MUSCLE-ML: Multimodale Integration von Muskelkraft und -struktur durch maschinelles Lernen für Präzisionsrehabilitation nach Kreuzbandverletzung
MUSCLE-ML: Multimodale Integration von Muskelkraft und -struktur durch maschinelles Lernen für präzise Rehabilitation nach ACL-Verletzungen
Das Ziel dieser klinischen Studie ist es, maschinelles Lernen (ML) einzusetzen, um die funktionelle Genesung vorherzusagen, indem muskelspezifische Faktoren und andere relevante Parameter integriert werden, um Nicht-Ansprechende auf konventionelle Rehabilitation zu identifizieren. Die Hauptfragen, die beantwortet werden sollen, sind:
Führen Defizit-Cluster zu einer schlechteren funktionellen Genesung im Vergleich zu Nicht-Defizit-Clustern? Übertrifft ein ML-abgeleiteter zusammengesetzter Score, der Quadrizeps/Hamstring-Kraft und -Größe integriert, isolierte Metriken bei der Vorhersage des RTP-Erfolgs?
Forscher werden Defizit-Cluster mit Nicht-Defizit-Clustern vergleichen, um festzustellen, ob Defizit-Cluster zu einer schlechteren funktionellen Genesung führen.
Teilnehmer werden:
Für insgesamt 5 Nachuntersuchungszeitpunkte zurückkehren, um PRO- und funktionelle Bewertungen durchzuführen, einschließlich vor der Operation, 1, 3, 6 und 12 Monate nach der Operation.
Studienübersicht
Status
Bedingungen
Intervention / Behandlung
Studientyp
Einschreibung (Geschätzt)
Kontakte und Standorte
Studienkontakt
- Name: muriel XIAO
- Telefonnummer: (852)35053311
- E-Mail: lingqingxiao@cuhk.edu.hk
Teilnahmekriterien
Zulassungskriterien
Studienberechtigtes Alter
- Kind
- Erwachsene
- Älterer Erwachsener
Akzeptiert gesunde Freiwillige
Probenahmeverfahren
Studienpopulation
Beschreibung
Einschlusskriterien:
- Einseitige ACL-Verletzung und Planung für eine ACLR
- Verpflichtung zur postoperativen Physiotherapie im Prince of Wales Hospital
Ausschlusskriterien:
- Präoperative radiologische Anzeichen von Arthritis
- Patientennichtbefolgung des Rehabilitationsprogramms
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
Kohorten und Interventionen
Gruppe / Kohorte |
Intervention / Behandlung |
|---|---|
|
Defizitgruppe
|
kein Eingriff
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Zeitfenster |
|---|---|
|
International Knee Documentation Committee Score
Zeitfenster: 6 und 12 Monate nach der Operation
|
6 und 12 Monate nach der Operation
|
Mitarbeiter und Ermittler
Sponsor
Ermittler
- Hauptermittler: Shu Hang YUNG, Chinese University of Hong Kong
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Geschätzt)
Primärer Abschluss (Geschätzt)
Studienabschluss (Geschätzt)
Studienanmeldedaten
Zuerst eingereicht
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst gepostet (Tatsächlich)
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Zuletzt verifiziert
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Andere Studien-ID-Nummern
- 2025.374
- 23241901 (Andere Zuschuss-/Finanzierungsnummer: Health and Medical Research Fund)
Arzneimittel- und Geräteinformationen, Studienunterlagen
Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt
Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt
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 .