- ICH GCP
- Yhdysvaltain kliinisten tutkimusten rekisteri
- Kliininen tutkimus NCT05366114
Visioon perustuva nivelten laajenemisen arviointi Ehlers Danlosin oireyhtymässä
Älypuhelinpohjaisen koneoppivan visuaalisen kuvantamissovelluksen toteutettavuuden arviointi perifeeristen nivelten hypervenittävyyden arvioimiseksi Ehlers Danlosin oireyhtymässä
Ehlers Danlosin oireyhtymä (EDS) on heterogeeninen ryhmä geneettisiä sairauksia, joilla on 13 tunnistettua alatyyppiä. Hypermobile EDS (hEDS), vaikka se on EDS:n yleisin alatyyppi, ei vielä sisällä tunnistettua geneettistä mutaatiota diagnostista vahvistusta varten. Yleistynyt nivelten yliliikkuvuus (GJH) on yksi hEDS:n tunnuspiirteistä. GJH:n mittauksessa käytetyn pisteytysjärjestelmän kuvasi Beighton. Beighton-pisteet lasketaan käyttämällä kaksijakoista pisteytysjärjestelmää yhdeksän nivelen venymisen arvioimiseksi. Jokainen nivel pisteytetään joko hyperliikkuviksi (pisteet = 1) tai ei-hypermobileiksi (pisteet = 0). Kokonaispistemäärä (Beighton-pistemäärä) voi vaihdella vähintään 0:n ja enintään 9:n välillä, korkeammat pisteet osoittavat suurempaa nivelten löysyyttä.
Vaikka Beighton-pisteiden käytössä on kohtalaista validiteettia ja arvioijien välistä vaihtelua, kliinikoiden laajalle levinneeseen ja johdonmukaiseen käyttöön liittyy edelleen useita haasteita. Jotkut kirjallisuudessa raportoiduista esteistä ovat:
i) Avoimissa, standardoimattomissa järjestelmissä näiden liitosten venyvyystestien suorittamismenetelmässä voi olla merkittäviä vaihteluita, mukaan lukien perusmittausten arviointi, ii) Johdonmukaisten ja vakiomittausvälineiden/-metodologian määrittäminen esim. goniometrin käyttö voi vaihdella suuresti iii) Arvioidaan raja-arvojen luotettavuus ja iv) Suoritetaan täydellinen arviointi ennen kuin potilaille tiedotetaan mahdollisesta GJH-positiivisuuden luokittelusta (matala spesifisyys ja alhainen positiivinen ennustava).
Testien epäasianmukainen toteuttaminen GJH:n arvioimiseksi johtaa GJH:n epätarkkuuteen ja mahdollisesti tahattomiin negatiivisiin seurauksiin väärän EDS-diagnoosin tekemisestä. Tämän tutkimuksen tavoitteena on luoda vankempi ja pätevämpi menetelmä nivelten liikkuvuuden mittaamiseen ja vähentää virheitä EDS-seulonnassa käyttämällä älypuhelinpohjaisia koneoppimissovellusjärjestelmiä nivelten venymisen mittaamiseen.
Projekti tulee:
i) Luo älypuhelimella toimiva visuaalinen kuvantamissovellus arvioimaan nivelten venyvyysmittausta, ii) Arvioi älypuhelinsovelluksen käyttökelpoisuutta kliinisessä ympäristössä mahdollisten EDS-potilaiden seulomiseen, iii) Määritä sovelluksen kelpoisuus verrattuna henkilökohtaiseen kliiniseen arviointiin korkea-asteen hoidon akateemisessa EDS-ohjelmassa. Jos älypuhelinsovellus onnistuu, se voisi auttaa standardoimaan potentiaalisten EDS-potilaiden hoidon tehokkaasti ja kustannustehokkaasti.
Tutkimuksen yleiskatsaus
Tila
Interventio / Hoito
Opintotyyppi
Ilmoittautuminen (Arvioitu)
Yhteystiedot ja paikat
Opiskelupaikat
-
-
Ontario
-
Toronto, Ontario, Kanada, M5G 2C4
- GoodHope EDS - Toronto General Hospital
-
-
Osallistumiskriteerit
Kelpoisuusvaatimukset
Opintokelpoiset iät
Hyväksyy terveitä vapaaehtoisia
Näytteenottomenetelmä
Tutkimusväestö
Kuvaus
Sisällyttämiskriteerit:
- Kaikki potilaat, jotka nähdään GoodHope EDS -klinikalla Toronto Generalissa, ovat oikeutettuja mukaan, riippumatta heidän esittämästä diagnoosista tai arvioinnin tuloksista.
Poissulkemiskriteerit:
- Potilaita, jotka eivät suostu osallistumaan, ei oteta mukaan (osallistujat voivat peruuttaa suostumuksensa milloin tahansa)
Opintosuunnitelma
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
- Havaintomallit: Vain tapaus
- Aikanäkymät: Poikkileikkaus
Kohortit ja interventiot
Ryhmä/Kohortti |
Interventio / Hoito |
|---|---|
|
Uusia potilaita GoodHope EDS -klinikalla Toronton yleissairaalassa
Kaikki EDS-klinikalla nähdyt potilaat ovat oikeutettuja mukaan, riippumatta heidän esittävästä diagnoosistaan tai arviointien tuloksista.
|
Interventiota ei käytetä.
Suostumuksen antaneille osallistujille otetaan videonauhoituksia nivelten liikaliikkuvuuden kokeen aikana, jotka analysoidaan myöhemmin
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Ennustetun kulman sopivuuden vertailu asennonestimointikirjastolla
Aikaikkuna: 4 kuukautta
|
Kehitettyjen koneoppimismallien suorituskykyä liikealueen ennustamiseen analysoidaan käytetyllä asennonestimointikirjastolla.
Tämä analyysi tehdään kahden ensimmäisen tiedonkeruukuukauden aikana kerättyjen tietojen osajoukolle.
Näitä tietoja käytetään asennonarviointikirjastojen valitsemiseen, joita käytetään koneoppimismalleja jalostettaessa.
|
4 kuukautta
|
|
Ennustetun kulman sovituksen vertailu liitoksen mukaan
Aikaikkuna: 1 vuosi
|
Jokaisen nivelen (selkäranka, polvi, nilkka, kyynärpää, olkapää, peukalo, viides sormi) liikealueen ennustamiseen kehitettyjen koneoppimismallien suorituskykyä analysoidaan erikseen kunkin nivelen osalta.
Tämä antaa käsityksen siitä, mitkä liitokset järjestelmä on tarkempi ennustamaan videon perusteella.
|
1 vuosi
|
|
Arvioi liikealueen ennusteen tarkkuus käyttämällä näköpohjaista dataa
Aikaikkuna: 1 vuosi
|
Videoilla koulutettuja koneoppimismalleja nivelten hyperliikkuvuusharjoituksia suorittavista henkilöistä kehitetään.
Niiden suorituskykyä verrataan asiantuntijakliinikon goniometrillä mittaamaan liikealueeseen.
|
1 vuosi
|
Yhteistyökumppanit ja tutkijat
Sponsori
Tutkijat
- Päätutkija: Nimish Mittal, MD, GoodHope Ehlers Danlos Syndrome Clinic, Toronto General Hospital
Julkaisuja ja hyödyllisiä linkkejä
Yleiset julkaisut
- 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/
Opintojen ennätyspäivät
Opi tärkeimmät päivämäärät
Opiskelun aloitus (Todellinen)
Ensisijainen valmistuminen (Arvioitu)
Opintojen valmistuminen (Arvioitu)
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Ensimmäinen Lähetetty (Todellinen)
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Viimeksi vahvistettu
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Muita asiaankuuluvia MeSH-ehtoja
- Patologiset prosessit
- Sydän-ja verisuonitaudit
- Verisuonisairaudet
- Ihosairaudet
- Sairaus
- Synnynnäiset poikkeavuudet
- Hematologiset sairaudet
- Hemorragiset häiriöt
- Geneettiset sairaudet, synnynnäiset
- Sidekudostaudit
- Hemostaattiset häiriöt
- Ihosairaudet, geneettiset
- Ihon poikkeavuudet
- Kollageenisairaudet
- Oireyhtymä
- Ehlers-Danlosin oireyhtymä
Muut tutkimustunnusnumerot
- 22-5073
Yksittäisten osallistujien tietojen suunnitelma (IPD)
Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?
IPD-suunnitelman kuvaus
Lääke- ja laitetiedot, tutkimusasiakirjat
Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta
Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta
Nämä tiedot haettiin suoraan verkkosivustolta clinicaltrials.gov ilman muutoksia. Jos sinulla on pyyntöjä muuttaa, poistaa tai päivittää tutkimustietojasi, ota yhteyttä register@clinicaltrials.gov. Heti kun muutos on otettu käyttöön osoitteessa clinicaltrials.gov, se päivitetään automaattisesti myös verkkosivustollemme .
Kliiniset tutkimukset Ehlers-Danlosin oireyhtymä
-
Cliniques universitaires Saint-Luc- Université...Valmis
-
University of CalgaryEi vielä rekrytointiaHypermobile Ehlers-Danlosin oireyhtymä | Hypermobile EDS (hEDS) | Hypermobiliteettityyppinen Ehlers-Danlosin oireyhtymä | HypermobiilispektrihäiriöKanada
-
ELewisUniversity of Massachusetts, LowellRekrytointiEhlers-Danlosin oireyhtymän hypermobiliteettityyppi (hEDS)Yhdysvallat
-
Baylor College of MedicineLopetettuHypermobile Ehlers-Danlosin oireyhtymä | Kivun arviointiYhdysvallat
-
Brigham and Women's HospitalNational Institutes of Health (NIH); Bernard Osher FoundationEi vielä rekrytointiaHypermobile EDS (hEDS) | Ehlers-Danlosin oireyhtymä (EDS) | HypermobiilispektrihäiriöYhdysvallat
-
Medical University of South CarolinaMUSC Blue Sky initiativeValmis
-
University Hospital, CaenValmisEhlers-Danlosin oireyhtymän hypermobiliteettityyppi (hEDS)Ranska
-
Medical College of WisconsinUniversity College, London; Indiana UniversityRekrytointiFunktionaaliset maha-suolikanavan häiriöt | Posturaalinen ortostaattinen takykardiaoireyhtymä | Hypermobile Ehlers-Danlosin oireyhtymä | Autonominen hermoston sairaus | Autonominen hermoston epätasapainoYhdysvallat
-
Medical University of South CarolinaValmisHypermobile Ehlers-Danlosin oireyhtymä | Ehlers-Danlosin oireyhtymä | HypermobiilispektrihäiriöYhdysvallat
-
Assistance Publique - Hôpitaux de ParisAventis PharmaceuticalsValmisEHLERS-DANLOS-SYNDROME, TYYPPI IV, AUTOSOMINEN dominoiva | CHROMOSOME 2q31.2 DELETION SYNDROME