Hodnocení kloubní roztažnosti u Ehlers Danlosova syndromu založené na vizi
27. listopadu 2023 aktualizováno: Nimish Mittal, University Health Network, Toronto
Posouzení proveditelnosti aplikace vizuálního zobrazování na bázi smartphonu a strojového učení pro posouzení hyperextenzibility periferních kloubů u syndromu Ehlers Danlos
Ehlers Danlosův syndrom (EDS) je heterogenní skupina genetických poruch s 13 identifikovanými podtypy. Hypermobilní EDS (hEDS), ačkoli je nejběžnějším podtypem EDS, dosud nemá identifikovanou genetickou mutaci pro diagnostické potvrzení. Generalizovaná kloubní hypermobilita (GJH) je jedním z charakteristických rysů hEDS. Bodovací systém používaný při měření GJH byl popsán Beightonem. Beightonovo skóre se vypočítá pomocí dichotomického bodovacího systému k posouzení roztažitelnosti devíti kloubů. Každý kloub je hodnocen jako hypermobilní (skóre = 1) nebo nehypermobilní (skóre = 0). Celkové skóre (Beightonovo skóre) se může pohybovat mezi minimem 0 a maximálně 9, přičemž vyšší skóre ukazuje na větší kloubní laxnost.
Zatímco při používání Beightonova skóre existuje mírná validita a variabilita mezi hodnotícími, stále existuje několik problémů s jeho rozšířenou a konzistentní aplikací klinickými lékaři. Některé z překážek uváděných v literatuře zahrnují:
i) V otevřených, nestandardizovaných systémech může docházet k významným odchylkám ve způsobu provádění těchto společných testů roztažitelnosti, včetně posouzení základních měření, ii) Stanovení konzistentních a standardních měřicích nástrojů/metodiky, např. použití goniometru se může značně lišit iii) posouzení spolehlivosti hraničních hodnot a iv) provedení úplného posouzení před informováním pacientů o možné klasifikaci pozitivity GJH (nízká specificita a nízká pozitivní predikce).
Nevhodná implementace testů k posouzení GJH vede k nepřesné identifikaci GJH a potenciálně nezamýšleným negativním důsledkům stanovení nesprávné diagnózy EDS. Cílem této studie je vytvořit robustnější a validnější metodu měření kloubní pohyblivosti a snížit chyby ve screeningu EDS pomocí aplikačních systémů strojového učení na bázi smartphonu pro měření roztažnosti kloubu.
Projekt bude:
i) Vytvořte vizuální zobrazovací aplikaci pro chytré telefony pro posouzení měření roztažitelnosti kloubů, ii) Posouzení proveditelnosti použití aplikace pro chytré telefony v klinickém prostředí pro screening potenciálních pacientů s EDS, iii) Určení platnosti aplikace v srovnání s osobním klinickým hodnocením v akademickém programu EDS terciární péče. Pokud bude úspěšná, aplikace pro chytré telefony by mohla pomoci standardizovat péči o potenciální pacienty s EDS účinným a nákladově efektivním způsobem.
Přehled studie
Postavení
Zápis na pozvánku
Podmínky
Intervence / Léčba
Typ studie
Pozorovací
Zápis (Odhadovaný)
225
Kontakty a umístění
Tato část poskytuje kontaktní údaje pro ty, kteří studii provádějí, a informace o tom, kde se tato studie provádí.
Studijní místa
-
-
Ontario
-
Toronto, Ontario, Kanada, M5G 2C4
- GoodHope EDS - Toronto General Hospital
-
-
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
18 let a starší (Dospělý, Starší dospělý)
Přijímá zdravé dobrovolníky
Ne
Metoda odběru vzorků
Vzorek nepravděpodobnosti
Studijní populace
Studovaná populace zahrnuje všechny pacienty doporučené nebo navštívené na klinice GoodHope EDS.
Klinika přijímá doporučení od symptomatických dospělých pacientů (věk > 18 let), s EDS nebo s podezřením na EDS.
EDS je porucha pojivové tkáně se 100% penetrací, ale variabilní ve fenotypové expresi, suspektní případy EDS nebo G-HSD proto mohou zahrnovat jiná dědičná nebo získaná onemocnění/poruchy pojivové tkáně a/nebo komplexní chronická onemocnění charakterizovaná nebo tímto znakem hypermobilita kloubů, bolest a únava.
Popis
Kritéria pro zařazení:
- Všichni pacienti na klinice GoodHope EDS v Torontu General mají nárok na zařazení, bez ohledu na jejich aktuální diagnózu nebo výsledky jejich hodnocení.
Kritéria vyloučení:
- Pacienti, kteří nesouhlasí s účastí, nebudou zahrnuti (účastníci mohou souhlas kdykoli odvolat)
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: Pouze případ
- Časové perspektivy: Průřezový
Kohorty a intervence
Skupina / kohorta |
Intervence / Léčba |
|---|---|
|
Noví pacienti na klinice GoodHope EDS ve Všeobecné nemocnici v Torontu
Všichni pacienti na klinice EDS jsou způsobilí k zařazení, bez ohledu na jejich aktuální diagnózu nebo výsledky jejich hodnocení.
|
Nebude použit žádný zásah.
Souhlasící účastníci budou mít při vyšetření kloubní hypermobility videozáznamy, které budou později analyzovány
|
Co je měření studie?
Primární výstupní opatření
Měření výsledku |
Popis opatření |
Časové okno |
|---|---|---|
|
Porovnání shody v predikovaném úhlu pomocí knihovny pro odhad polohy
Časové okno: 4 měsíce
|
Výkon vyvinutých modelů strojového učení pro predikci rozsahu pohybu bude analyzován použitou knihovnou pro odhad polohy.
Tato analýza bude provedena na podmnožině dat shromážděných během prvních 2 měsíců sběru dat.
Tyto informace budou použity k výběru knihoven odhadů pozic, se kterými se bude pokračovat při zpřesňování modelů strojového učení.
|
4 měsíce
|
|
Porovnání shody v predikovaném úhlu po kloubu
Časové okno: 1 rok
|
Výkon vyvinutých modelů strojového učení pro predikci rozsahu pohybu v každém kloubu (páteř, koleno, kotník, loket, rameno, palec, pátý prst) bude analyzován nezávisle pro každý kloub.
To poskytne přehled o tom, které spoje je systém přesnější při předpovídání z videa.
|
1 rok
|
|
Posuďte přesnost predikce rozsahu pohybu pomocí dat založených na vidění
Časové okno: 1 rok
|
Budou vyvinuty modely strojového učení natrénované na videích jednotlivců provádějících kloubní manévry hypermobility.
Jejich výkon bude porovnán s rozsahem pohybu měřeným odborným lékařem pomocí goniometru.
|
1 rok
|
Spolupracovníci a vyšetřovatelé
Zde najdete lidi a organizace zapojené do této studie.
Vyšetřovatelé
- Vrchní vyšetřovatel: Nimish Mittal, MD, GoodHope Ehlers Danlos Syndrome Clinic, Toronto General Hospital
Publikace a užitečné odkazy
Osoba odpovědná za zadávání informací o studiu tyto publikace poskytuje dobrovolně. Mohou se týkat čehokoli, co souvisí se studiem.
Obecné publikace
- Critical Care Services Ontario, Ehlers-Danlos Syndrome Expert Panel Report, 2016. https://www.health.gov.on.ca/en/common/ministry/publications/reports/eds/Default.aspx.
- Cahill SV, Sharkey MS, Carter CW. Clinical assessment of generalized ligamentous laxity using a single test: is thumb-to-forearm apposition enough? J Pediatr Orthop B. 2021 May 1;30(3):296-300. doi: 10.1097/BPB.0000000000000732.
- He K, Gkioxari G, Dollár P, Girshick R. Mask R-CNN. In: Proceedings of the IEEE international conference on computer vision. 2017. p. 2961-9.
- Cao Z, Hidalgo G, Simon T, Wei SE, Sheikh Y. OpenPose: Realtime Multi-Person 2D Pose Estimation Using Part Affinity Fields. IEEE Trans Pattern Anal Mach Intell. 2021 Jan;43(1):172-186. doi: 10.1109/TPAMI.2019.2929257. Epub 2020 Dec 4.
- Fang H-S, Xie S, Tai Y-W, Lu C. RMPE: Regional Multi-person Pose Estimation. 2016 Nov 30; Available from: http://arxiv.org/abs/1612.00137
- Lin T-Y, Maire M, Belongie S, Bourdev L, Girshick R, Hays J, et al. Microsoft COCO: Common Objects in Context. 2014 May 1; Available from: http://arxiv.org/abs/1405.0312
- Andriluka M, Pishchulin L, Gehler P, Schiele B. 2D Human Pose Estimation: New Benchmark and State of the Art Analysis. In: 2014 IEEE Conference on Computer Vision and Pattern Recognition. 2014. p. 3686-93
- Lugaresi C, Tang J, Nash H, McClanahan C, Uboweja E, Hays M, et al. MediaPipe: A Framework for Building Perception Pipelines. 2019 Jun 14; Available from: https://arxiv.org/abs/1906.08172
- Zhang F, Bazarevsky V, Vakunov A, Tkachenka A, Sung G, Chang C-L, et al. MediaPipe Hands: On-device Real-time Hand Tracking. 2020 Jun 17; Available from: http://arxiv.org/abs/2006.10214
- Mehdizadeh S, Nabavi H, Sabo A, Arora T, Iaboni A, Taati B. Concurrent validity of human pose tracking in video for measuring gait parameters in older adults: a preliminary analysis with multiple trackers, viewing angles, and walking directions. J Neuroeng Rehabil. 2021 Sep 15;18(1):139. doi: 10.1186/s12984-021-00933-0.
- Sabo A, Mehdizadeh S, Ng KD, Iaboni A, Taati B. Assessment of Parkinsonian gait in older adults with dementia via human pose tracking in video data. J Neuroeng Rehabil. 2020 Jul 14;17(1):97. doi: 10.1186/s12984-020-00728-9.
- Lu M, Zhao Q, Poston KL, Sullivan EV, Pfefferbaum A, Shahid M, Katz M, Kouhsari LM, Schulman K, Milstein A, Niebles JC, Henderson VW, Fei-Fei L, Pohl KM, Adeli E. Quantifying Parkinson's disease motor severity under uncertainty using MDS-UPDRS videos. Med Image Anal. 2021 Oct;73:102179. doi: 10.1016/j.media.2021.102179. Epub 2021 Jul 21.
- Williams S, Zhao Z, Hafeez A, Wong DC, Relton SD, Fang H, Alty JE. The discerning eye of computer vision: Can it measure Parkinson's finger tap bradykinesia? J Neurol Sci. 2020 Sep 15;416:117003. doi: 10.1016/j.jns.2020.117003. Epub 2020 Jun 30.
- Ota M, Tateuchi H, Hashiguchi T, Kato T, Ogino Y, Yamagata M, Ichihashi N. Verification of reliability and validity of motion analysis systems during bilateral squat using human pose tracking algorithm. Gait Posture. 2020 Jul;80:62-67. doi: 10.1016/j.gaitpost.2020.05.027. Epub 2020 May 25.
- Slembrouck M, Luong H, Gerlo J, Schütte K, Van Cauwelaert D, De Clercq D, et al. Multiview 3d Markerless Human Pose Estimation from Openpose Skeletons. In: International Conference on Advanced Concepts for Intelligent Vision Systems. Springer; 2020. p. 166-78.
- Wang H, Xie Z, Lu L, Li L, Xu X. A computer-vision method to estimate joint angles and L5/S1 moments during lifting tasks through a single camera. J Biomech. 2021 Dec 2;129:110860. doi: 10.1016/j.jbiomech.2021.110860. Epub 2021 Nov 8.
- Yahya M, Shah JA, Warsi A, Kadir K, Khan S, Izani M. Real time elbow angle estimation using single RGB camera. 2018 Aug 21; Available from: https://arxiv.org/abs/1808.07017
- Shi B, Brentari D, Shakhnarovich G, Livescu K. Fingerspelling Detection in American Sign Language. In: Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2021. p. 4166-75
- Kim I-H, Jung I-H. A Study on Korea Sign Language Motion Recognition Using OpenPose Based on Deep Learning. 디지털콘텐츠학회논문지 (Journal of Digital Contents Society). 2021;22(4):681-7.
- Levy HP. Hypermobile Ehlers-Danlos Syndrome. 2004 Oct 22 [updated 2018 Jun 21]. In: Adam MP, Feldman J, Mirzaa GM, Pagon RA, Wallace SE, Bean LJH, Gripp KW, Amemiya A, editors. GeneReviews(R) [Internet]. Seattle (WA): University of Washington, Seattle; 1993-2023. Available from http://www.ncbi.nlm.nih.gov/books/NBK1279/
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 (Aktuální)
26. dubna 2022
Primární dokončení (Odhadovaný)
1. června 2024
Dokončení studie (Odhadovaný)
1. prosince 2024
Termíny zápisu do studia
První předloženo
4. května 2022
První předloženo, které splnilo kritéria kontroly kvality
4. května 2022
První zveřejněno (Aktuální)
9. května 2022
Aktualizace studijních záznamů
Poslední zveřejněná aktualizace (Aktuální)
28. listopadu 2023
Odeslaná poslední aktualizace, která splnila kritéria kontroly kvality
27. listopadu 2023
Naposledy ověřeno
1. listopadu 2023
Více informací
Termíny související s touto studií
Klíčová slova
Další relevantní podmínky MeSH
- Patologické procesy
- Kardiovaskulární choroby
- Cévní onemocnění
- Kožní choroby
- Choroba
- Vrozené vady
- Hematologická onemocnění
- Hemoragické poruchy
- Genetické choroby, vrozené
- Nemoci pojivové tkáně
- Hemostatické poruchy
- Kožní onemocnění, genetické
- Abnormality kůže
- Kolagenové nemoci
- Syndrom
- Ehlers-Danlosův syndrom
Další identifikační čísla studie
- 22-5073
Plán pro data jednotlivých účastníků (IPD)
Plánujete sdílet data jednotlivých účastníků (IPD)?
NE
Popis plánu IPD
Žádný IPD nebude sdílen s ostatními výzkumníky.
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 .
Klinické studie na Ehlers-Danlosův syndrom
-
Assistance Publique - Hôpitaux de ParisMinistry of Health, FranceDokončenoEhlers-Danlosův syndrom, vaskulární typFrancie
-
University Health Network, TorontoZápis na pozvánkuHypermobilní Ehlers-Danlosův syndrom | Ehlers-Danlosův syndrom | Vaskulární Ehlers-Danlosův syndrom | Hypermobilní EDS (hEDS) | EDS | Klasický Ehlers-Danlosův syndrom | Klasická EDS (cEDS) | Cévní EDS (vEDS)Kanada
-
Institut National de la Santé Et de la Recherche...Nábor
-
Acer Therapeutics Inc.NáborVaskulární Ehlers-Danlosův syndromSpojené státy
-
Baylor College of MedicineSouthern Star Research Pty Ltd.Zatím nenabírámeVaskulární Ehlers-Danlosův syndromSpojené státy
-
Aytu BioPharma, Inc.ParexelPozastavenoVaskulární Ehlers-Danlosův syndromSpojené státy
-
French Cardiology SocietyNational Research Agency, France; Société Française de Médecine VasculaireDokončenoZdraví dobrovolníci | Vaskulární Ehlers Danlosův syndromFrancie
-
University GhentUkončenoHypermobilní Ehlers-Danlosův syndrom | Syndrom hypermobility | Vícesměrná subluxace rameneBelgie
-
University Hospital MuensterGerman Society of Craniomandibular Function and Disorders in the DGZMK.NáborHypermobilní Ehlers-Danlosův syndromNěmecko
-
Hôpital Raymond PoincaréNeznámýHypermobilita typu Ehlers-Danlosův syndromFrancie