- ICH GCP
- Registro de ensayos clínicos de EE. UU.
- Ensayo clínico NCT05366114
Evaluación basada en la visión de la extensibilidad articular en el síndrome de Ehlers Danlos
Evaluación de la viabilidad de una aplicación de imágenes visuales de aprendizaje automático basada en teléfonos inteligentes para la evaluación de la hiperextensibilidad de las articulaciones periféricas en el síndrome de Ehlers Danlos
El síndrome de Ehlers Danlos (SED) es un grupo heterogéneo de trastornos genéticos con 13 subtipos identificados. Hypermobile EDS (hEDS), aunque el subtipo más común de EDS, aún no tiene una mutación genética identificada para la confirmación del diagnóstico. La hiperlaxitud articular generalizada (GJH) es una de las características distintivas de hEDS. Beighton describió el sistema de puntuación utilizado en la medición de GJH. La puntuación de Beighton se calcula utilizando un sistema de puntuación dicotómico para evaluar la extensibilidad de nueve articulaciones. Cada articulación se califica como hipermóvil (puntuación = 1) o no hipermóvil (puntuación = 0). La puntuación total (puntuación de Beighton) puede variar entre un mínimo de 0 y un máximo de 9, siendo las puntuaciones más altas las que indican una mayor laxitud articular.
Si bien existe una validez moderada y una variabilidad entre evaluadores en el uso de la puntuación de Beighton, sigue habiendo varios desafíos con su aplicación generalizada y consistente por parte de los médicos. Algunas de las barreras reportadas en la literatura incluyen:
i) En sistemas abiertos, no estandarizados, puede haber una variación significativa en el método para realizar estas pruebas de extensibilidad conjunta, incluida la evaluación de las mediciones de referencia, ii) Determinar herramientas/metodologías de medición uniformes y estándar, p. el uso del goniómetro puede variar ampliamente iii) Evaluar la confiabilidad de los valores de corte y iv) Realizar una evaluación completa antes de informar a los pacientes sobre la posible clasificación de positividad de GJH (especificidad baja y predictivo positivo bajo).
La implementación inadecuada de pruebas para evaluar GJH da como resultado una identificación inexacta de GJH y consecuencias negativas potencialmente no deseadas de hacer un diagnóstico incorrecto de EDS. El objetivo de este estudio es crear un método más sólido y válido para medir la movilidad articular y reducir el error en la detección de EDS mediante el uso de sistemas de aplicación de aprendizaje automático basados en teléfonos inteligentes para medir la extensibilidad articular.
El proyecto:
i) Crear una aplicación de imágenes visuales habilitada para teléfonos inteligentes para evaluar la medición de la extensibilidad articular, ii) Evaluar la viabilidad de usar la aplicación para teléfonos inteligentes en un entorno clínico para detectar pacientes potenciales con SED, iii) Determinar la validez de la aplicación en comparación con la evaluación clínica en persona en un programa EDS académico de atención terciaria. Si tiene éxito, la aplicación para teléfonos inteligentes podría ayudar a estandarizar la atención de los posibles pacientes con EDS de una manera eficiente y rentable.
Descripción general del estudio
Estado
Condiciones
Intervención / Tratamiento
Tipo de estudio
Inscripción (Estimado)
Contactos y Ubicaciones
Ubicaciones de estudio
-
-
Ontario
-
Toronto, Ontario, Canadá, M5G 2C4
- GoodHope EDS - Toronto General Hospital
-
-
Criterios de participación
Criterio de elegibilidad
Edades elegibles para estudiar
Acepta Voluntarios Saludables
Método de muestreo
Población de estudio
Descripción
Criterios de inclusión:
- Todos los pacientes atendidos en la clínica GoodHope EDS en Toronto General son elegibles para su inclusión, independientemente de su diagnóstico actual o los resultados de sus evaluaciones.
Criterio de exclusión:
- No se incluirán los pacientes que no consientan en participar (los participantes pueden retirar el consentimiento en cualquier momento)
Plan de estudios
¿Cómo está diseñado el estudio?
Detalles de diseño
- Modelos observacionales: Solo caso
- Perspectivas temporales: Transversal
Cohortes e Intervenciones
Grupo / Cohorte |
Intervención / Tratamiento |
---|---|
Nuevos pacientes en la clínica GoodHope EDS en el Toronto General Hospital
Todos los pacientes atendidos en la clínica EDS son elegibles para su inclusión, independientemente de su diagnóstico actual o los resultados de sus evaluaciones.
|
No se utilizará ninguna intervención.
A los participantes que den su consentimiento se les tomarán grabaciones de video durante su examen de hiperlaxitud articular que se analizarán más adelante.
|
¿Qué mide el estudio?
Medidas de resultado primarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
---|---|---|
Comparación de la concordancia en el ángulo predicho por biblioteca de estimación de pose
Periodo de tiempo: 4 meses
|
El rendimiento de los modelos de aprendizaje automático desarrollados para predecir el rango de movimiento será analizado por la biblioteca de estimación de pose utilizada.
Este análisis se realizará en el subconjunto de los datos recopilados durante los primeros 2 meses de recopilación de datos.
Esta información se usará para seleccionar las bibliotecas de estimación de poses con las que proceder al refinar los modelos de aprendizaje automático.
|
4 meses
|
Comparación de la concordancia en el ángulo predicho por articulación
Periodo de tiempo: 1 año
|
El rendimiento de los modelos de aprendizaje automático desarrollados para predecir el rango de movimiento en cada articulación (columna vertebral, rodilla, tobillo, codo, hombro, pulgar, meñique) se analizará de forma independiente para cada articulación.
Esto proporcionará información con respecto a qué articulaciones el sistema es más preciso al predecir a partir del video.
|
1 año
|
Evalúe la precisión de la predicción del rango de movimiento utilizando datos basados en la visión
Periodo de tiempo: 1 año
|
Se desarrollarán modelos de aprendizaje automático entrenados en videos de personas que realizan las maniobras de hiperlaxitud articular.
Su rendimiento se comparará con el rango de movimiento medido por un médico experto utilizando un goniómetro.
|
1 año
|
Colaboradores e Investigadores
Patrocinador
Investigadores
- Investigador principal: Nimish Mittal, MD, GoodHope Ehlers Danlos Syndrome Clinic, Toronto General Hospital
Publicaciones y enlaces útiles
Publicaciones Generales
- Critical Care Services Ontario, Ehlers-Danlos Syndrome Expert Panel Report, 2016. https://www.health.gov.on.ca/en/common/ministry/publications/reports/eds/Default.aspx.
- Cahill SV, Sharkey MS, Carter CW. Clinical assessment of generalized ligamentous laxity using a single test: is thumb-to-forearm apposition enough? J Pediatr Orthop B. 2021 May 1;30(3):296-300. doi: 10.1097/BPB.0000000000000732.
- He K, Gkioxari G, Dollár P, Girshick R. Mask R-CNN. In: Proceedings of the IEEE international conference on computer vision. 2017. p. 2961-9.
- Cao Z, Hidalgo G, Simon T, Wei SE, Sheikh Y. OpenPose: Realtime Multi-Person 2D Pose Estimation Using Part Affinity Fields. IEEE Trans Pattern Anal Mach Intell. 2021 Jan;43(1):172-186. doi: 10.1109/TPAMI.2019.2929257. Epub 2020 Dec 4.
- Fang H-S, Xie S, Tai Y-W, Lu C. RMPE: Regional Multi-person Pose Estimation. 2016 Nov 30; Available from: http://arxiv.org/abs/1612.00137
- Lin T-Y, Maire M, Belongie S, Bourdev L, Girshick R, Hays J, et al. Microsoft COCO: Common Objects in Context. 2014 May 1; Available from: http://arxiv.org/abs/1405.0312
- Andriluka M, Pishchulin L, Gehler P, Schiele B. 2D Human Pose Estimation: New Benchmark and State of the Art Analysis. In: 2014 IEEE Conference on Computer Vision and Pattern Recognition. 2014. p. 3686-93
- Lugaresi C, Tang J, Nash H, McClanahan C, Uboweja E, Hays M, et al. MediaPipe: A Framework for Building Perception Pipelines. 2019 Jun 14; Available from: https://arxiv.org/abs/1906.08172
- Zhang F, Bazarevsky V, Vakunov A, Tkachenka A, Sung G, Chang C-L, et al. MediaPipe Hands: On-device Real-time Hand Tracking. 2020 Jun 17; Available from: http://arxiv.org/abs/2006.10214
- Mehdizadeh S, Nabavi H, Sabo A, Arora T, Iaboni A, Taati B. Concurrent validity of human pose tracking in video for measuring gait parameters in older adults: a preliminary analysis with multiple trackers, viewing angles, and walking directions. J Neuroeng Rehabil. 2021 Sep 15;18(1):139. doi: 10.1186/s12984-021-00933-0.
- Sabo A, Mehdizadeh S, Ng KD, Iaboni A, Taati B. Assessment of Parkinsonian gait in older adults with dementia via human pose tracking in video data. J Neuroeng Rehabil. 2020 Jul 14;17(1):97. doi: 10.1186/s12984-020-00728-9.
- Lu M, Zhao Q, Poston KL, Sullivan EV, Pfefferbaum A, Shahid M, Katz M, Kouhsari LM, Schulman K, Milstein A, Niebles JC, Henderson VW, Fei-Fei L, Pohl KM, Adeli E. Quantifying Parkinson's disease motor severity under uncertainty using MDS-UPDRS videos. Med Image Anal. 2021 Oct;73:102179. doi: 10.1016/j.media.2021.102179. Epub 2021 Jul 21.
- Williams S, Zhao Z, Hafeez A, Wong DC, Relton SD, Fang H, Alty JE. The discerning eye of computer vision: Can it measure Parkinson's finger tap bradykinesia? J Neurol Sci. 2020 Sep 15;416:117003. doi: 10.1016/j.jns.2020.117003. Epub 2020 Jun 30.
- Ota M, Tateuchi H, Hashiguchi T, Kato T, Ogino Y, Yamagata M, Ichihashi N. Verification of reliability and validity of motion analysis systems during bilateral squat using human pose tracking algorithm. Gait Posture. 2020 Jul;80:62-67. doi: 10.1016/j.gaitpost.2020.05.027. Epub 2020 May 25.
- Slembrouck M, Luong H, Gerlo J, Schütte K, Van Cauwelaert D, De Clercq D, et al. Multiview 3d Markerless Human Pose Estimation from Openpose Skeletons. In: International Conference on Advanced Concepts for Intelligent Vision Systems. Springer; 2020. p. 166-78.
- Wang H, Xie Z, Lu L, Li L, Xu X. A computer-vision method to estimate joint angles and L5/S1 moments during lifting tasks through a single camera. J Biomech. 2021 Dec 2;129:110860. doi: 10.1016/j.jbiomech.2021.110860. Epub 2021 Nov 8.
- Yahya M, Shah JA, Warsi A, Kadir K, Khan S, Izani M. Real time elbow angle estimation using single RGB camera. 2018 Aug 21; Available from: https://arxiv.org/abs/1808.07017
- Shi B, Brentari D, Shakhnarovich G, Livescu K. Fingerspelling Detection in American Sign Language. In: Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2021. p. 4166-75
- Kim I-H, Jung I-H. A Study on Korea Sign Language Motion Recognition Using OpenPose Based on Deep Learning. 디지털콘텐츠학회논문지 (Journal of Digital Contents Society). 2021;22(4):681-7.
- Levy HP. Hypermobile Ehlers-Danlos Syndrome. 2004 Oct 22 [updated 2018 Jun 21]. In: Adam MP, Feldman J, Mirzaa GM, Pagon RA, Wallace SE, Bean LJH, Gripp KW, Amemiya A, editors. GeneReviews(R) [Internet]. Seattle (WA): University of Washington, Seattle; 1993-2023. Available from http://www.ncbi.nlm.nih.gov/books/NBK1279/
Fechas de registro del estudio
Fechas importantes del estudio
Inicio del estudio (Actual)
Finalización primaria (Estimado)
Finalización del estudio (Estimado)
Fechas de registro del estudio
Enviado por primera vez
Primero enviado que cumplió con los criterios de control de calidad
Publicado por primera vez (Actual)
Actualizaciones de registros de estudio
Última actualización publicada (Actual)
Última actualización enviada que cumplió con los criterios de control de calidad
Última verificación
Más información
Términos relacionados con este estudio
Palabras clave
Términos MeSH relevantes adicionales
- Procesos Patológicos
- Enfermedades cardiovasculares
- Enfermedades Vasculares
- Enfermedades de la piel
- Enfermedad
- Anomalías congénitas
- Enfermedades hematológicas
- Trastornos hemorrágicos
- Enfermedades Genéticas Congénitas
- Enfermedades del tejido conectivo
- Trastornos hemostáticos
- Enfermedades De La Piel Genéticas
- Anomalías de la piel
- Enfermedades del colágeno
- Síndrome
- Síndrome de Ehlers-Danlos
Otros números de identificación del estudio
- 22-5073
Plan de datos de participantes individuales (IPD)
¿Planea compartir datos de participantes individuales (IPD)?
Descripción del plan IPD
Información sobre medicamentos y dispositivos, documentos del estudio
Estudia un producto farmacéutico regulado por la FDA de EE. UU.
Estudia un producto de dispositivo regulado por la FDA de EE. UU.
Esta información se obtuvo directamente del sitio web clinicaltrials.gov sin cambios. Si tiene alguna solicitud para cambiar, eliminar o actualizar los detalles de su estudio, comuníquese con register@clinicaltrials.gov. Tan pronto como se implemente un cambio en clinicaltrials.gov, también se actualizará automáticamente en nuestro sitio web. .
Ensayos clínicos sobre Síndrome de Ehlers-Danlos
-
Cliniques universitaires Saint-Luc- Université...Terminado
-
Assistance Publique - Hôpitaux de ParisMinistry of Health, FranceTerminadoSíndrome de Ehlers-Danlos, tipo vascularFrancia
-
University Health Network, TorontoInscripción por invitaciónSíndrome de hipermovilidad de Ehlers-Danlos | Síndrome de Ehlers-Danlos | Síndrome de Ehlers-Danlos vascular | EDS hipermóvil (hEDS) | EDS | Síndrome de Ehlers-Danlos clásico | EDS clásico (cEDS) | SED vascular (vEDS)Canadá
-
Institut National de la Santé Et de la Recherche...Reclutamiento
-
Acer Therapeutics Inc.ReclutamientoSíndrome de Ehlers-Danlos vascularEstados Unidos
-
Baylor College of MedicineSouthern Star Research Pty Ltd.Aún no reclutandoSíndrome de Ehlers-Danlos vascularEstados Unidos
-
Aytu BioPharma, Inc.ParexelSuspendidoSíndrome de Ehlers-Danlos vascularEstados Unidos
-
Bispebjerg HospitalTerminadoSíndrome de Ehlers-Danlos, ClásicoDinamarca
-
Medical University of South CarolinaReclutamientoSíndrome de hipermovilidad de Ehlers-Danlos | Síndrome de Ehlers-Danlos | Trastorno del espectro hipermóvilEstados Unidos
-
University GhentTerminadoSíndrome de hipermovilidad de Ehlers-Danlos | Síndrome de hipermovilidad | Subluxación multidireccional de hombroBélgica