Preguntas frecuentes
-
Desafortunadamente, no. Nuestro estudio se centra en entrenar algoritmos de aprendizaje automático para reconocer síntomas y enfermedades, como la fatiga, la diabetes y los problemas de salud mental, combinando las respuestas de los cuestionarios con las grabaciones de voz. Dado que el estudio es completamente anónimo, no podemos vincular a los participantes individuales con sus datos específicos. Sin embargo, gracias a la ayuda de participantes como usted, esperamos desarrollar herramientas que, en el futuro, puedan ayudar a diagnosticar enfermedades, monitorear síntomas y mejorar el seguimiento de los pacientes.
-
No, el estudio es anónimo para proteger al máximo los datos médicos recogidos, por lo que no podemos identificar a los participantes para poder pagarles después.
-
Su participación es muy importante para esta investigación, le agradecemos de antemano por ello. Cuantos más participantes haya, más precisos serán los resultados, así que corra la voz sobre Colive Voice (amigos, familiares y en las redes sociales). Le proporcionaremos un enlace para compartir el proyecto al final de la encuesta y tendrá imágenes para compartir en línea o volantes para cargar en nuestra sección «Recursos«.
-
LIH toma las medidas de seguridad apropiadas, según la sensibilidad de los datos en cuestión, para proteger sus datos del riesgo de acceso no autorizado, pérdida, uso fraudulento, divulgación, modificación y destrucción. Sus datos serán tratados de forma estrictamente confidencial.
Más información sobre el tratamiento de datos en nuestra página Privacidad y Seguridad de los Datos.
-
Como no se recogen datos identificativos (ni nombre, ni dirección de correo electrónico, ni dirección postal ni número de teléfono), los derechos del participante son limitados. El ejercicio de tales derechos requeriría identificar a los participantes del estudio, lo que debilitaría considerablemente la seguridad y confidencialidad de los datos recopilados para nuestra encuesta.
Sin embargo, los participantes tienen derecho a presentar una queja ante la Comisión Nacional de Protección de Datos (CNPD) de Luxemburgo en relación con el procesamiento de datos.
Para cualquier pregunta o información sobre cómo LIH procesa sus datos personales, comuníquese con el Oficial de Protección de Datos de LIH por correo electrónico a dpo@lih.lu o por correo postal a la siguiente dirección:
LUXEMBOURG INSTITUTE OF HEALTH
Data Protection Office
1A-B, rue Thomas Edison
L-1445 Strassen
LUXEMBOURG
-
El estudio está abierto a todos: necesitamos participantes en todo el mundo, que hablen diferentes idiomas y tengan diversas condiciones de salud.
- Adultos y adolescentes mayores de 15 años
- Gente de todos los paises
- Personas sin una condición de salud específica.
- Personas que viven con cáncer o con antecedentes de cáncer
- Personas con diabetes
- Personas con otras enfermedades crónicas o infecciosas graves.
No tengo ninguna enfermedad, ¿puedo participar?
Si claro. Puede participar sea cual sea su estado de salud y ayudar a mejorar la atención sanitaria de los pacientes con enfermedades crónicas
-
El estudio es financiado por el Luxembourg Institute of Health y la Sociedad de Diabetes de Habla Francesa (SFD).
-
El estudio está dirigido por Deep Digital Phenotyping (DDP), una unidad de investigación dedicada a la salud digital, del Luxembourg Institute of Health.
-
Los algoritmos de aprendizaje automático aprenden de forma autónoma para realizar una tarea o hacer predicciones a partir de los datos. A diferencia de un programa informático tradicional, un sistema de aprendizaje automático no sigue instrucciones, sino que aprende de la experiencia. Su rendimiento mejora a medida que se «entrena» y el algoritmo se expone a más datos.
-
La salud digital se basa en el uso de nuevas tecnologías como la inteligencia artificial, la realidad virtual, los dispositivos conectados o las apps móviles para mejorar la atención al paciente. La tecnología respalda las decisiones clínicas, permite mejorar el diagnóstico o monitorear a distancia las enfermedades.
-
Un biomarcador vocal puede definirse como una firma, una característica o una combinación de características de la señal de audio de la voz que está asociada con un resultado clínico y puede usarse para monitorear pacientes, diagnosticar una condición o calificar la gravedad o las etapas de una enfermedad o para el desarrollo de fármacos.
