Denne side blev automatisk oversat, og nøjagtigheden af ​​oversættelsen er ikke garanteret. Der henvises til engelsk version for en kildetekst.

Tilgængelig fjernrehabiliteringssystem til realtids biomekanisk overvågning

15. maj 2026 opdateret af: Mississippi State University

Udvikling og klinisk validering af et AI-baseret kamerasystem til realtids biomekanisk overvågning i øvre ekstremitetsrehabilitering

Denne undersøgelse evaluerer et nyt kamera-baseret system designet til at understøtte fjernrehabilitering ved at måle håndens og overkropens biomekanik i realtid. Mange patienter, der er ved at komme sig efter muskel- og skeletlidelser eller neurologiske tilstande, har brug for hyppig overvågning under rehabiliteringen, men regelmæssige klinikbesøg kan være vanskelige på grund af afstand, omkostninger eller begrænset adgang til specialiseret behandling. Nuværende telemedicinske tilgange er typisk afhængige af kvalitative vurderinger eller selvrapporteret feedback frem for objektive biomekaniske målinger.

Formålet med denne undersøgelse er at afgøre, om et computer vision-baseret system kan estimere biomekaniske parametre såsom ledvinkler, bevægelsesområde, muskelkraft og ledmoment med nøjagtighed ved kun at bruge et standardkamera. Systemet analyserer håndbevægelser ved hjælp af kunstig intelligens og biomekanisk modellering for at give realtidsmålinger under rehabiliteringsøvelser.

Deltagere vil udføre styrede håndbevægelsesopgaver, mens systemet optager video og ekstraherer anatomiske landemærker. Disse data vil blive brugt til at beregne biomekaniske parametre og vurdere, om systemet pålideligt kan overvåge rehabiliteringsfremskridt på afstand. Resultaterne vil hjælpe med at afgøre, om denne teknologi kan give klinikere objektive, kontinuerlige data til at understøtte personlig rehabilitering og forbedre patientresultater.

Studieoversigt

Detaljeret beskrivelse

Denne undersøgelse har til formål at udvikle og validere et kamera-baseret telerehabiliteringsplatform, der er i stand til at estimere biomekaniske parametre for den menneskelige hånd og overekstremitet i realtid. Muskuloskeletale og neurologiske tilstande kræver ofte kontinuerlig overvågning under rehabilitering, men mange patienter - især dem i landlige eller underbetjente regioner - har begrænset adgang til hyppige personlige terapisessioner. Eksisterende telemedicinske systemer er primært afhængige af subjektiv rapportering eller periodiske videokonsultationer og mangler ofte kvantitative biomekaniske målinger, der er nødvendige for præcis overvågning af genopretning.

Formålet med denne forskning er at evaluere, om computervision og biomekanisk modellering kan give nøjagtige, kvantitative målinger af ledbevægelse og kraft ved hjælp af et enkelt kamera. Den centrale hypotese er, at kunstig intelligens-algoritmer kan detektere anatomiske landemærker på hånden fra videodata og kombinere dem med mekaniske modelleringsteknikker til at estimere ledvinkler, drejningsmomenter og muskelkræfter i realtid. Kontinuerlig biomekanisk sporing kan give klinikere mulighed for bedre at overvåge rehabiliteringsfremskridt og foretage rettidige justeringer af terapiprotokoller.

Deltagere vil udføre standardiserede håndbevægelsesøvelser, mens videodata indsamles ved hjælp af et forbrugerkamera såsom et smartphone- eller laptopkamera. Computervisionalgoritmer vil identificere håndlandemærker og beregne ledkinematik. Disse målinger vil derefter blive integreret med invers dynamikmodellering for at estimere biomekaniske parametre inklusive ledmoment, bevægelsesomfang og kraftgenerering.

Undersøgelsen vil evaluere pålideligheden og validiteten af det foreslåede system ved at sammenligne de beregnede biomekaniske målinger med etablerede biomekaniske modeller og referencedatasæt. Nøgleresultater inkluderer nøjagtigheden af landemærkedetektion, pålideligheden af biomekanisk parameterestimering og gennemførligheden af fjernovervågning under rehabiliteringsøvelser.

Vellykket gennemførelse af denne undersøgelse vil demonstrere gennemførligheden af en lavpris, tilgængelig telerehabiliteringsplatform, der er i stand til at levere objektiv biomekanisk feedback til klinikere og patienter. Denne tilgang har potentiale til at forbedre adgangen til rehabiliteringsydelser, øge patientengagement og understøtte datadrevet klinisk beslutningstagning i fjernhelseindstillinger.

Undersøgelsestype

Interventionel

Tilmelding (Anslået)

40

Fase

  • Ikke anvendelig

Kontakter og lokationer

Dette afsnit indeholder kontaktoplysninger for dem, der udfører undersøgelsen, og oplysninger om, hvor denne undersøgelse udføres.

Studiekontakt

Studiesteder

    • Mississippi
      • Jackson, Mississippi, Forenede Stater, 39216
        • University of Mississippi Medical Center
        • Kontakt:
      • Starkville, Mississippi, Forenede Stater, 39759
        • Mississippi State University
        • Kontakt:
        • Ledende efterforsker:
          • Soroush Korivand, PhD

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

Beskrivelse

Inklusionskriterier:

  • Voksne i alderen 18 år eller derover.
  • Personer, der gennemgår eller er i gang med genoptræning af øvre ekstremitet eller hånd efter muskuloskeletale eller neurologiske skader eller operationer.
  • Evne til at udføre grundlæggende hånd- eller øvre-ekstremitetsbevægelsesopgaver, som kræves for genoptræningsøvelserne.
  • Evne til at forstå undersøgelsesinstruktioner og give informeret samtykke.

Eksklusionskriterier:

  • Alvorlig kognitiv svækkelse, der forhindrer forståelse af undersøgelsesprocedurerne.
  • Medicinske tilstande, der forhindrer sikkert deltagelse i hånd- eller øvre-ekstremitetsgenoptræningsøvelser.
  • Alvorlig synsskade, der forhindrer interaktion med det kamerabaserede overvågningssystem.
  • Deltagelse i en anden interventionsundersøgelse, der kan påvirke genoptræningsresultaterne.

Studieplan

Dette afsnit indeholder detaljer om studieplanen, herunder hvordan undersøgelsen er designet, og hvad undersøgelsen måler.

Hvordan er undersøgelsen tilrettelagt?

Design detaljer

  • Primært formål: Behandling
  • Tildeling: Randomiseret
  • Interventionel model: Parallel tildeling
  • Maskning: Ingen (Åben etiket)

Våben og indgreb

Deltagergruppe / Arm
Intervention / Behandling
Eksperimentel: Kamerabaseret Biomekanisk Overvågning (Intervention)
Deltagerne udfører standardiserede hånd-/overkropsrehabiliteringsøvelser, mens et AI-baseret kamerasystem estimerer ledmoment, muskelforce og bevægelsesområde i realtid. Klinikere kan bruge den biomekaniske feedback til at vejlede rehabiliteringsjusteringer i løbet af studieperioden på 6 uger.
Et single-kamera, computer vision og invers-dynamik modelleringssystem, der estimerer biomekaniske parametre (ledmoment, muskelkraft og bevægelsesomfang) fra video-baseret håndlandmærkesporing under genoptræningsøvelser.
Aktiv komparator: Standard Telehealth-rehabilitering (Kontrol)
Deltagerne modtager standard telemedicinsk rehabilitering med periodiske/ugentlige tjek og sædvanlig vejledning. Der gives ingen realtids kamera-baseret biomekanisk monitoreringsfeedback.
Deltagerne udfører standard genoptræningsøvelser og modtager rutinemæssig telehealth-opfølgning med klinikere i henhold til sædvanlige plejepraksisser. Der anvendes ikke noget kamera-baseret biomekanisk overvågningssystem under genoptræningsprocessen.

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Nøjagtighed af kamera-baseret ledmomentestimering
Tidsramme: Baseline vurderingssession
Nøjagtigheden af det AI-baserede kamerasystem til estimering af ledmoment under genoptræningsøvelser sammenlignet med guldstandard-dynamometermålinger. Nøjagtigheden vil blive evalueret ved hjælp af middel absolut procentuel fejl (MAPE) mellem estimerede momentværdier og reference-dynamometeraflæsninger.
Baseline vurderingssession
Korrelation mellem kamera-baserede og kliniske biomekaniske målinger
Tidsramme: Baseline vurderingssession
Overensstemmelse mellem biomekaniske parametre estimeret af det kamerabaserede system og referencekliniske målinger. Pearsons korrelationskoefficienter og Bland-Altman-analyse vil blive anvendt til at evaluere overensstemmelsen mellem estimeret ledmoment og guldstandardmålinger.
Baseline vurderingssession

Sekundære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Forbedring af grebstyrke
Tidsramme: Baseline, 3 uger og 6 uger
Ændring i håndstyrke målt med en klinisk dynamometer under genoptræningsprogrammet.
Baseline, 3 uger og 6 uger
Forbedring af bevægelighedsområde
Tidsramme: Baseline, 3 uger og 6 uger
Ændring i bevægelighed i hånd- og fingerled, målt ved standard klinisk goniometri under genoptræningsperioden.
Baseline, 3 uger og 6 uger
Funktionel genopretningstid
Tidsramme: Op til 6 uger
Tid, der kræves for, at deltagerne genvinder mindst 80 % af deres præ-skade håndfunktion baseret på kliniske funktionelle vurderinger.
Op til 6 uger
Patientoverholdelse af genoptræningsøvelser
Tidsramme: Op til 6 uger
Deltagerens overholdelse af de foreskrevne genoptræningsøvelser målt ved gennemførelsesprocenten af tildelte terapisessioner i studieperioden.
Op til 6 uger

Samarbejdspartnere og efterforskere

Det er her, du vil finde personer og organisationer, der er involveret i denne undersøgelse.

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 (Anslået)

1. juni 2026

Primær færdiggørelse (Anslået)

14. marts 2027

Studieafslutning (Anslået)

14. marts 2027

Datoer for studieregistrering

Først indsendt

5. marts 2026

Først indsendt, der opfyldte QC-kriterier

19. marts 2026

Først opslået (Faktiske)

25. marts 2026

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

19. maj 2026

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

15. maj 2026

Sidst verificeret

1. maj 2026

Mere information

Begreber relateret til denne undersøgelse

Andre undersøgelses-id-numre

  • MSU-UMMC-TELE-REHAB-001
  • U54GM115428 (U.S. NIH-bevilling/kontrakt)

Plan for individuelle deltagerdata (IPD)

Planlægger du at dele individuelle deltagerdata (IPD)?

UBESLUTET

IPD-planbeskrivelse

De-identificerede individuelle deltagerdata (IPD) fra dette studie kan deles efter rimelig anmodning efter studiet er afsluttet. Data, der skal deles, omfatter afledte biomekaniske parametre (f.eks. ledmoment, bevægelsesområde), sammendragspræstationsmål og tilhørende metadata, der er nødvendige for fortolkning.

Rå videodata vil ikke blive delt på grund af potentielle identifikationsproblemer. Alle delte data vil blive de-identificeret i overensstemmelse med institutionelle politikker og IRB-krav.

Adgang vil blive givet til kvalificerede forskere efter godkendelse af en dataanvendelsesaftale og til formål, der er i overensstemmelse med de oprindelige studieformål.

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 .

Kliniske forsøg med Postoperativ rehabilitering

Abonner