此页面是自动翻译的,不保证翻译的准确性。请参阅 英文版 对于源文本。

评估以家庭为基础的传感器系统,以检测有 CHF 病史的老年患者的健康失代偿

2024年1月12日 更新者:Sensorum Health Inc.

基于家庭的环境无源传感器技术通过检测诊断为慢性心力衰竭的老年受试者日常生活活动 (ADL) 的偏差来提供健康失代偿早期预警的可行性

Sensorum Health (Sensorum) 正在进行一项试点研究,以确定 Sensorum 专有的被动传感器网络是否可用于识别受试者在因慢性疾病恶化或其他门诊护理敏感情况住院之前的早期健康失代偿信号。 成功的早期检测将为未来干预研究中的急性环境之外的干预提供机会之窗。

研究概览

地位

招聘中

研究类型

观察性的

注册 (估计的)

20

联系人和位置

本节提供了进行研究的人员的详细联系信息,以及有关进行该研究的地点的信息。

学习联系方式

研究联系人备份

学习地点

    • New York
      • New York、New York、美国、10021
        • 招聘中
        • Weill Cornell Medicine
        • 接触:

参与标准

研究人员寻找符合特定描述的人,称为资格标准。这些标准的一些例子是一个人的一般健康状况或先前的治疗。

资格标准

适合学习的年龄

  • 成人
  • 年长者

接受健康志愿者

取样方法

非概率样本

研究人群

PI 在 Weill Cornell Medicine 诊所的现任患者

描述

纳入标准:

  • 目前在威尔康奈尔医学院就诊
  • 55岁或以上
  • 能够同意
  • 充血性心力衰竭 (CHF) 的记录诊断
  • 在过去 12 个月内至少有 1 次以下先前的医院使用事件
  • 因任何原因住院
  • 任何原因的设施观察停留
  • 任何原因急诊就诊

排除标准:

  • 严重的心脏瓣膜病
  • 终末期肾病 (ESRD)
  • 终末期瑞士法郎
  • 终末期慢性阻塞性肺病

学习计划

本节提供研究计划的详细信息,包括研究的设计方式和研究的衡量标准。

研究是如何设计的?

设计细节

队列和干预

团体/队列
干预/治疗
被动监测
无干预
使用基于家庭的传感器系统收集临床相关信号的数据

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
召回被动传感器系统中的人工智能
大体时间:6个月
评估 AI 前瞻性检测医院利用事件的能力
6个月
无源传感器系统中人工智能的精度
大体时间:6个月
评估AI准确预测医院利用事件的能力
6个月

次要结果测量

结果测量
措施说明
大体时间
由训练有素的护士召回传感器数据审查
大体时间:6个月
评估护士前瞻性发现医院利用事件的能力
6个月
受过培训的护士对传感器数据的审查精度
大体时间:6个月
评估护士准确预测医院利用事件的能力
6个月

合作者和调查者

在这里您可以找到参与这项研究的人员和组织。

调查人员

  • 首席研究员:Parag Goyal, M.D., MSc、Weill Medical College of Cornell University

研究记录日期

这些日期跟踪向 ClinicalTrials.gov 提交研究记录和摘要结果的进度。研究记录和报告的结果由国家医学图书馆 (NLM) 审查,以确保它们在发布到公共网站之前符合特定的质量控制标准。

研究主要日期

学习开始 (实际的)

2022年11月28日

初级完成 (估计的)

2024年8月1日

研究完成 (估计的)

2024年9月1日

研究注册日期

首次提交

2023年5月9日

首先提交符合 QC 标准的

2023年5月9日

首次发布 (实际的)

2023年5月18日

研究记录更新

最后更新发布 (估计的)

2024年1月15日

上次提交的符合 QC 标准的更新

2024年1月12日

最后验证

2024年1月1日

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

  • Sensorum P-002

计划个人参与者数据 (IPD)

计划共享个人参与者数据 (IPD)?

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.

数据采集的临床试验

3
订阅