- ICH GCP
- US Clinical Trials Registry
- Klinisk forsøg NCT00340561
Effekt af erfaring på kørepræstationer hos nye teenagebilister
Effekter af erfaring på kørselspræstationerne for begyndere teenagebilister
Denne undersøgelse vil evaluere nye teenagebilisters kørepræstationer og bestemme, i hvilket omfang uafhængig køreoplevelse forbedrer unge bilisters kørepræstationer. Ulykkesraten for motorkøretøjer er højest blandt nye teenagebilister, især i løbet af de første 6 måneder og 1.000 miles af uafhængig licenseret kørsel. Crash rates falder med erfaring, og denne undersøgelse vil vurdere effekten af køreoplevelse på præstationer.
Nyligt licenserede teenagere i alderen 16 år, 3 måneder til 17 år og erfarne chauffører i alderen 30 til 50 år kan være berettiget til denne undersøgelse. Kandidater skal være i stand til at køre lovligt i Commonwealth of Virginia og have mindst 20/40 korrigerbart syn.
Deltagerne udfylder et spørgeskema om deres helbred og køreoplevelse. De testes derefter på en køreprøvebane. Teenagere testes inden for 3 uger efter at have fået deres kørekort, og før de har mere end 100 miles af selvstændig køreerfaring. De testes en anden gang 6 til 12 måneder senere, og efter at de har mere end 1.000 miles af køreerfaring. En gruppe erfarne voksne chauffører bliver også testet for at give en sammenligning.
Køreprøven udføres på en smart vej - en kontrolleret, 2,2-mil to-sporet forskningsbane ved Virginia Tech Transportation Institute. Den er designet til sikkerhed, med begrænset adgang, intet for et køretøj at ramme, omhyggeligt placerede autoværn og andre sikkerhedsfunktioner. Forskningskøretøjet er udstyret med airbags, blokeringsfri bremser og andet sikkerhedsudstyr. Den har også sensorer og små videokameraer til at vurdere køretøjets og førerens adfærd; dette udstyr forstyrrer ikke betjeningen af køretøjet.
En eksperimentator ledsager føreren og instruerer ham eller hende i at udføre rutinemæssige kørefærdigheder, såsom at stoppe, skifte vognbane og holde hastigheden, såvel som til andre opgaver, såsom at indsætte en cd i en underholdningskonsol, have en samtale og besvare en mobiltelefon telefon opkald. Chaufføren har mulighed for at øve opgaverne, inden han bliver testet.
Førerens hastighed er begrænset til 35 km/t eller derunder under forsøget, og føreren er forpligtet til at bære sikkerhedsseler og følge sikre kørselsprocedurer. Eksperimentatoren er på det forreste passagersæde kan stoppe køretøjet ved hjælp af en separat bremsepedal.
Studieoversigt
Status
Betingelser
Detaljeret beskrivelse
Undersøgelsestype
Tilmelding
Kontakter og lokationer
Studiesteder
-
-
Maryland
-
Bethesda, Maryland, Forenede Stater, 20892
- National Institute of Child Health and Human Development (NICHD)
-
-
Deltagelseskriterier
Berettigelseskriterier
Aldre berettiget til at studere
Tager imod sunde frivillige
Køn, der er berettiget til at studere
Beskrivelse
- INKLUSIONSKRITERIER:
Rekruttering af teen-deltagere vil ske efter aftale med lokale køreskoler i Montgomery County, VA.
Potentielle deltagere på 16 eller 17 år, som har haft deres kørekort i en måned eller mindre, kan være berettigede.
Deltagere kan rekrutteres under deres træning og vil kun være berettigede, når de har opfyldt alle krav til licens, og efter både forældres samtykke og teenagers samtykke er opnået.
Hvis teenageren ønsker at deltage, skal de have deres forælder eller værge til at tale med VTTI-eksperimentatoren over telefonen til screening og derefter ledsage teenageren ved en aftale, så undersøgelsen kan forklares og give samtykke og samtykke.
Erfarne voksne chauffører vil blive rekrutteret via en-sides rekrutteringsfoldere, der beskriver undersøgelsen, der er udgivet i Blacksburg, VA-området.
Efter at en aftale er lavet, vil en telefonscreening finde sted ved hjælp af telefonførerscreeningen og demografiske spørgeskema til at vurdere alder, køn, medicinsk og kørehistorie.
Studieplan
Hvordan er undersøgelsen tilrettelagt?
Samarbejdspartnere og efterforskere
Publikationer og nyttige links
Datoer for undersøgelser
Studer store datoer
Studiestart
Studieafslutning
Datoer for studieregistrering
Først indsendt
Først indsendt, der opfyldte QC-kriterier
Først opslået (Skøn)
Opdateringer af undersøgelsesjournaler
Sidste opdatering sendt (Skøn)
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
Sidst verificeret
Mere information
Begreber relateret til denne undersøgelse
Nøgleord
Andre undersøgelses-id-numre
- 999905070
- 05-CH-N070
Disse oplysninger blev hentet direkte fra webstedet clinicaltrials.gov uden ændringer. Hvis du har nogen anmodninger om at ændre, fjerne eller opdatere dine undersøgelsesoplysninger, bedes du kontakte register@clinicaltrials.gov. Så snart en ændring er implementeret på clinicaltrials.gov, vil denne også blive opdateret automatisk på vores hjemmeside .
Kliniske forsøg med Læring
-
Kırıkkale UniversityTilmelding efter invitationÅndelig omsorg | Flipped Learning ModelTyrkiet (Türkiye)
-
Hand & Reconstructive MicrosurgeryAfsluttetMasselæring, Spaced Learning, Mikrokirurgi
-
National Taiwan University HospitalRekrutteringDyb læring | Ammende | Mechine Learning | Kunstig intelligens (AI)Taiwan
-
RenJi HospitalIkke rekrutterer endnuAnvendelse af kunstig intelligens Deep Learning-teknologi i magnetisk resonans lumbal billeddannelseDeep Learning, Lumbal Magnetic Resonance Imaging
-
Cairo UniversityIkke rekrutterer endnuEndodonti | AI (kunstig intelligens) | Deep Learning Model | Perforering | Missede kanaler | Endodontisk genbehandling | Non-surgical Retreatment | DIFFICULTY ASSESSMENT | SEPARATED INSTRUMENT | Poor Obturation | Obturation Quality
-
HITEC-Institute of Medical SciencesAfsluttetOSCE (Objective Structured Clinical Examination) | TBL (Team Based Learning) | Undervisning af kliniske færdigheder til medicinske studerendePakistan
-
Seoul National University Bundang HospitalIkke rekrutterer endnuSlagvolumen variation | Pulstrykvariation | Deep Learning Model | Arterielle bølgerefleksioner | Perifer veneKorea, Republikken
-
Fenerbahce UniversityIkke rekrutterer endnuSkulderdystoci-træning med AI-understøttet flipped learning i jordemoderuddannelsenTyrkiet (Türkiye)
-
Yang ChaonanIkke rekrutterer endnuRisikofaktorer | Kritisk syge patienter | Trykskade | Machine Learning Algoritmer
-
University of ZurichRekrutteringForudsigelse af slagtilfældeudfald understøttet af Deep Learning AlgorithmSchweiz