Neurobit Hub

Neurobit Technologies

Par šo lietotni

Hub ir tehnoloģiju platforma miega biomarķieru uztveršanai. Mēs izsekojam un analizējam jūsu dzīvībai svarīgos rādītājus, piemēram, sirdspukstus, elpošanu, temperatūru un kustības līdz pat tūkstoš reižu sekundē, kamēr jūs guļat, lai gūtu neticamu ieskatu jūsu fiziskajā un garīgajā labklājībā. Mēs izmantojam miegu kā portālu, lai izprastu jūsu pašreizējo un turpmāko veselību un sniegtu konkrētas darbības tās uzlabošanai.

Savāktos datus apstrādā Neurobit patentētais mākslīgais intelekts, kas ir pamatots ar gadu desmitiem ilgušu pētījumu un ir apmācīts triljonos veselības datu punktu, kas ļauj saprast jūs gan attiecībā uz vispārējo populāciju, gan “jūs” kā unikālu personu. Mēs cenšamies nepārtraukti pievienot jaunus ieskatus un mērījumus, kuru pamatā ir pētījumi un klīniskie dati, lai labāk izprastu sevi un palīdzētu jums un jūsu ģimenei dzīvot veselīgāku un laimīgāku dzīvi.

Hub platforma ir:

- Klīniski apstiprināts*
- Ierīču un signālu agnostiķis
- Personalizēts pārskats ar AI vadītu praktisku ieskatu
- Ļoti detalizēts miega biomarķiera ziņojums par miegu, elpošanu un sirds veselību. Jauni mērījumi tiks nepārtraukti pievienoti.
- Neapstrādāti dati ietver hipnogrammas, nakts sirdsdarbības ātrumu, elpošanas šķēršļus.

Hub platforma ir pilnībā saderīga ar HIPAA un ir izstrādāta, lai iederētos daudzos dažādos lietošanas gadījumos:

- Patērētāju veselība
- Klīniskie pētījumi
- Uz rezultātiem balstītas sistēmas
- Televeselība
- Akadēmiskie pētījumi
- Iedzīvotāju veselība
- Laboratorijas testēšanas platforma
- Attālā uzraudzība

ATRUNA:
Hub APP nodrošina ar Z3Pulse ierīci vai trešās puses monitoru savākto datu analīzi. APP vai saistītajā ziņojumā sniegtā informācija nav paredzēta, lai diagnosticētu, ārstētu, izārstētu vai novērstu jebkādas slimības. Visa APP un ziņojumos sniegtā informācija nav domāta kā veselības aprūpes speciālistu sniegtās informācijas aizstājējs vai alternatīva tai. Varat to izmantot kā sākumpunktu jebkurai sarunai ar savu ārstu.

Klīniskā validācija*:

Pini, N., Ong, J. L., Yilmaz, G., Chee, N. I., Siting, Z., Awasthi, A., ... & Lucchini, M. (2021). Automatizēts uz sirdsdarbības ātrumu balstīts algoritms miega stadiju klasifikācijai: validācija, izmantojot parasto PSG un novatorisku valkājamu EKG ierīci. medRxiv.

Chen, Y. J., Siting, Z., Kishan, K. un Patanaik, A. (2021). Tūlītēja sirdsdarbības ātruma miega noteikšana, izmantojot dziļās mācīšanās modeļus kā ērtu alternatīvu polisomnogrāfijai.

Siting, Z., Chen, Y. J., Kishan, K. un Patanaik, A. (2021). Automatizēta miega apnojas noteikšana no momentāna sirdsdarbības ātruma, izmantojot dziļās mācīšanās modeļus.

Jaunumi

* Home screen minor UI Update
* Enhanced user experience