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

Rehabilitation Assessment of Motor Function In Cerebral Palsy Using Explainable AI

1. Juni 2026 aktualisiert von: Riphah International University

Rehabilitation Assessment of Motor Function in Ambulatory Children With Cerebral Palsy Using Explainable Machine Learning

The goal of this observational study is to develop and validate an AI-based prediction model for functional mobility and gait outcomes in children with cerebral palsy using low-cost clinical and gait data collected in rehabilitation settings in Pakistan. The study aims to determine whether machine learning models can accurately predict mobility status, gait symmetry, and functional independence in ambulatory and non-ambulatory children with cerebral palsy.

The main questions it aims to answer are:

  • Can clinical and gait-related variables accurately predict functional mobility and gait outcomes in children with spastic cerebral palsy?
  • Can video-based assessment tools provide clinically useful data for AI-based rehabilitation assessment in low-resource settings?

Researchers will analyze clinical, functional, and gait data to identify patterns associated with mobility limitations and rehabilitation outcomes.

Participants will:

  • Undergo clinical and functional assessments, including measures of balance, mobility, posture, and functional independence.
  • Perform gait and movement tasks while data are collected using AI-based video analysis tools.
  • Participate in routine rehabilitation sessions while their movement and functional performance are recorded for analysis.
  • Provide demographic and clinical information relevant to cerebral palsy severity and functional status.

Studienübersicht

Status

Noch keine Rekrutierung

Bedingungen

Intervention / Behandlung

Detaillierte Beschreibung

Children with cerebral palsy (CP) commonly experience limitations in functional independence and mobility, which significantly affect participation and quality of life. Accurate assessment of these functional abilities is essential for rehabilitation planning, prognosis estimation, and monitoring treatment outcomes. However, conventional assessment methods largely depend on therapist observation and standardized clinical scales, which may be subjective, time-consuming, and less sensitive to complex interactions among clinical variables. In low-resource rehabilitation settings, the limited availability of advanced assessment technologies further restricts objective and data-driven clinical decision-making. Therefore, there is a growing need for innovative, accessible, and reliable approaches to improve rehabilitation assessment in children with CP.

The novelty of this study lies in the application of machine learning techniques to rehabilitation assessment of functional independence and mobility in children with cerebral palsy. Unlike traditional approaches that rely solely on isolated clinical interpretation, this study aims to integrate multiple clinical and functional parameters to identify predictive patterns associated with mobility and independence outcomes. The proposed approach introduces a data-driven and potentially more objective framework for rehabilitation assessment, supporting early identification of functional limitations and personalized intervention planning. Additionally, conducting this research in a low-resource context contributes further novelty by exploring the feasibility of implementing machine learning-based rehabilitation assessment tools in settings where advanced gait laboratories and expensive technologies are not readily available.

Studientyp

Beobachtungs

Einschreibung (Geschätzt)

200

Kontakte und Standorte

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

Studienkontakt

Studienorte

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

  • Kind
  • Erwachsene

Akzeptiert gesunde Freiwillige

Nein

Probenahmeverfahren

Nicht-Wahrscheinlichkeitsprobe

Studienpopulation

Children with cerebral palsy classified within Gross Motor Function Classification System (GMFCS) Levels I-III who are ambulatory with or without assistive devices and receiving routine physiotherapy rehabilitation. Participants from all cerebral palsy subtypes will be included for clinical, functional, and gait assessment related to AI-based evaluation of functional mobility and gait outcomes.

Beschreibung

Inclusion Criteria:

  • Age 4 to18 years
  • Diagnosed any motor type of cerebral palsy (spastic, dyskinetic, ataxic, mixed),)
  • GMFCS levels I -III (able to walk with or without an assistive device).
  • All participants must be able to ambulate at least 10 meters with or without an assistive device.
  • Capable of following simple verbal instructions.
  • Parental informed consent and child assent

Exclusion Criteria:

  • Recent orthopedic or neurosurgical interventions (<6 months).
  • Uncontrolled seizures affecting gait.
  • Non-ambulatory (GMFCS IV-V) or cognitive impairments preventing cooperation.

Studienplan

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

Wie ist die Studie aufgebaut?

Designdetails

Kohorten und Interventionen

Gruppe / Kohorte
Intervention / Behandlung
Ambulatory Children with Spastic Cerebral Palsy (GMFCS I-III)
Children diagnosed with spastic cerebral palsy who are ambulatory and classified within Gross Motor Function Classification System (GMFCS) Levels I to III. Participants will undergo clinical, functional, and gait assessments for AI-based prediction of functional mobility and gait outcomes
Sonstiges: AI-Based Functional Mobility and Gait Assessment
Participants will continue receiving their standard/routine physiotherapy rehabilitation program as prescribed by their treating therapist. The study will involve observational collection of clinical, functional, and gait-related data using standardized assessment tools, and AI-based video analysis. No additional therapeutic intervention will be administered specifically for research purposes.

Was misst die Studie?

Primäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
GMFM-66
Zeitfenster: Baseline to 6 months followup
GMFM (Gross Motor Function Measure) Reliability: Excellent. Internal consistency Cronbach's α ~0.997-1.00; intra- and inter-rater ICC ~0.994-0.999 (both GMFM-88 & GMFM-66) Validity: Construct and concurrent validity supported by strong correlations with related motor function classifications (e.g., GMFCS, PEDI mobility)
Baseline to 6 months followup
Markerless Gait Analysis
Zeitfenster: Baseline to 6 months

Gait videos will be processed using a validated markerless pose estimation framework (MediaPipe) Spatiotemporal and kinematic gait parameters will be extracted, including but not limited to:

  • Step length symmetry
  • Cadence
  • Stride time variability
  • Joint angle trajectories
  • Temporal asymmetry indices
Baseline to 6 months
Edinburgh visual gait scale (EVGS)
Zeitfenster: Baseline to 6 Months
Edinburgh visual gait scale (EVGS) EVGS can be a supportive tool that adds quantitative data instead of only qualitative assessment to a video only gait evaluation. Interobserver agreement is 60-90% and Kappa values are 0.18-0.85 for the 17 items in EVGS. Reliability is higher for distal segments (foot/ankle/knee 63-90%; trunk/pelvis/hip 60-76%). Agreement between EVGS and 3DGA is 52-73%.
Baseline to 6 Months
WeeFIM (Functional Independence Measure for Children)
Zeitfenster: Baseline to 6 months
WeeFIM (Functional Independence Measure for Children) Reliability: High internal consistency and ICCs (motor and cognitive scales) ~0.91-0.98 in children with cerebral palsy Validity: Construct and external validity supported (scale fits Rasch model expectations and correlates with related developmental measures)
Baseline to 6 months

Sekundäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
System usabiity scale (SUS)
Zeitfenster: 6 months
10 items likert scale questionnaire evaluating percieved usability and acceptability
6 months

Mitarbeiter und Ermittler

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

Sponsor

Riphah International University

Ermittler

  • Hauptermittler: Sidra Ghias, PhD* Rehab, Riphah International university Isalambad

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 (Geschätzt)

10. Juni 2026

Primärer Abschluss (Geschätzt)

30. Juni 2027

Studienabschluss (Geschätzt)

30. Dezember 2027

Studienanmeldedaten

Zuerst eingereicht

18. Mai 2026

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

1. Juni 2026

Zuerst gepostet (Tatsächlich)

5. Juni 2026

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Tatsächlich)

5. Juni 2026

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

1. Juni 2026

Zuletzt verifiziert

1. Juni 2026

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Schlüsselwörter

Andere Studien-ID-Nummern

  • RCRAHS-ISB/REC/PhD/011111

Plan für individuelle Teilnehmerdaten (IPD)

Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?

NEIN

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 Kinder mit Zerebralparese

Klinische Studien zur AI-Based Functional Mobility and Gait Assessment

Suchen Sie nach ähnlichen Studien

Sponsoren und Mitarbeiter

Krankheiten

Drogeninterventionen

CROs by country

CROs in Russia

Bedingungen

Seltene Krankheiten

Drogeninterventionen

Nahrungsergänzungsmittel

Sponsor / Mitarbeiter

Standorte

Abonnieren