Strojové učení a modelování na základě 3D obrazu pro odhad tělesné hmotnosti a složení těla v reálném čase během neodkladné lékařské péče. Studium 1
15. prosince 2025 aktualizováno: Florida Atlantic University
Strojové učení a modelování na základě 3D obrazu pro odhad tělesné hmotnosti a složení těla v reálném čase během neodkladné lékařské péče. Studie 1 – Vytvořte model pomocí jediného snímku 3D kamery pacienta vleže na zádech k přesnému odhadu TBW, IBW a LBW.
Cílem této pozorovací studie je vytrénovat a ověřit 3D kamerový systém řízený umělou inteligencí k odhadu celkové tělesné hmotnosti, ideální tělesné hmotnosti a čisté tělesné hmotnosti u dospělých dobrovolníků mužů a žen všech věkových kategorií. Hlavní otázky, na které má tato studie odpovědět, jsou:
- Jakého stupně přesnosti odhadu hmotnosti můžeme dosáhnout pomocí systému odhadu hmotnosti 3D kamery řízeného umělou inteligencí?
- Je tato přesnost stejná u dospělých obou pohlaví, všech věkových kategorií a všech typů postavy (podváha, normální váha, nadváha)? Účastníci podstoupí některá antropometrická měření (výška, obvod paže, obvod váhy, obvod boků, naměřená hmotnost), DXA sken (pro měření štíhlé tělesné hmotnosti) a 3D zobrazení pomocí 3D kamery.
Nebudou žádné zásahy.
Přehled studie
Postavení
Staženo
Detailní popis
Tato studie je observační studie zaměřená na jediné centrum, která trénuje, interně ověřuje a testuje systém odhadu hmotnosti 3D kamery řízený umělou inteligencí.
Naší hypotézou je, že tento systém, pokud je použit v managementu akutně nemocných pacientů, bude schopen odhadnout celkovou tělesnou hmotnost, ideální tělesnou hmotnost a štíhlou tělesnou hmotnost přesněji než jiný současný systém péče.
K výcviku a testování systému budou využiti zdraví dobrovolníci.
Během jedné relace sběru dat v délce přibližně 30 minut budou zachycena základní antropometrická data, sken DXA a snímky 3D kamery dobrovolníků ležících na lékařských nosítkách.
Nebudou probíhat žádné zásahy ani sledování účastníků.
Shromážděná data budou použita k trénování algoritmu AI (založeného na umělých neuronových sítích) k odhadu hmotnosti pomocí jediného snímku hloubky.
Jakmile bude systém AI plně vyvinut, bude přesnost jeho odhadu hmotnosti vyhodnocena v nezávislém testovacím souboru dat.
Typ studie
Pozorovací
Kontakty a umístění
Tato část poskytuje kontaktní údaje pro ty, kteří studii provádějí, a informace o tom, kde se tato studie provádí.
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
- Dospělý
- Starší dospělý
Přijímá zdravé dobrovolníky
Ano
Metoda odběru vzorků
Vzorek nepravděpodobnosti
Studijní populace
Studenti, zaměstnanci a učitelé v areálu Boca Raton na Floridské atlantické univerzitě.
Popis
Kritéria zahrnutí:
- Každý ochotný dobrovolník.
Kritéria vyloučení:
- Účastníci s tělesnou hmotností přesahující kapacitu stroje DXA > 204 kg (450 liber);
- těhotné účastnice;
- Účastníci se zdravotním stavem, který by mohl studii zmást;
- Účastníci s jakýmkoliv kovovým chirurgickým implantátem;
- Účastníci, kteří v minulém týdnu podstoupili rentgenový snímek s kontrastem;
- Účastníci, kteří užívali vápníkové doplňky během 24 hodin před studií.
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 |
|---|---|---|
|
TBW odhad
Časové okno: Základní linie
|
Přesnost odhadu TBW pomocí 3D kamerového systému
|
Základní linie
|
|
Odhad IBW
Časové okno: Základní linie
|
Přesnost odhadu IBW pomocí 3D kamerového systému
|
Základní linie
|
|
LBW odhad
Časové okno: Základní linie
|
Přesnost odhadu LBW pomocí 3D kamerového systému
|
Základní linie
|
Sekundární výstupní opatření
Měření výsledku |
Popis opatření |
Časové okno |
|---|---|---|
|
Pohlavní přesnost
Časové okno: Základní linie
|
Rozdíl v přesnosti mezi muži a ženami
|
Základní linie
|
|
Přesnost související s věkem
Časové okno: Základní linie
|
Přesnost odhadu hmotnosti podle věkových skupin
|
Základní linie
|
|
Přesnost související s BMI
Časové okno: Základní linie
|
Přesnost odhadu hmotnosti podle podskupiny váhového stavu
|
Základní linie
|
Spolupracovníci a vyšetřovatelé
Zde najdete lidi a organizace zapojené do této studie.
Sponzor
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
- Wells M, Goldstein L. Appropriate Statistical Analysis and Data Reporting for Weight Estimation Studies. Pediatr Emerg Care. 2023 Jan 1;39(1):62-63. doi: 10.1097/PEC.0000000000002862. Epub 2022 Oct 1. No abstract available.
- Wells M, Goldstein LN, Cattermole G. Development and Validation of a Length- and Habitus-Based Method of Ideal and Lean Body Weight Estimation for Adults Requiring Urgent Weight-Based Medical Intervention. Eur J Drug Metab Pharmacokinet. 2022 Nov;47(6):841-853. doi: 10.1007/s13318-022-00796-3. Epub 2022 Sep 19.
- Wells M, Goldstein LN. Estimating Lean Body Weight in Adults With the PAWPER XL-MAC Tape Using Actual Measured Weight as an Input Variable. Cureus. 2022 Sep 17;14(9):e29278. doi: 10.7759/cureus.29278. eCollection 2022 Sep.
- Wells M, Goldstein LN, Alter SM, Solano JJ, Engstrom G, Shih RD. The accuracy of total body weight estimation in adults - A systematic review and meta-analysis. Am J Emerg Med. 2024 Feb;76:123-135. doi: 10.1016/j.ajem.2023.11.037. Epub 2023 Nov 29.
- Wells M, Goldstein LN, Wells T, Ghazi N, Pandya A, Furht B, Engstrom G, Jan MT, Shih R. Total body weight estimation by 3D camera systems: Potential high-tech solutions for emergency medicine applications? A scoping review. J Am Coll Emerg Physicians Open. 2024 Oct 4;5(5):e13320. doi: 10.1002/emp2.13320. eCollection 2024 Oct.
- Sonar VG, Jan MT, Wells M, Pandya A, Engstrom G, Shih R, Furht B. Estimating Body Volume and Height Using 3D Data. arxiv. 2024 September; 2410.02800
- Jan MT, Kumar A, Wells M, Pandya A, Engstrom G, Shih R, Furht B. Comprehensive Survey of Body Weight Estimation: Techniques, Datasets and Applications. Multimedia Tools and Applications. 2024 October
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)
1. července 2025
Primární dokončení (Odhadovaný)
30. června 2026
Dokončení studie (Odhadovaný)
30. června 2026
Termíny zápisu do studia
První předloženo
15. října 2024
První předloženo, které splnilo kritéria kontroly kvality
16. října 2024
První zveřejněno (Aktuální)
17. října 2024
Aktualizace studijních záznamů
Poslední zveřejněná aktualizace (Aktuální)
19. prosince 2025
Odeslaná poslední aktualizace, která splnila kritéria kontroly kvality
15. prosince 2025
Naposledy ověřeno
1. prosince 2025
Více informací
Termíny související s touto studií
Další relevantní podmínky MeSH
Další identifikační čísla studie
- 1791994(1)
Plán pro data jednotlivých účastníků (IPD)
Plánujete sdílet data jednotlivých účastníků (IPD)?
ANO
Popis plánu IPD
Data bodů cloudu 3D snímků budou na vyžádání sdílena.
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 .