Hub ເປັນແພລະຕະຟອມເທກໂນໂລຍີເພື່ອບັນທຶກ biomarkers ນອນ. ພວກເຮົາຕິດຕາມ ແລະ ວິເຄາະສິ່ງສຳຄັນຂອງທ່ານ ເຊັ່ນ: ການເຕັ້ນຂອງຫົວໃຈ, ການຫາຍໃຈ, ອຸນຫະພູມ ແລະ ການເຄື່ອນໄຫວເຖິງໜຶ່ງພັນເທື່ອໃນທຸກໆວິນາທີ ໃນຂະນະທີ່ທ່ານນອນຫຼັບ ເພື່ອດຶງຂໍ້ມູນຄວາມເຂົ້າໃຈທີ່ບໍ່ໜ້າເຊື່ອກ່ຽວກັບສຸຂະພາບທາງກາຍ ແລະ ຈິດໃຈຂອງທ່ານ. ພວກເຮົາໃຊ້ການນອນເປັນປະຕູເພື່ອເຂົ້າໃຈສຸຂະພາບໃນປະຈຸບັນ ແລະອະນາຄົດຂອງເຈົ້າ ແລະໃຫ້ການປະຕິບັດສະເພາະເພື່ອປັບປຸງມັນ.
ຂໍ້ມູນທີ່ເກັບກໍາໄດ້ຖືກປຸງແຕ່ງໂດຍ AI ເປັນເຈົ້າຂອງຂອງ Neurobit ທີ່ໄດ້ຮັບການສະຫນັບສະຫນູນຈາກການຄົ້ນຄວ້າທົດສະວັດແລະໄດ້ຮັບການຝຶກອົບຮົມໃນຫຼາຍຕື້ຈຸດຂໍ້ມູນສຸຂະພາບທີ່ເຮັດໃຫ້ມັນເຂົ້າໃຈທ່ານທັງໃນການອ້າງອີງເຖິງປະຊາກອນທົ່ວໄປເຊັ່ນດຽວກັນກັບ "ທ່ານ" ເປັນບຸກຄົນທີ່ເປັນເອກະລັກ. ພວກເຮົາພະຍາຍາມເພີ່ມຄວາມເຂົ້າໃຈ ແລະການວັດແທກໃໝ່ຢ່າງຕໍ່ເນື່ອງ ທີ່ໄດ້ຮັບການສະໜັບສະໜູນຈາກການຄົ້ນຄວ້າ ແລະຂໍ້ມູນທາງຄລີນິກ ເພື່ອເຂົ້າໃຈຕົວເອງດີຂຶ້ນ ແລະຊ່ວຍເຈົ້າ ແລະຄອບຄົວຂອງເຈົ້າໄປສູ່ຊີວິດທີ່ມີສຸຂະພາບດີ ແລະມີຄວາມສຸກຫຼາຍຂຶ້ນ.
ເວທີ Hub ແມ່ນ:
- ກວດສອບທາງຄລີນິກ *
- ອຸປະກອນແລະສັນຍານ Agnostic
- ບົດລາຍງານສ່ວນບຸກຄົນທີ່ມີຄວາມເຂົ້າໃຈການປະຕິບັດ AI ຂັບເຄື່ອນ
- ບົດລາຍງານ biomarker ນອນລະອຽດສູງກວມເອົາການນອນຫລັບ, ການຫາຍໃຈ, ແລະສຸຂະພາບຂອງຫົວໃຈ. ການວັດແທກໃຫມ່ຈະຖືກເພີ່ມຢ່າງຕໍ່ເນື່ອງ.
- ຂໍ້ມູນດິບປະກອບມີ hypnograms, ອັດຕາການຫົວໃຈໃນຕອນກາງຄືນ, ອຸປະສັກທາງເດີນຫາຍໃຈ.
ແພລະຕະຟອມ Hub ແມ່ນສອດຄ່ອງກັບ HIPAA ຢ່າງເຕັມສ່ວນແລະຖືກອອກແບບເພື່ອໃຫ້ເຫມາະສົມກັບກໍລະນີການນໍາໃຊ້ທີ່ແຕກຕ່າງກັນຫຼາຍ:
- ສຸຂະພາບຜູ້ບໍລິໂພກ
- ການທົດລອງທາງດ້ານຄລີນິກ
- ລະບົບທີ່ອີງໃສ່ຜົນໄດ້ຮັບ
- Telehealth
- ການຄົ້ນຄວ້າທາງວິຊາການ
- ສຸຂະພາບປະຊາກອນ
- ເວທີການທົດສອບຫ້ອງທົດລອງ
- ການຕິດຕາມໄລຍະໄກ
ການປະຕິເສດຄວາມຮັບຜິດຊອບ:
Hub APP ໃຫ້ການວິເຄາະຂໍ້ມູນທີ່ເກັບກຳຜ່ານອຸປະກອນ Z3Pulse ຫຼື ຈໍພາບພາກສ່ວນທີສາມ. ຂໍ້ມູນທີ່ນໍາສະເຫນີຢູ່ພາຍໃນ APP ຫຼືບົດລາຍງານທີ່ກ່ຽວຂ້ອງແມ່ນບໍ່ມີຈຸດປະສົງເພື່ອວິນິດໄສ, ການປິ່ນປົວ, ປິ່ນປົວຫຼືປ້ອງກັນພະຍາດໃດຫນຶ່ງ. ຂໍ້ມູນທັງຫມົດທີ່ນໍາສະເຫນີຢູ່ພາຍໃນ APP ແລະລາຍງານບໍ່ໄດ້ຫມາຍຄວາມວ່າເປັນການທົດແທນຫຼືເປັນທາງເລືອກຂອງຂໍ້ມູນຈາກຜູ້ປະຕິບັດດ້ານສຸຂະພາບ. ທ່ານອາດຈະໃຊ້ມັນເປັນຈຸດເລີ່ມຕົ້ນສໍາລັບການສົນທະນາໃດໆທີ່ທ່ານອາດຈະມີກັບທ່ານຫມໍຂອງທ່ານ.
ການກວດສອບທາງຄລີນິກ*:
Pini, N., Ong, J. L., Yilmaz, G., Chee, N. I., Siting, Z., Awasthi, A., ... & Lucchini, M. (2021). ສູດການຄິດໄລ່ທີ່ອີງໃສ່ອັດຕາການເຕັ້ນຂອງຫົວໃຈອັດຕະໂນມັດສຳລັບການຈັດປະເພດຂັ້ນຕອນການນອນ: ການກວດສອບຄວາມຖືກຕ້ອງໂດຍໃຊ້ PSG ທຳມະດາ ແລະອຸປະກອນ ECG ທີ່ມີນະວັດຕະກໍາທີ່ໃສ່ໄດ້. medRxiv.
Chen, Y. J., Siting, Z., Kishan, K., & Patanaik, A. (2021). ຂັ້ນຕອນການນອນທີ່ອີງໃສ່ອັດຕາການເຕັ້ນຫົວໃຈທັນທີໂດຍໃຊ້ຕົວແບບການຮຽນຮູ້ເລິກເປັນທາງເລືອກທີ່ສະດວກຕໍ່ກັບ Polysomnography.
ນັ່ງ, Z., Chen, Y. J., Kishan, K., & Patanaik, A. (2021). ການກວດຫາການຢຸດຫາຍໃຈນອນອັດຕະໂນມັດຈາກອັດຕາການເຕັ້ນຫົວໃຈທັນທີໂດຍໃຊ້ຕົວແບບການຮຽນຮູ້ເລິກ.
ອັບເດດແລ້ວເມື່ອ
15 ມ.ນ. 2024