Diese Seite wurde automatisch übersetzt und die Genauigkeit der Übersetzung wird nicht garantiert. Bitte wende dich an die englische Version für einen Quelltext.

SCHÄTZUNG DES GLEICHGEWICHTSSTATUS BEI HEMIPARETISCHEN

5. Juni 2020 aktualisiert von: Güzin Kara, Pamukkale University

SCHÄTZUNG DES GLEICHGEWICHTSSTATUS BEI PATIENTEN MIT HEMIPARASE: EINE IMPLEMENTIERUNG EINES KÜNSTLICHEN NEURALEN NETZES

Obwohl der Balance Evaluation Systems Test (BESTest) ein wichtiges Instrument zur Beurteilung des Gleichgewichts ist, um Gleichgewichtsdefizite zu unterscheiden, ist er für Hemiparese-Patienten zeitaufwändig und ermüdend. Die Verwendung künstlicher neuronaler Netze (KNNs) zur Schätzung des Gleichgewichtszustands kann ein praktisches und nützliches Werkzeug für Kliniker sein. Das Ziel dieser Studie war es, manuelle BESTest-Ergebnisse und ANNs-Vorhersageergebnisse zu vergleichen und die höchsten Beiträge von BESTest-Abschnitten unter Verwendung von ANNs-Vorhersageergebnissen von BESTest-Abschnitten zu bestimmen. 66 hemiparetische Personen wurden in die Studie eingeschlossen. Der Gleichgewichtszustand wurde mit dem BESTest bewertet. 70 % (n=46) des Datensatzes wurden zum Lernen verwendet, 15 % (n=10) zur Auswertung und 15 % (n=10) zu Testzwecken, um KNNs zu modellieren. Zum Vergleich mit KNNs wurde ein multiples lineares Regressionsmodell (MLR) verwendet.

Studienübersicht

Status

Abgeschlossen

Bedingungen

Intervention / Behandlung

Detaillierte Beschreibung

Die demografischen und klinischen Informationen der Teilnehmer wurden aufgezeichnet. Klinische Informationen bestehen aus einigen grundlegenden medizinischen Daten für die Patienten. Der Hodkinson Mental Test wurde verwendet, um den kognitiven Status der Teilnehmer zu beurteilen, wenn sie die Einschlusskriterien erfüllten. Der Balance Evaluation Systems Test wurde verwendet, um den Gleichgewichtszustand der Teilnehmer zu beurteilen.

In dieser Studie wurden Feed-Forward-Back-Propagation-ANNs unter Verwendung des Levenberg-Marquardt-Trainingsalgorithmus verwendet. In der verborgenen Schicht wurden tangentiale hyperbolische Übertragungsfunktionen verwendet. Bei der KNN-Modellierung wurde Matlab (Version R2017b, Mathworks Inc, USA) verwendet. 70 % (n=46), 15 % (n=10) und 15 % (n=10) der von den Teilnehmern erhaltenen Daten wurden jeweils für Training, Validierung und Test in der Studie verwendet. Multiple lineare Regressionsmodelle (MLR) wurden auch verwendet, um mit KNNs zu vergleichen.

Zunächst wurden die KNNs für das erste Ziel der Studie modelliert. Wir haben die Daten der fünf traditionellen Gleichgewichtstests im BESTest verwendet, die nicht die realen Werte (das Timing oder die Distanz), sondern nur die klassifizierten Werte (0-3 Punkte im BESTest) verwendet haben, um KNNs zu trainieren. Fünf Gleichgewichtstests waren der funktionale Reichweitentest (cm), der einbeinige Stehtest für die rechte und linke Seite (Sek.), der 6-Meter-Gehtest (Sek.) und der zeitgesteuerte Gehtest (Sek.). Dann vergleichen wir die manuellen BESTest-Gesamtergebnisse mit den von den ANNs vorhergesagten Ergebnissen.

Zweitens haben wir nacheinander 6 Abschnitte des BESTest entfernt und mit den verbleibenden 5 Abschnitten des Tests modelliert, um die BESTest-Gesamtpunktzahl zu schätzen. Nach dieser Modellierung haben wir im ersten Abschnitt jedes Element einzeln entfernt und die Gesamtpunktzahl für den ersten Abschnitt geschätzt. Wir haben den Vorgang für alle Abschnitte des BESTest wiederholt.

Statistische Analyse

Studientyp

Beobachtungs

Einschreibung (Tatsächlich)

66

Teilnahmekriterien

Forscher suchen nach Personen, die einer bestimmten Beschreibung entsprechen, die als Auswahlkriterien bezeichnet werden. Einige Beispiele für diese Kriterien sind der allgemeine Gesundheitszustand einer Person oder frühere Behandlungen.

Zulassungskriterien

Studienberechtigtes Alter

31 Jahre bis 61 Jahre (Erwachsene, Älterer Erwachsener)

Akzeptiert gesunde Freiwillige

Nein

Studienberechtigte Geschlechter

Alle

Probenahmeverfahren

Nicht-Wahrscheinlichkeitsprobe

Studienpopulation

Sechsundsechzig Freiwillige mit Hemiparese (23 Frauen, 43 Männer) nahmen an der Studie teil. Der Teilnehmer wird über das Recht informiert, seine Einwilligung jederzeit zu widerrufen. Vor Abgabe der unterschriebenen Zustimmung alle darüber informieren.

Beschreibung

Einschlusskriterien:

  • Alter zwischen 35-65 Jahren,
  • selbstständig oder mit Gehhilfe gehen können,
  • Mindestens 1 Minute selbstständig stehen können,
  • eine einzelne Hemiparese haben,
  • Beim Hodkinson Mental Test mindestens 8 Punkte erreichen.

Ausschlusskriterien:

  • Komorbiditäten haben, die ihr Gleichgewicht beeinträchtigen,
  • Kommunikationsprobleme haben.
  • Patienten, die die ihnen gegebenen Anweisungen nicht verstehen konnten, wurden von der Studie ausgeschlossen.

Studienplan

Dieser Abschnitt enthält Einzelheiten zum Studienplan, einschließlich des Studiendesigns und der Messung der Studieninhalte.

Wie ist die Studie aufgebaut?

Designdetails

  • Beobachtungsmodelle: Sonstiges
  • Zeitperspektiven: Querschnitt

Was misst die Studie?

Primäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Waagen-Bewertungssystem-Test (BESTest)
Zeitfenster: 2 Jahre
Biomechanische Einschränkungen, Stabilitätsgrenzen/Vertikalität, vorausschauende Haltungsanpassungen, Haltungsreaktionen, sensorische Orientierung und Gangstabilität
2 Jahre
Modellierung künstlicher neuronaler Netze
Zeitfenster: 2 Jahre
Vergleichen der manuellen BESTest-Gesamtpunktzahlen mit den von den ANNs vorhergesagten Punktzahlen
2 Jahre
Modellierung künstlicher neuronaler Netze
Zeitfenster: 2 Jahre
Bestimmen der höchsten Beiträge von BESTest-Teilmengen, um ANNs-Vorhersageergebnisse von BESTest-Teilmengen zu finden.
2 Jahre

Mitarbeiter und Ermittler

Hier finden Sie Personen und Organisationen, die an dieser Studie beteiligt sind.

Sponsor

Pamukkale University

Ermittler

  • Hauptermittler: Güzin Kara, PhD, PT, Pamukkale University

Publikationen und hilfreiche Links

Die Bereitstellung dieser Publikationen erfolgt freiwillig durch die für die Eingabe von Informationen über die Studie verantwortliche Person. Diese können sich auf alles beziehen, was mit dem Studium zu tun hat.

Allgemeine Veröffentlichungen

Studienaufzeichnungsdaten

Diese Daten verfolgen den Fortschritt der Übermittlung von Studienaufzeichnungen und zusammenfassenden Ergebnissen an ClinicalTrials.gov. Studienaufzeichnungen und gemeldete Ergebnisse werden von der National Library of Medicine (NLM) überprüft, um sicherzustellen, dass sie bestimmten Qualitätskontrollstandards entsprechen, bevor sie auf der öffentlichen Website veröffentlicht werden.

Haupttermine studieren

Studienbeginn (Tatsächlich)

31. Juli 2016

Primärer Abschluss (Tatsächlich)

31. Mai 2018

Studienabschluss (Tatsächlich)

31. Mai 2018

Studienanmeldedaten

Zuerst eingereicht

2. Juni 2020

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

5. Juni 2020

Zuerst gepostet (Tatsächlich)

9. Juni 2020

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Tatsächlich)

9. Juni 2020

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

5. Juni 2020

Zuletzt verifiziert

1. Juni 2020

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Schlüsselwörter

Zusätzliche relevante MeSH-Bedingungen

Andere Studien-ID-Nummern

  • 60116787-020/5431

Plan für individuelle Teilnehmerdaten (IPD)

Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?

Nein

Diese Informationen wurden ohne Änderungen direkt von der Website clinicaltrials.gov abgerufen. Wenn Sie Ihre Studiendaten ändern, entfernen oder aktualisieren möchten, wenden Sie sich bitte an register@clinicaltrials.gov. Sobald eine Änderung auf clinicaltrials.gov implementiert wird, wird diese automatisch auch auf unserer Website aktualisiert .

Klinische Studien zur Test von Gleichgewichtsbewertungssystemen

Suchen Sie nach ähnlichen Studien

Sponsoren und Mitarbeiter

Krankheiten

Drogeninterventionen

CROs by country

CROs in France

Bedingungen

Seltene Krankheiten

Drogeninterventionen

Nahrungsergänzungsmittel

Sponsor / Mitarbeiter

Standorte

Abonnieren