behandling av AF.

Den ursprungliga REMOTE-AF-studien (NCT05037136) utvecklade ny metodik för att upptäcka AF med PPG-hämtad data från en bärbar enhet. Denna studie kommer ytterligare att förbättra detta grundläggande arbete genom att rekrytera patienter för att utveckla en AI-aktiverad, multiparametrisk algoritm med PPG-hämtad data för att upptäcka AF.

Studieöversikt

Status

Aktiv, inte rekryterande

Betingelser

Studietyp

Observationell

Inskrivning (Beräknad)

40

Kontakter och platser

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

Studieorter

    • London
      • London, London, Storbritannien, UB9 6JH
        • Royal Brompton and Harefield Hospitals, Guy's and St Thomas' NHS Foundation Trust

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

Nej

Testmetod

Icke-sannolikhetsprov

Studera befolkning

Patienter med bekräftad diagnos av paroxysmalt förmaksflimmer eller persisterande förmaksflimmer som har genomgått behandling för att återställa sinusrytm

Beskrivning

Inklusionskriterier:

  1. Vuxna i åldern 18 år och äldre med bekräftad diagnos av paroxysmalt förmaksflimmer (AF) eller de som har genomgått behandling för paroxysmalt eller bestående AF och har återfått sinusrytm.
  2. Förmåga att ge informerat samtycke, kombinerat med självrapporterad tillräcklig digital kompetens.
  3. Regelbunden tillgång till Wi-Fi-anslutning (minst en gång i veckan).
  4. Äger en smartphone (släppt efter 2017).

Exklusionskriterier:

  1. Personer med permanent eller bestående AF som förblir okontrollerat trots behandling.
  2. Tillstånd eller funktionsnedsättningar som hindrar följsamhet till studieinstruktioner eller korrekt användning av enheterna.
  3. Känd svår allergi mot något av materialen i det bärbara eller EKG-enheten som utgör en risk för deltagarens säkerhet.

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
Bärbar

Vad mäter studien?

Primära resultatmått

Resultatmått
Tidsram
För att utvärdera noggrannheten hos en AI-algoritm baserad på PPG-härledda mått vid förutsägelse och detektering av AF mot intermitterande rytmövervakning.
Tidsram: 6 månader
6 månader

Samarbetspartners och utredare

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

Publikationer och användbara länkar

Den som ansvarar för att lägga in information om studien tillhandahåller frivilligt dessa publikationer. Dessa kan handla om allt som har med studien att göra.

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)

13 januari 2026

Primärt slutförande (Beräknad)

1 maj 2027

Avslutad studie (Beräknad)

1 maj 2027

Studieregistreringsdatum

Först inskickad

5 december 2025

Först inskickad som uppfyllde QC-kriterierna

5 december 2025

Första postat (Faktisk)

18 december 2025

Uppdateringar av studier

Senaste uppdatering publicerad (Faktisk)

15 juli 2026

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

14 juli 2026

Senast verifierad

1 juli 2026

Mer information

Termer relaterade till denna studie

Andra studie-ID-nummer

  • 354811
  • C0118: RFSG-26/2 (Annat bidrag/finansieringsnummer: Royal Brompton and Harefield Hospitals Charity)

Plan för individuella deltagardata (IPD)

Planerar du att dela individuella deltagardata (IPD)?

NEJ

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 .

Prenumerera