Clebre napędzane jest sztuczną inteligencją. Wraz z gromadzeniem nowych danych system doucza się, stale zwiększając dokładność działania.
Clebre to nowe podejście w diagnozowaniu jakości snu i leczeniu problemów z oddychaniem w czasie snu. Wielonocna obserwacja połączona z analizą trendu zmian na przestrzeni czasu pozwala znacząco zwiększyć celność diagnozy.
Ergonomiczny sensor nie obniża komfortu snu. Badanie w domu sprawia, że diagnostyka nie wpływa na standardowy sen. Dzięki temu badanie Clebre lepiej oddaje rzeczywisty stan pacjenta.
Badanie we własnym łóżku za pomocą małego, wygodnego sensora nie zaburza naturalnego snu.
Łatwy do założenia czujnik oraz intuicyjna aplikacja dostarczą zrozumiałych wyników badania.
Badanie można wykonać w domu, w komfortowych warunkach, bez konieczności spędzania nocy w szpitalu i narażania dziecka na stres.
Długotrwała obserwacja zwiększa wiarygodność wyników oraz pozwala na indywidualne dostosowanie terapii.
Duża dokładność wyników algorytmów diagnostycznych jest potwierdzona badaniami porównawczymi z polisomnografią.
Badaj swojego pacjenta w warunkach domowych i uzyskaj dokładne parametry każdego oddechu, czynność serca, pozycję ciała i aktywność ruchową. Zaloguj się do aplikacji i sprawdź dane wszystkich swoich pacjentów z dowolnego miejsca.
System daje nieograniczone możliwości wykorzystania czujnika do badań przesiewowych w grupach ryzyka.
Dzięki Clebre możesz regularnie monitorować jak oddychasz Ty oraz cała Twoja rodzina. Intuicyjna obsługa oraz automatyczne algorytmy pomagają zebrać materiał do wsparcia prawidłowej diagnozy przez lekarza. Badanie wykonasz w swoim domu bez konieczności spania w szpitalu i bez dodatkowego stresu.
Rejestracja i analizowanie każdego wdechu i wydechu.
Wykrywanie i zliczanie epizodów chrapania.
Wykrywanie i zliczanie epizodów spłyceń oddychania.
Zliczanie liczby oddechów przez usta oraz przez nos.
Określanie czy epizod to wdech czy wydech.
Dokładna ocena czasu snu w trakcie całej analizy.
Wbudowany akcelerometr do wykrywania pozycji ciała oraz oceny aktywności ruchowej w czasie snu.
Czujnik łączący się ze smartfonem przez bluetooth z możliwością ładowania bezprzewodowego.
Analiza wielu badań pacjenta w czasie pozwala na obserwację trendów.
Doskonalące się algorytmy z możliwością rozbudowy funkcji diagnostycznych.
MDPI Diagnostics; Kukwa, W.; Lis, T.; Łaba, J.; Mitchell, R.B.; Młyńczak, M. (2022), 12, 1195. DOI.
IEEE Journal of Biomedical and Health Informatics Młyńczak, M., Migacz, E., Migacz, M., & Kukwa, W. (2016). 21(6), 1504-1510.
Biomedical Signal Processing and Control, Młyńczak, M., Valdez, T.A., Kukwa, W. (2021), 68, 102614, DOI: 10.1016/j.bspc.2021.102614
IEEE Access, Młyńczak, M., Valdez, T.A., Kukwa, W. (2020), 1-9, DOI: 10.1109/ACCESS.2020.3024122
IEEE Access, Kukwa, W., Łaba, J., Lis, T., Sobczyk, K., Mitchell, R.M., Młyńczak, M., (2022), 1-8, DOI: 10.1007/s11325-022-02567-5
Breathe, Penzel, T., Sabil, A., 2017, 13 (2), e37–e45.
Penzel, T., Schöbel, C., and Fietze, I., F1000Research, 2018, 7.
Arnardottir, E.S., Isleifsson, B., Agustsson, J.S., Sigurdsson, G.A., Sigurgunnarsdottir, M.O., Sigurd ̄arson, G.T., Saevarsson, G., Sveinbjarnarson, A.T., Hoskuldsson, S. and Gislason, T. J Sleep Res, 2016, 25, 158-168.
Goldstein, C. A., Berry, R. B., Kent, D. T., Kristo, D. A., Seixas, A. A., Redline, S., … & Kirsch, D. B. (2020). Journal of Clinical Sleep Medicine, jcsm-8288.
Kalkbrenner, C., Brucher, R., Kesztyus, T., Eichenlaub, M., Rottbauer, W., Scharnbeck, D. Ger Med Sci, 2019, 17.
Osobisty system do diagnostyki i terapii zaburzeń snu oraz oddychania.
