Tato stránka byla automaticky přeložena a přesnost překladu není zaručena. Podívejte se prosím na anglická verze pro zdrojový text.

Hodnocení rizika pádu pomocí hybridního strojového učení a hloubkového učení a nové posturografie

1. dubna 2022 aktualizováno: National Taiwan University Hospital
Účelem tohoto projektu je zkombinovat novou posturograpy založenou na sledovačích HTC VIVE a hybridním strojovém učení a algoritmech hlubokého učení za účelem vytvoření sady jednoduchých, pohodlných a validních nástrojů pro hodnocení rizika pádu. Tato observační a navazující studie bude komunitou seniorů ve věku nad 60 let. Vyšetřovatelé budou shromažďovat demografická data, dotazníkové průzkumy, tradiční testy rovnováhy a posturografii založenou na sledování, aby získali parametry stability trupu v různých úloze ve stoje. Riziko pádu bude klasifikováno podle sebe-nahlášených pádů za poslední rok a ověřeno v 6měsíčním sledování. Vyšetřovatelé vyhodnotí výkon různých hybridních algoritmů strojového učení a hlubokého učení, aby extrahovali důležité vlastnosti více posturografických parametrů a vybrali optimální model. Vyšetřovatelé použijí analýzu provozních charakteristik přijímače k ​​výpočtu citlivosti, specifičnosti a přesnosti různých algoritmů pro klasifikaci rizik a také porovnají výkon s tradičními nástroji pro hodnocení rovnováhy.

Přehled studie

Postavení

Zatím nenabíráme

Detailní popis

Účelem tohoto projektu je zkombinovat novou posturograpy založenou na sledovačích HTC VIVE a hybridním strojovém učení a algoritmech hlubokého učení za účelem vytvoření sady jednoduchých, pohodlných a validních nástrojů pro hodnocení rizika pádu. Tato observační a navazující studie bude komunitou seniorů ve věku nad 60 let. Vyšetřovatelé budou shromažďovat demografická data, dotazníkové průzkumy, tradiční testy rovnováhy (Bergova škála Balance, Timed-up-and-go, 30s-sit-to-stand, čtyřstupňové balanční testy) a posturografii založenou na trackeru, aby získali trup. parametry stability v různých úloze ve stoje. Riziko pádu bude klasifikováno podle sebe-nahlášených pádů za poslední rok a ověřeno v 6měsíčním sledování.

Vyšetřovatelé vyhodnotí výkon různých hybridních algoritmů strojového učení a hlubokého učení, aby extrahovali důležité vlastnosti více posturografických parametrů a vybrali optimální model. Vyšetřovatelé použijí analýzu provozních charakteristik přijímače k ​​výpočtu citlivosti, specifičnosti a přesnosti různých algoritmů pro klasifikaci rizik a také porovnají výkon s tradičními nástroji pro hodnocení rovnováhy. Vyšetřovatelé vyhodnotí korelaci těchto posturografických znaků a dat získaných jinými metodami. Budou také analyzovány rizikové faktory předchozích pádů a budoucích pádů.

Typ studie

Pozorovací

Zápis (Očekávaný)

500

Kontakty a umístění

Tato část poskytuje kontaktní údaje pro ty, kteří studii provádějí, a informace o tom, kde se tato studie provádí.

Studijní kontakt

  • Jméno: Huey-Wen Liang
  • Telefonní číslo: 66697 +886-02-23123456
  • E-mail: lianghw@ntu.edu.tw

Studijní záloha kontaktů

Kritéria účasti

Výzkumníci hledají lidi, kteří odpovídají určitému popisu, kterému se říká kritéria způsobilosti. Některé příklady těchto kritérií jsou celkový zdravotní stav osoby nebo předchozí léčba.

Kritéria způsobilosti

Věk způsobilý ke studiu

60 let a starší (Dospělý, Starší dospělý)

Přijímá zdravé dobrovolníky

Ne

Pohlaví způsobilá ke studiu

Všechno

Metoda odběru vzorků

Vzorek nepravděpodobnosti

Studijní populace

Komunitně žijící věková skupina

Popis

Kritéria pro zařazení:

  • může samostatně chodit v domácnosti bez zařízení

Kritéria vyloučení:

  • s terminálním onemocněním
  • s kognitivní poruchou dodržovat verbální pokyny
  • s neurologickými stavy, které jsou spojeny se slabostí nohou
  • s výrazným zrakovým postižením, které narušuje každodenní život a chůzi

Studijní plán

Tato část poskytuje podrobnosti o studijním plánu, včetně toho, jak je studie navržena a co studie měří.

Jak je studie koncipována?

Detaily designu

  • Observační modely: Kohorta
  • Časové perspektivy: Budoucí

Co je měření studie?

Primární výstupní opatření

Měření výsledku
Popis opatření
Časové okno
Počet podzimních událostí
Časové okno: 6 měsíců
samostatně hlášené pádové události podle následného dotazníku a definované jako náhlý, nedobrovolný přesun těla na zem a na nižší úrovni než předchozí
6 měsíců

Spolupracovníci a vyšetřovatelé

Zde najdete lidi a organizace zapojené do této studie.

Publikace a užitečné odkazy

Osoba odpovědná za zadávání informací o studiu tyto publikace poskytuje dobrovolně. Mohou se týkat čehokoli, co souvisí se studiem.

Termíny studijních záznamů

Tato data sledují průběh záznamů studie a předkládání souhrnných výsledků na ClinicalTrials.gov. Záznamy ze studií a hlášené výsledky jsou před zveřejněním na veřejné webové stránce přezkoumány Národní lékařskou knihovnou (NLM), aby se ujistily, že splňují specifické standardy kontroly kvality.

Hlavní termíny studia

Začátek studia (Očekávaný)

1. dubna 2022

Primární dokončení (Očekávaný)

1. června 2023

Dokončení studie (Očekávaný)

1. prosince 2023

Termíny zápisu do studia

První předloženo

24. března 2022

První předloženo, které splnilo kritéria kontroly kvality

1. dubna 2022

První zveřejněno (Aktuální)

4. dubna 2022

Aktualizace studijních záznamů

Poslední zveřejněná aktualizace (Aktuální)

4. dubna 2022

Odeslaná poslední aktualizace, která splnila kritéria kontroly kvality

1. dubna 2022

Naposledy ověřeno

1. března 2022

Více informací

Termíny související s touto studií

Další identifikační čísla studie

  • 202112114RINA

Informace o lécích a zařízeních, studijní dokumenty

Studuje lékový produkt regulovaný americkým FDA

Ne

Studuje produkt zařízení regulovaný americkým úřadem FDA

Ne

Tyto informace byly beze změn načteny přímo z webu clinicaltrials.gov. Máte-li jakékoli požadavky na změnu, odstranění nebo aktualizaci podrobností studie, kontaktujte prosím register@clinicaltrials.gov. Jakmile bude změna implementována na clinicaltrials.gov, bude automaticky aktualizována i na našem webu .

Předplatit