- ICH GCP
- Registr klinických studií v USA
- Klinická studie NCT05777304
Nositelné senzory a strojové učení pro posouzení biomechanického rizika při zvedacích úlohách
21. prosince 2023 aktualizováno: Edda Capodaglio, Istituti Clinici Scientifici Maugeri SpA
Nositelné senzory a strojové učení: technologický přístup k hodnocení biomechanických rizik při zvedacích úlohách
Zvedání břemen může způsobit muskuloskeletální poruchy související s prací.
Národní institut pro bezpečnost a ochranu zdraví při práci (NIOSH) zavedl metodiku pro hodnocení zdvihacích činností pomocí kvantitativní metody založené na intenzitě, době trvání, frekvenci a dalších geometrických charakteristikách zdvihání.
Technologie inerciálních senzorů při nošení na těle poskytuje řadu příležitostí pro zlepšení bezpečnosti a ochrany zdraví pracovníků vykonávajících fyzickou práci.
Systémy sledování pohybu spolu s algoritmy strojového učení (ML) se používají v ergonomické oblasti pro biomechanické hodnocení rizik pomocí dat získaných nositelnými inerciálními systémy.
Vyšetřovatelé si položili otázku, zda je možné klasifikovat zdvihací úkoly patřící do různých tříd rizika podle hodnoty LI pomocí přístupu strojového učení pomocí funkcí extrahovaných z hrubých signálů.
Cílem této studie bylo vyvinout a ověřit pomocí ML algoritmů neinvazivní detekční systém kineticko-kinematických parametrů pomocí IMU a EMG senzorů pro ergonomické posouzení rizik spojených s činností zvedání břemen.
Přehled studie
Detailní popis
Studie počítá s dobrovolným zařazením zdravých subjektů, s odkazem na léčebné kliniky pro patologické stavy související s prací (s výjimkou subjektů ve věku < 18 nebo > 65 let a subjektů s muskuloskeletálními nebo jinými probíhajícími patologickými stavy), aby provedli dva opakované testy zvedání .
Tyto dva testy jsou nastaveny tak, aby odpovídaly dvěma třídám rizika NIOSH (LI<1, NO RISK; a LI>1, RISK).
Senzory IMU poskytují bezdrátově řadu dat, ze kterých je zamýšleno extrahovat řadu funkcí (extrakce funkcí), které mají vysokou prediktivní schopnost, prostřednictvím techniky digitálního zpracování signálu s použitím vyhrazeného softwaru (tj.
Matlab, SPSS).
Ve druhém kroku budou do analýzy přidána data získaná z EMG senzorů.
Mezi různými algoritmy umělé inteligence bude výzkumník hledat ty, které jsou nejschopnější rozlišovat různé třídy rizika na základě parametrů extrahovaných ze signálů detekovaných během motorické úlohy.
Typ studie
Pozorovací
Zápis (Aktuální)
41
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 až 65 let (Dospělý, Starší dospělý)
Přijímá zdravé dobrovolníky
Ano
Metoda odběru vzorků
Vzorek nepravděpodobnosti
Studijní populace
zdravý dobrovolník odkazující na léčebné kliniky pro patologické stavy související s prací
Popis
Kritéria pro zařazení:
- zdravé subjekty
Kritéria vyloučení:
- subjekty s muskuloskeletálními patologiemi nebo jinými probíhajícími invalidizujícími patologiemi
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
Co je měření studie?
Primární výstupní opatření
Měření výsledku |
Popis opatření |
Časové okno |
|---|---|---|
|
Validace navržené strategie pro posouzení rizik zvedacích činností podle RNLE
Časové okno: první rok
|
stupeň přesnosti a AucRoc
|
první rok
|
Spolupracovníci a vyšetřovatelé
Zde najdete lidi a organizace zapojené do této studie.
Vyšetřovatelé
- Vrchní vyšetřovatel: Edda Capodaglio, PhD, ICS Maugeri IRCCS
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
- Donisi L, Cesarelli G, Capodaglio E, Panigazzi M, D'Addio G, Cesarelli M, Amato F. A Logistic Regression Model for Biomechanical Risk Classification in Lifting Tasks. Diagnostics (Basel). 2022 Oct 29;12(11):2624. doi: 10.3390/diagnostics12112624.
- Donisi L, Cesarelli G, Pisani N, Ponsiglione AM, Ricciardi C, Capodaglio E. Wearable Sensors and Artificial Intelligence for Physical Ergonomics: A Systematic Review of Literature. Diagnostics (Basel). 2022 Dec 5;12(12):3048. doi: 10.3390/diagnostics12123048.
- Donisi L, Capodaglio EM, Amitrano F, Cesarelli G, Pagano G, D'Addio G. A multiple linear regression approach to extimate lifted load from features extracted from inertial data. G Ital Med Lav Ergon. 2021 Dec;43(4):373-378.
- Donisi L, Cesarelli G, Coccia A, Panigazzi M, Capodaglio EM, D'Addio G. Work-Related Risk Assessment According to the Revised NIOSH Lifting Equation: A Preliminary Study Using a Wearable Inertial Sensor and Machine Learning. Sensors (Basel). 2021 Apr 7;21(8):2593. doi: 10.3390/s21082593.
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)
7. října 2010
Primární dokončení (Aktuální)
24. ledna 2022
Dokončení studie (Aktuální)
6. května 2022
Termíny zápisu do studia
První předloženo
2. března 2023
První předloženo, které splnilo kritéria kontroly kvality
17. března 2023
První zveřejněno (Aktuální)
21. března 2023
Aktualizace studijních záznamů
Poslední zveřejněná aktualizace (Aktuální)
28. prosince 2023
Odeslaná poslední aktualizace, která splnila kritéria kontroly kvality
21. prosince 2023
Naposledy ověřeno
1. prosince 2023
Více informací
Termíny související s touto studií
Klíčová slova
Další identifikační čísla studie
- 2475
Plán pro data jednotlivých účastníků (IPD)
Plánujete sdílet data jednotlivých účastníků (IPD)?
NE
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 .