Machine Learning og 3D-billedbaseret modellering til estimering af kropsvægt og kropssammensætning i realtid under akut medicinsk behandling. Studie 1
15. december 2025 opdateret af: Florida Atlantic University
Machine Learning og 3D-billedbaseret modellering til estimering af kropsvægt og kropssammensætning i realtid under akut medicinsk behandling. Undersøgelse 1 - Etabler en model ved hjælp af et enkelt 3D-kamerabillede af en patient på liggende position til nøjagtigt at estimere TBW, IBW og LBW.
Målet med denne observationsundersøgelse er at træne og validere et AI-drevet 3D-kamerasystem til at estimere total kropsvægt, ideal kropsvægt og slank kropsvægt hos mandlige og kvindelige voksne frivillige i alle aldre. De vigtigste spørgsmål, som denne undersøgelse sigter mod at besvare er:
- Hvilken grad af nøjagtighed af vægtestimering kan vi opnå med et AI-drevet 3D kamera vægtestimeringssystem?
- Er denne nøjagtighed den samme hos voksne af begge køn, alle aldre og alle kropstyper (undervægtige, normalvægtige, overvægtige)? Deltagerne vil gennemgå nogle antropometriske målinger (højde, omkreds midt på armen, vægtomkreds, hofteomkreds, målt vægt), en DXA-scanning (for at måle slank kropsvægt) og 3D-billeddannelse ved hjælp af et 3D-kamera.
Der vil ikke være nogen indgreb.
Studieoversigt
Status
Trukket tilbage
Detaljeret beskrivelse
Denne undersøgelse er et enkelt-center observationsstudie for at træne, internt validere og teste et AI-drevet 3D-kameravægtestimeringssystem.
Vores hypotese er, at dette system, når det bruges til behandling af akut syge patienter, vil være i stand til at estimere total kropsvægt, ideal kropsvægt og mager kropsvægt mere præcist end andre nuværende point-of-care-systemer.
Raske frivillige vil blive brugt til at træne og teste systemet.
Under en enkelt dataindsamlingssession på cirka 30 minutter vil antropometriske baseline-data, en DXA-scanning og 3D-kamerabilleder af frivillige, der ligger på en medicinsk båre, blive fanget.
Der vil ikke være indgreb, og ingen opfølgning af deltagere.
De indsamlede data vil blive brugt til at træne en AI-algoritme (baseret på kunstige neurale netværk) til at estimere vægt ved hjælp af et enkelt dybdebillede.
Når AI-systemet er fuldt udviklet, vil nøjagtigheden af dets vægtestimeringsydelse blive evalueret i et uafhængigt testdatasæt.
Undersøgelsestype
Observationel
Kontakter og lokationer
Dette afsnit indeholder kontaktoplysninger for dem, der udfører undersøgelsen, og oplysninger om, hvor denne undersøgelse udføres.
Deltagelseskriterier
Forskere leder efter personer, der passer til en bestemt beskrivelse, kaldet berettigelseskriterier. Nogle eksempler på disse kriterier er en persons generelle helbredstilstand eller tidligere behandlinger.
Berettigelseskriterier
Aldre berettiget til at studere
- Voksen
- Ældre voksen
Tager imod sunde frivillige
Ja
Prøveudtagningsmetode
Ikke-sandsynlighedsprøve
Studiebefolkning
Studerende, ansatte og fakulteter på Boca Raton campus ved Florida Atlantic University.
Beskrivelse
Inklusionskriterier:
- Enhver frivillig frivillig.
Ekskluderingskriterier:
- Deltagere med en kropsvægt, der overstiger DXA-maskinens kapacitet >204 kg (450 lbs);
- Gravide deltagere;
- Deltagere med medicinske tilstande, der kunne forvirre undersøgelsen;
- Deltagere med metalliske kirurgiske implantater;
- Deltagere, der har fået foretaget et røntgenbillede med kontrast i den seneste uge;
- Deltagere, der har taget calciumtilskud i de 24 timer forud for undersøgelsen.
Studieplan
Dette afsnit indeholder detaljer om studieplanen, herunder hvordan undersøgelsen er designet, og hvad undersøgelsen måler.
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
Hvad måler undersøgelsen?
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
TBW estimering
Tidsramme: Baseline
|
Nøjagtighed af TBW-estimering ved hjælp af 3D-kamerasystem
|
Baseline
|
|
IBW estimering
Tidsramme: Baseline
|
Nøjagtighed af IBW-estimering ved hjælp af 3D-kamerasystem
|
Baseline
|
|
LBW estimering
Tidsramme: Baseline
|
Nøjagtighed af LBW-estimering ved hjælp af 3D-kamerasystem
|
Baseline
|
Sekundære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Kønsrelateret nøjagtighed
Tidsramme: Baseline
|
Forskel i nøjagtighed mellem hanner og hunner
|
Baseline
|
|
Aldersrelateret nøjagtighed
Tidsramme: Baseline
|
Nøjagtighed af vægtestimering efter aldersgruppe
|
Baseline
|
|
BMI-relateret nøjagtighed
Tidsramme: Baseline
|
Nøjagtighed af vægtestimering efter undergruppe af vægtstatus
|
Baseline
|
Samarbejdspartnere og efterforskere
Det er her, du vil finde personer og organisationer, der er involveret i denne undersøgelse.
Sponsor
Publikationer og nyttige links
Den person, der er ansvarlig for at indtaste oplysninger om undersøgelsen, leverer frivilligt disse publikationer. Disse kan handle om alt relateret til undersøgelsen.
Generelle publikationer
- 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
Datoer for undersøgelser
Disse datoer sporer fremskridtene for indsendelser af undersøgelsesrekord og resumeresultater til ClinicalTrials.gov. Studieregistreringer og rapporterede resultater gennemgås af National Library of Medicine (NLM) for at sikre, at de opfylder specifikke kvalitetskontrolstandarder, før de offentliggøres på den offentlige hjemmeside.
Studer store datoer
Studiestart (Faktiske)
1. juli 2025
Primær færdiggørelse (Anslået)
30. juni 2026
Studieafslutning (Anslået)
30. juni 2026
Datoer for studieregistrering
Først indsendt
15. oktober 2024
Først indsendt, der opfyldte QC-kriterier
16. oktober 2024
Først opslået (Faktiske)
17. oktober 2024
Opdateringer af undersøgelsesjournaler
Sidste opdatering sendt (Faktiske)
19. december 2025
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
15. december 2025
Sidst verificeret
1. december 2025
Mere information
Begreber relateret til denne undersøgelse
Yderligere relevante MeSH-vilkår
Andre undersøgelses-id-numre
- 1791994(1)
Plan for individuelle deltagerdata (IPD)
Planlægger du at dele individuelle deltagerdata (IPD)?
JA
IPD-planbeskrivelse
Cloud-punktdata fra 3D-billeder deles efter anmodning.
Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter
Studerer et amerikansk FDA-reguleret lægemiddelprodukt
Ingen
Studerer et amerikansk FDA-reguleret enhedsprodukt
Ingen
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 .