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

Sturzrisikobewertung mit hybriden maschinellen Lern- und Deep-Learning-Ansätzen und einer neuartigen Posturographie

1. April 2022 aktualisiert von: National Taiwan University Hospital
Der Zweck dieses Projekts besteht darin, eine neuartige Posturographie basierend auf HTC VIVE-Trackern und hybriden maschinellen Lern- und Deep-Learning-Algorithmen zu kombinieren, um eine Reihe einfacher, bequemer und gültiger Tools zur Bewertung des Sturzrisikos zu etablieren. Diese Beobachtungs- und Folgestudie richtet sich an ältere Menschen über 60 Jahre. Die Ermittler werden demografische Daten, Fragebogenerhebungen, traditionelle Gleichgewichtstests und die Tracker-basierte Posturographie sammeln, um die Rumpfstabilitätsparameter bei verschiedenen Stehaufgaben zu erhalten. Das Sturzrisiko wird anhand der selbstberichteten Stürze im letzten Jahr klassifiziert und in einem 6-monatigen Follow-up überprüft. Die Forscher werden die Leistung verschiedener hybrider maschineller Lern- und Deep-Learning-Algorithmen bewerten, um die wichtigen Merkmale mehrerer posturografischer Parameter zu extrahieren und ein optimales Modell auszuwählen. Die Ermittler werden die Receiver-Operating-Characteristic-Curve-Analyse verwenden, um die Sensitivität, Spezifität und Genauigkeit verschiedener Algorithmen zur Risikoklassifizierung zu berechnen und auch die Leistung mit herkömmlichen Instrumenten zur Bilanzbewertung zu vergleichen.

Studienübersicht

Status

Noch keine Rekrutierung

Bedingungen

Detaillierte Beschreibung

Der Zweck dieses Projekts besteht darin, eine neuartige Posturographie basierend auf HTC VIVE-Trackern und hybriden maschinellen Lern- und Deep-Learning-Algorithmen zu kombinieren, um eine Reihe einfacher, bequemer und gültiger Tools zur Bewertung des Sturzrisikos zu etablieren. Diese Beobachtungs- und Folgestudie richtet sich an ältere Menschen über 60 Jahre. Die Ermittler werden demografische Daten, Fragebögen, traditionelle Gleichgewichtstests (Berg-Balance-Skala, Timed-up-and-go, 30s-Sit-to-Stand, vierstufige Gleichgewichtstests) und eine Tracker-basierte Posturographie sammeln, um den Rumpf zu erhalten Stabilitätsparameter bei verschiedenen Stehaufgaben. Das Sturzrisiko wird anhand der selbstberichteten Stürze im letzten Jahr klassifiziert und in einem 6-Monats-Follow-up verifiziert.

Die Forscher werden die Leistung verschiedener hybrider maschineller Lern- und Deep-Learning-Algorithmen bewerten, um die wichtigen Merkmale mehrerer posturografischer Parameter zu extrahieren und ein optimales Modell auszuwählen. Die Ermittler werden die Receiver-Operating-Characteristic-Curve-Analyse verwenden, um die Sensitivität, Spezifität und Genauigkeit verschiedener Algorithmen zur Risikoklassifizierung zu berechnen und auch die Leistung mit herkömmlichen Instrumenten zur Bilanzbewertung zu vergleichen. Die Ermittler werden die Korrelation dieser posturographischen Merkmale und Daten auswerten, die durch andere Methoden erhalten wurden. Risikofaktoren früherer Stürze und zukünftiger Stürze werden ebenfalls analysiert.

Studientyp

Beobachtungs

Einschreibung (Voraussichtlich)

500

Kontakte und Standorte

Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.

Studienkontakt

Studieren Sie die Kontaktsicherung

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

60 Jahre und älter (Erwachsene, Älterer Erwachsener)

Akzeptiert gesunde Freiwillige

Nein

Studienberechtigte Geschlechter

Alle

Probenahmeverfahren

Nicht-Wahrscheinlichkeitsprobe

Studienpopulation

Gemeinschaftlich lebende Altersgruppe

Beschreibung

Einschlusskriterien:

  • kann im Haushalt ohne Gerät selbstständig gehen

Ausschlusskriterien:

  • mit unheilbarer Krankheit
  • mit kognitiver Beeinträchtigung, verbalen Anweisungen zu folgen
  • mit neurologischen Erkrankungen, die mit Beinschwäche verbunden sind
  • mit erheblicher Sehbehinderung, die das tägliche Leben und Gehen beeinträchtigt

Studienplan

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

Wie ist die Studie aufgebaut?

Designdetails

  • Beobachtungsmodelle: Kohorte
  • Zeitperspektiven: Interessent

Was misst die Studie?

Primäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Anzahl der Herbstereignisse
Zeitfenster: 6 Monate
selbst berichtete Sturzereignisse gemäß einem Follow-up-Fragebogen und definiert als plötzliche, unfreiwillige Übertragung des Körpers auf den Boden und auf einer niedrigeren Ebene als die vorherige
6 Monate

Mitarbeiter und Ermittler

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

Sponsor

National Taiwan University Hospital

Mitarbeiter

National Taiwan University Hospital, Yun-Lin Branch
National Yunlin University of Science and Technology

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 (Voraussichtlich)

1. April 2022

Primärer Abschluss (Voraussichtlich)

1. Juni 2023

Studienabschluss (Voraussichtlich)

1. Dezember 2023

Studienanmeldedaten

Zuerst eingereicht

24. März 2022

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

1. April 2022

Zuerst gepostet (Tatsächlich)

4. April 2022

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Tatsächlich)

4. April 2022

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

1. April 2022

Zuletzt verifiziert

1. März 2022

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Schlüsselwörter

Andere Studien-ID-Nummern

  • 202112114RINA

Arzneimittel- und Geräteinformationen, Studienunterlagen

Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt

Nein

Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt

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 Herbst

Suchen Sie nach ähnlichen Studien

Sponsoren und Mitarbeiter

Krankheiten

Drogeninterventionen

CROs by country

CROs in Congo, DR of

Bedingungen

Seltene Krankheiten

Drogeninterventionen

Nahrungsergänzungsmittel

Sponsor / Mitarbeiter

Standorte

Abonnieren