Diagnostic de BPCO basé sur les directives Gold 2023 de la BPCO, comprenant
des symptômes respiratoires actuels (dyspnée, toux ou expectorations)
un diagnostic confirmé par spirométrie d'une obstruction non entièrement réversible des voies respiratoires, définie comme un rapport Volume Expiratoire Forcé en une seconde/Capacité Vitale Forcée (VEMS/CVF) post-bronchodilatateur < 0,7
présence de facteurs de risque ou de causes associées à la BPCO
tomodensitométrie thoracique effectuée au cours des 12 derniers mois précédant l'inclusion à l'étude
capacité de comprendre, lire et écrire en néerlandais
Critères d'exclusion:
exacerbation aiguë de la BPCO dans les 8 semaines suivant le début de l'étude
comorbidités affectant la coordination de la parole ou de la respiration (maladie neuromusculaire, AVC)
comorbidités affectant les caractéristiques de la parole de la dyspnée (insuffisance cardiaque sévère, maladie pulmonaire interstitielle)
comorbidités affectant le système respiratoire, y compris mais pas exclusivement l'asthme ou la fibrose kystique
comorbidités interférant significativement avec l'interprétation de la parole (signaux audio), tels que la maladie de Parkinson, la paralysie bulbaire ou la paralysie des cordes vocales.
incapacité à réaliser un enregistrement de capnographie.
incertitude de l'investigateur concernant la volonté ou la capacité des patients à se conformer aux exigences du protocole.
participation à une autre étude impliquant des produits expérimentaux. La participation à des études observationnelles est autorisée.
Source : traduction non-officielle opérée par intelligence artificielle
voir le texte original
Inclusion Criteria:
* COPD diagnosis based on COPD Gold 2023 guideline, including
* current respiratory symptoms (any dyspnea, cough or sputum)
* spirometry confirmed diagnosis of a non-fully reversible airflow obstruction, defined as a post bronchodilator Forced Expiratory Volume at one second/Forced Vital Capacity (FEV1/FVC ratio) \< 0.7
* presence of risk factors or causes associated with COPD
* chest CT scan performed in the past 12 months prior to inclusion to the study
* able to understand, read and write Dutch language
Exclusion Criteria:
* acute exacerbation of COPD within 8 weeks of start of the study
* comorbidities affecting speech or breathing coordination (neuromuscular disease, CVA)
* comorbidities affecting speech characteristics of dyspnea (severe heart failure, interstitial lung disease)
* comorbidities affecting respiratory system including but not exclusive to asthma or cystic fibrosis
* comorbidities that significantly interfere with interpretation of speech (audio signals), such as Parkinson's disease, bulbar palsy, or vocal cord paralysis.
* inability to carry out a capnography recording.
* investigator's uncertainty about the willingness or ability of the patients to comply with the protocol requirements.
* participation in another study involving investigational products. Participation in observational studies is allowed.
Cohortes
Thérapie ou Intervention proposée
Cohortes
Nom
Condition médicale
Traitement
État du recrutement
BPCO
Donnée non disponible
La BPCO est définie selon les directives Gold 2023 de la BPCO.
Inconnu
BPCO
État du recrutement
inconnu
La BPCO est définie selon les directives Gold 2023 de la BPCO.
Données à jour depuis :
23 novembre 2023
Description de l'étude
Description de l'étude
Résumé de l'étude
L'objectif de cet essai clinique est d'évaluer si la voix ou la capnométrie, seules ou en combinaison avec d'autres biomarqueurs (non invasifs), peuvent être utilisées pour détecter l'emphysème sur une tomodensitométrie thoracique chez les personnes atteintes de bronchopneumopathie chronique obstructive (BPCO). La principale question à laquelle il vise à répondre est:
• Est-il possible de développer un algorithme basé sur l'apprentissage automatique qui peut classer l'étendue de l'emphysème sur une tomodensitométrie thoracique chez les patients atteints de BPCO, en se basant sur la voix et/ou la capnométrie.
Les participants devront:
effectuer différentes tâches liées à la voix
effectuer la capnométrie deux fois (avant/après l'exercice)
réaliser une tâche d'exercice léger entre les tâches (test de 5 assis-debout)
subir une ponction veineuse
Source : traduction non-officielle opérée par intelligence artificielle
voir le texte original
The goal of this clinical trial is to evaluate whether voice or capnometry, alone or in combination with other (non invasive) biomarkers can be used to detect emphysema on chest CT-scan in people with chronic obstructive pulmonary disease (COPD). The main question it aims to answer is:
• Can a machine-learning based algorithm be developed that can classify the extent of emphysema on chest CT scan from patients with COPD, based on voice and/or capnometry.
Participants will:
* perform different voice-related tasks
* perform capnometry twice (before/after exercise)
* perform a light exercise task between tasks ( 5-sit-to-stand test)
* undergo one venipuncture
Il s'agit d'une étude transversale et monosite. À la clinique, les patients atteints de BPCO seront invités à effectuer plusieurs tâches liées à la voix (lecture rythmée, voyelles soutenues, toux, respiration calme) et on leur demandera d'effectuer des mesures de capnographie. Ces mesures seront effectuées avant et après une tâche d'exercice léger (test 5-STS : test 5 assis-debout).
La caractérisation clinique des patients, y compris les tests de fonction pulmonaire (spirométrie, pléthysmographie corporelle, capacité de diffusion) et les scanners CT, a été réalisée chez tous les patients dans le cadre de l'évaluation de routine du parcours de soins de la BPCO. L'emphysème sera quantifié comme des zones d'atténuation faible avec une densité inférieure à -950 unités Hounsfield (HU) en utilisant Syngovia (Siemens, Erlangen, Allemagne).
Le critère principal consistera à ajuster un modèle de classification d'apprentissage automatique simple (par exemple, en utilisant la régression logistique, les machines à vecteurs de support, les forêts aléatoires et/ou l'arbre de décision) pour classer le modèle de régression logistique pour le critère de l'emphysème (>25% vs ≤ 25%) à partir des caractéristiques vocales et de la capnographie, avec des variables explicatives des caractéristiques vocales. Des méthodes de classification similaires avec des modèles incrémentiels utilisant des caractéristiques de capnographie seront explorées. Avant de réaliser les analyses susmentionnées, les données doivent être prétraitées, y compris la fusion des données, le contrôle de la qualité, la gestion des données manquantes et l'extraction des caractéristiques.
Source : traduction non-officielle opérée par intelligence artificielle
voir le texte original
This is a cross sectional, single center study. At the clinic, patients with COPD will be invited to perform several voice related tasks (paced reading, sustained vowels, cough, quiet breathing) and will be instructed to perform capnometry measurements. These measurements will be performed before and after a light exercise task (5-STS: 5-sit-to-stand test).
Clinical characterisation of patients including pulmonary function tests (spirometry, body plethysmography, diffusion capacity) and CT scans have been performed in all patients as a part of routine workup in the COPD care pathway. Emphysema will be quantified as low attenuation areas with a density below -950 Hounsfield units (HU) using Syngovia (Siemens, Erlangen, Germany).
The primary outcome will fit a simple machine learning classification model (e.g. using logistic regression, support vector machines, random forests and/or decision tree) to classify logistic regression model for the outcome of emphysema (\>25% vs ≤ 25%) from speech features and capnometry. with explanatory variables of speech features. Similar classification methods with incremental models using capnography features will be explored. Prior to carrying out the above analyses, data has to be pre-processed, including merging data, quality control, handling of missing data and feature extraction.
Centres participants
Sites
Centres participants
1
centres
DEPT OF RESPIRATORY MEDICINE, MAASTRICHT UNIVERSITY MEDICAL CENTRE
