帮助建立一个 A.I.预测重症肌无力症状模式和耀斑的模型
一项评估参与者驱动的数据收集的数字健康试验,使用智能手机模块来表征重症肌无力症状并开发人工智能。预测耀斑的模型
对 MG 症状的客观测量有限,并且缺乏 MG(重症肌无力)症状和纵向发生触发因素的细粒度数据。
本研究旨在利用移动智能手机的优势,使参与者能够手动和通过增强传感器(如视频和音频)实时捕获数据,以便更好地描述 MG 症状和耀斑。
该研究旨在招募大约 200 名参与者,为期大约 9 个月,直到从至少 100 名参与者那里获得可分析的数据。 参与者将完成为期 3 个月的应用程序内调查,并提供症状的视听记录。 这将在初始调查后每周花费大约 35 分钟。
研究概览
详细说明
潜在参与者将使用他们的智能手机下载 doc.ai 研究移动应用程序。 将有一个网络预筛选链接,潜在参与者将在其中进行自我筛选,以查看他们是否符合本研究的基本资格标准。 本试验的招募工具旨在实现多样性、公平性和包容性。 目的是确保试验人口统计学的多样性,以更好地了解不同人群的健康需求。 因此,虽然一些感兴趣的潜在参与者确实符合条件,但由于这些多样性要求,他们可能不会被邀请参加试验。
符合纳入标准的重症肌无力 (MG) 患者将被邀请参加此数字健康试验。 参与者将签署电子同意书并自行注册参加研究。 一旦他们的资格被研究团队确认(以确保参与者的资格标准和有效性,即消除机器人登录),他们将被要求自拍,提供 MG 诊断的书面证据,回答一系列关于他们的调查问题人口统计数据、当前健康状况、病史和其他 MG 相关信息。
已登记的参与者将进行每日简短登记、每周 2 次登记和每周登记,其中包括视听登记,并将保留视听日记以跟踪他们的症状、连接数据、记录他们的声音(检测声音症状:无力、鼻音)并通过 doc.ai 研究应用程序中的各种数据收集模块每天或每周拍摄他们的面部视频(检测面部症状:眼睛、嘴巴下垂),持续时间为他们的学习参与。 doc.ai 的数字健康试验平台将被用来收集这些数据。
该研究旨在在大约 9 个月内招募大约 200 名参与者。 预计最终分析中将至少包括 100 名参与者,因为在任何给定时间,潜在参与者表达对研究的兴趣、他们的资格由 PI 评估和参与者完成所有必需的研究程序之间会有滞后.
在参与结束时,将要求参与者完成问卷调查。 参与者完成最终调查后,他们将能够连接到可兑换为 Amazon.com 的链接 价值250美元的礼品卡。 所有参与者还将收到他们在研究期间收集的数据的试验结束摘要。 不会根据本研究给出任何医疗建议或指导。
此外,在最终调查中,参与者将被问及他们是否愿意在参与本次试验结束后完成可用性访谈。 受邀参加后续可用性访谈的这部分参与者将包括完成所有研究所需程序的人员和一些可能未完成所有研究所需程序的人员,以评估应用程序在他们访问期间的可用性体验参与。 参与者将在参与期结束时联系,直到共有 10-15 名参与者成功完成可用性访谈。 成功完成可用性面试的参与者将在 Amazon.com 上收到价值 50 美元的链接 通过应用程序的礼品卡。
对于这项研究,数据、音频和视频记录将直接在 doc.ai 研究应用程序上捕获,并安全地存储在符合 HIPAA 标准的云提供商(谷歌云平台)上。
该数据将用于了解症状和触发因素的模式,以便更好地描述诸如耀斑的长度和时间以及任何独特的症状模式等因素,从而创建更客观的 MG 症状测量。 最终,这些数据将用于构建可以预测 MG 症状发作的机器学习模型。
主要目标:
使用智能手机上的一系列数字健康模块来收集重症肌无力 (MG) 症状和触发因素,以更好地表征症状模式和发作。
次要目标:
使用收集到的数据开发 A.I.检测和/或预测症状发作的模型。
研究类型
注册 (实际的)
联系人和位置
学习地点
-
-
California
-
Palo Alto、California、美国、94301
- Doc.Ai Mobile Based
-
-
参与标准
资格标准
适合学习的年龄
接受健康志愿者
有资格学习的性别
取样方法
研究人群
符合纳入标准的重症肌无力 (MG) 患者将被邀请参加此数字健康试验。
将有一个网络预筛选链接,潜在参与者将在其中进行自我筛选,以查看他们是否符合本研究的基本资格标准。 本试验的招募工具旨在实现多样性、公平性和包容性。 目的是确保试验人口统计学的多样性,以更好地了解不同人群的健康需求。 因此,虽然一些感兴趣的潜在参与者确实符合条件,但由于这些多样性要求,他们可能不会被邀请参加试验。
描述
纳入标准:
- 必须有重症肌无力的书面诊断
- 必须有眼睛(眼睛下垂)和/或延髓(言语)症状
- 必须年满 18 岁
- 必须在研究期间居住在美国
- 必须能够用英语阅读、理解和书写
- 必须有 doc.ai 研究应用程序支持的智能手机(iOS 和 Android)
排除标准:
没有任何
学习计划
研究是如何设计的?
设计细节
研究衡量的是什么?
主要结果指标
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
语音练习的视听记录,以检测语音和面部症状的模式和变化
大体时间:入组后 3 个月,应用程序内每周两次对症状进行视听记录。
|
参与者完成旨在捕捉患者 MG 症状(尤其是视觉和声音)的音频和视觉数据模块。 例如
这些记录将用于检测相对于基线的变化以及可能发生的任何模式。 这将用于分析不同特征在何处以及是否相关联,以查看这些特征的单一或组合效应是否与耀斑频率和/或严重程度相关。 |
入组后 3 个月,应用程序内每周两次对症状进行视听记录。
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
完成 MG-生活质量评估
大体时间:每周大约 10 分钟,持续 3 个月。
|
参与者每周完成日常生活的 MG 活动和 MG-生活质量评估。
该评估改编自 www.myasthenia.org/healthprofessionals/educationalmaterials.aspx
|
每周大约 10 分钟,持续 3 个月。
|
合作者和调查者
赞助
出版物和有用的链接
一般刊物
- Kent RD, Kent JF, Rosenbek JC. Maximum performance tests of speech production. J Speech Hear Disord. 1987 Nov;52(4):367-87. doi: 10.1044/jshd.5204.367.
- Konopka BM, Lwow F, Owczarz M, Laczmanski L. Exploratory data analysis of a clinical study group: Development of a procedure for exploring multidimensional data. PLoS One. 2018 Aug 23;13(8):e0201950. doi: 10.1371/journal.pone.0201950. eCollection 2018.
- Zhou ZR, Wang WW, Li Y, Jin KR, Wang XY, Wang ZW, Chen YS, Wang SJ, Hu J, Zhang HN, Huang P, Zhao GZ, Chen XX, Li B, Zhang TS. In-depth mining of clinical data: the construction of clinical prediction model with R. Ann Transl Med. 2019 Dec;7(23):796. doi: 10.21037/atm.2019.08.63.
- Kang H. The prevention and handling of the missing data. Korean J Anesthesiol. 2013 May;64(5):402-6. doi: 10.4097/kjae.2013.64.5.402. Epub 2013 May 24.
- Borza D, Darabant AS, Danescu R. Real-Time Detection and Measurement of Eye Features from Color Images. Sensors (Basel). 2016 Jul 16;16(7):1105. doi: 10.3390/s16071105.
- Hegde S, Shetty S, Rai S, Dodderi T. A Survey on Machine Learning Approaches for Automatic Detection of Voice Disorders. J Voice. 2019 Nov;33(6):947.e11-947.e33. doi: 10.1016/j.jvoice.2018.07.014. Epub 2018 Oct 11.
- Duffy, JR: Motor Speech Disorders. Substrates, Differential Diagnosis and Management (1st ed). St. Louis, 1995, Mosby.
- Duffy, JR: Motor Speech Disorders. Substrates, Differential Diagnosis and Management (2nd ed). New York, 2005, Elsevier Health Sciences.
- T. Baltrusaitis, A. Zadeh, Y. C. Lim and L. Morency,
- Panayotov V., Chen G., Povey D., Khudanpur S. (2015). Librispeech: an ASR corpus based on public domain audio books, in Proceedings of the ICASSP (South Brisbane, QLD:), 5206-5210
研究记录日期
研究主要日期
学习开始 (实际的)
初级完成 (实际的)
研究完成 (实际的)
研究注册日期
首次提交
首先提交符合 QC 标准的
首次发布 (实际的)
研究记录更新
最后更新发布 (实际的)
上次提交的符合 QC 标准的更新
最后验证
更多信息
与本研究相关的术语
其他相关的 MeSH 术语
其他研究编号
- DOC-005-2020
计划个人参与者数据 (IPD)
计划共享个人参与者数据 (IPD)?
IPD 计划说明
IPD 共享时间框架
IPD 共享支持信息类型
- 研究方案
- 国际碳纤维联合会
- 企业社会责任
药物和器械信息、研究文件
研究美国 FDA 监管的药品
研究美国 FDA 监管的设备产品
此信息直接从 clinicaltrials.gov 网站检索,没有任何更改。如果您有任何更改、删除或更新研究详细信息的请求,请联系 register@clinicaltrials.gov. clinicaltrials.gov 上实施更改,我们的网站上也会自动更新.