Hub er en teknologiplattform for å fange biomarkører for søvn. Vi sporer og analyserer livsviktene dine som hjerteslag, åndedrett, temperatur og bevegelser opptil tusen ganger hvert sekund mens du sover for å trekke ut utrolig innsikt i ditt fysiske og mentale velvære. Vi bruker søvn som en portal for å forstå din nåværende og fremtidige helse og gi spesifikke handlinger for å forbedre den.
Dataene som samles inn blir behandlet av Neurobits proprietære AI som støttes av flere tiår med forskning og er trent på billioner av helsedatapunkter som lar den forstå deg både i forhold til den generelle befolkningen så vel som "deg" som en unik person. Vi streber etter å kontinuerlig legge til ny innsikt og målinger støttet av forskning og kliniske data for å bedre forstå deg selv og hjelpe deg og din familie til å leve et sunnere og lykkeligere liv.
Hub-plattformen er:
- Klinisk validert*
- Enhets- og signalagnostisk
- Personlig tilpasset rapport med AI-drevet handlingsrettet innsikt
- Svært detaljert søvnbiomarkørrapport som omfatter søvn, respirasjon og hjertehelse. Nye mål vil bli lagt til fortløpende.
– Rådata inkluderer hypnogrammer, puls over natten, åndedrettshindringer.
Hub-plattformen er fullstendig HIPAA-kompatibel og er designet for å passe inn i mange forskjellige bruksområder:
- Forbrukerhelse
- Kliniske studier
- Resultatbaserte systemer
– Telehelse
- Akademisk forskning
- Folkehelse
- Lab Testing Platform
- Fjernovervåking
ANSVARSFRASKRIVELSE:
Hub-appen gir deg analysen av dataene som er samlet inn gjennom Z3Pulse-enheten eller en tredjepartsmonitor. Informasjonen som presenteres i APP eller tilhørende rapport er ikke ment å diagnostisere, behandle, kurere eller forhindre noen sykdom. All informasjon som presenteres i APP og rapportene er ikke ment som en erstatning for eller alternativ til informasjon fra helsepersonell. Du kan bruke det som utgangspunkt for enhver samtale du måtte ha med legen din.
Kliniske valideringer*:
Pini, N., Ong, J. L., Yilmaz, G., Chee, N. I., Siting, Z., Awasthi, A., ... & Lucchini, M. (2021). En automatisert hjertefrekvensbasert algoritme for klassifisering av søvnstadier: validering ved bruk av konvensjonell PSG og innovativ EKG-enhet. medRxiv.
Chen, Y. J., Siting, Z., Kishan, K., & Patanaik, A. (2021). Øyeblikkelig hjertefrekvensbasert søvnstadie ved hjelp av dyplæringsmodeller som et praktisk alternativ til polysomnografi.
Siting, Z., Chen, Y. J., Kishan, K., & Patanaik, A. (2021). Automatisert søvnapnédeteksjon fra øyeblikkelig hjertefrekvens ved hjelp av dyplæringsmodeller.