Tämä sivu käännettiin automaattisesti, eikä käännösten tarkkuutta voida taata. Katso englanninkielinen versio lähdetekstiä varten.

Tarkoituksen tunnistaminen proteesin hallinnassa

maanantai 9. syyskuuta 2024 päivittänyt: Georgia Institute of Technology

Käyttäjästä riippumaton aikomusten tunnistus moottorikäyttöisessä transfemoraalisessa proteesissa

Tässä työssä keskitytään uusiin sähköisten proteesien algoritmeihin ja niiden testaamiseen ihmiskokeissa. Henkilöt, joilla on polven yläpuolella amputaatio, kävelevät robottiproteesin kanssa ja liikkuvat maastossa, joka simuloi yhteisön liikkumista. Tutkimuksessa verrataan edistyneen algoritmin suorituskykyä heidän kotiin vietävään laitteeseen sekä robottijärjestelmään, joka ei käytä kehittynyttä algoritmia.

Tutkimuksen yleiskatsaus

Tila

Valmis

Ehdot

Yksityiskohtainen kuvaus

Tämän työn keskiössä on ehdotettu uusi tekoäly (AI) -järjestelmä, joka mukauttaa itse tarkoituksentunnistusjärjestelmän tehostetuissa proteeseissa auttamaan sellaisten tarkoituksentunnistusjärjestelmien käyttöönottoa, jotka mukautuvat yksittäisen potilaan kävelyyn. Tutkijat olettavat, että itsesopeutuvaa tarkoituksentunnistusjärjestelmäämme käyttävä proteesi parantaa kävelynopeutta. Itsenäisen yhteisön liikkumisen tiedetään olevan haastavampaa henkilöille, joilla on transfemoraalinen amputaatio (TFA), joten tutkimuksessa mitataan itsevalittua kävelynopeutta (SSWS), joka korreloi yleisen terveyden kanssa ja ennustaa toiminnallista riippuvuutta, liikkumisvammaa ja putoaa; Lisäksi hidas SSWS korreloi huonompaan elämänlaatuun (QOL), vähentyneeseen osallistumiseen ja masennuksen oireisiin. Itsesopeutuvalla tarkoituksentunnistuksella on suuri potentiaali palauttaa kävelyä yhteisön ympäristöissä ja parantaa ruumiillistumaa, mikä on yhdistetty parempaan elämänlaatuun ja lisääntyneeseen laitteen käyttöön potilailla, jotka käyttävät kehittyneitä yläraajaproteesia. Tässä kokeessa TFA-potilaat sopivat robottipolvi/nilkkaproteesiin ja jatkavat kävelyä radan yli sisältäen tasaisen kävelyn, ramppinousun ja ramppilaskumisen vaihtelevilla asteilla ja nopeuksilla, kun taas tutkijat tallentavat 3D-biomekaniikan ja valmistumisajat sekä itsesopeutuva että staattinen käyttäjäriippumaton järjestelmä (ohjausehto). Kolmas ehto, potilaan kliinisesti määrätty passiivinen proteettinen laite (jokapäiväisessä käytössä) testataan toimimaan lähtökohtana tehostetulle teknologialle. Tutkijat odottavat itsesopeutuvan järjestelmän oppivan parhaan ennusteen potilaan ainutlaatuisesta kävelystä, mikä johtaa toiminnallisiin ja potilaiden raportoimiin tuloksiin verrattuna kontrolli- ja perusolosuhteisiin.

Opintotyyppi

Interventio

Ilmoittautuminen (Todellinen)

10

Vaihe

  • Ei sovellettavissa

Yhteystiedot ja paikat

Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.

Opiskelupaikat

    • Georgia
      • Atlanta, Georgia, Yhdysvallat, 30332
        • Exoskeleton and Prosthetic Intelligent Controls Lab

Osallistumiskriteerit

Tutkijat etsivät ihmisiä, jotka sopivat tiettyyn kuvaukseen, jota kutsutaan kelpoisuuskriteereiksi. Joitakin esimerkkejä näistä kriteereistä ovat henkilön yleinen terveydentila tai aiemmat hoidot.

Kelpoisuusvaatimukset

Opintokelpoiset iät

18 vuotta - 75 vuotta (Aikuinen, Vanhempi Aikuinen)

Hyväksyy terveitä vapaaehtoisia

Ei

Kuvaus

Sisällyttämiskriteerit:

  • Alaraajan yksipuolinen transfemoraalinen amputaatio
  • Ikäraja 18-75 vuotta mukaan lukien
  • K3- tai K4-tason ambulaattorit, jotka pystyvät suorittamaan kaikki mielenkiinnon kohteena olevat liikkumistehtävät (fysiatrin ja/tai proteesilääkärin arvion perusteella)

Poissulkemiskriteerit:

  • Henkilöt, joilla on jokin merkittävä hermo-lihas- tai tuki- ja liikuntaelinhäiriö tai muu samanaikainen sairaus, joka häiritsisi osallistumista (perustuu fysioterapeutin ja/tai proteesilääkärin ja potilaan omaan ilmoitukseen)
  • Henkilöt, jotka ovat tällä hetkellä raskaana (potilaan itseraportin perusteella) pienen putoamisriskin vuoksi kokeiden aikana

Opintosuunnitelma

Tässä osiossa on tietoja tutkimussuunnitelmasta, mukaan lukien kuinka tutkimus on suunniteltu ja mitä tutkimuksella mitataan.

Miten tutkimus on suunniteltu?

Suunnittelun yksityiskohdat

  • Ensisijainen käyttötarkoitus: Perustiede
  • Jako: Ei käytössä
  • Inventiomalli: Yksittäinen ryhmätehtävä
  • Naamiointi: Ei mitään (avoin tarra)

Aseet ja interventiot

Osallistujaryhmä / Arm
Interventio / Hoito
Kokeellinen: Älykäs robottipolvi/nilkkaproteesi
Tämä tutkimus suoritetaan otospopulaatiolla henkilöistä, joilla on transfemoraalinen amputaatio (yksi käsi). Jokainen osallistuja testaa jokaisella tutkimuksen ehdolla (toistuvat mittaukset).
Interventio on kokeellinen robottipolvi/nilkkaproteesi, jonka tiimi on aiemmin kehittänyt. Sitä käytetään parantamaan kävelyn suorituskykyä.

Mitä tutkimuksessa mitataan?

Ensisijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Maan päällä itse valittu kävelynopeus
Aikaikkuna: 1 päivä
Tämä mittaa yksilöiden suosiman maanpäällisen kävelynopeuden, joka osoittaa heidän fyysisen kykynsä laitteen kanssa.
1 päivä

Toissijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Maan päällä kävelynopeuden keskimääräinen absoluuttinen virhe (MAE)
Aikaikkuna: 1 päivä
Tämä on virhe, jolla edistyneen proteesiohjaimemme mikroprosessoriin upotettu koneoppimismalli ennustaa käyttäjän kävelynopeuden maan päällä. Tarkemmin sanottuna keskimääräinen absoluuttinen virhe (MAE) lasketaan ennustetun kävelynopeuden ja todellisen kävelynopeuden välillä tai nopeuden, jolla käyttäjä todella kävelee. Maan totuusmittaukset mitataan liikkeensieppausjärjestelmällä ja otetaan massanopeuden keskipisteeksi. Kävelynopeusennusteet tehdään 50 ms:n välein ja niitä verrataan lähimpään massakeskipisteen nopeuteen. Tässä mittauksessa pienemmät kävelynopeuden MAE-arvot osoittavat suurempaa tarkkuutta käyttäjän todellisen kävelynopeuden määrittämisessä ja siten pienemmät luvut osoittavat parantuneen tuloksen.
1 päivä
Juoksumaton kävelynopeuden keskimääräinen absoluuttinen virhe (MAE)
Aikaikkuna: 1 päivä
Tämä on virhe, jolla kehittyneen proteesiohjaimemme mikroprosessoriin upotettu koneoppimismalli ennustaa käyttäjän kävelynopeuden juoksumatolla. Tarkemmin sanottuna keskimääräinen absoluuttinen virhe (MAE) lasketaan ennustetun kävelynopeuden ja todellisen kävelynopeuden välillä tai nopeuden, jolla käyttäjä todella kävelee. Totuusmittaukset mitataan juoksumaton todellisella nopeudella (juoksumattokokeissa). Kävelynopeusennusteet tehdään 50 ms:n välein ja niitä verrataan lähimpään massakeskipisteen nopeuteen. Tässä mittauksessa pienemmät kävelynopeuden MAE-arvot osoittavat suurempaa tarkkuutta käyttäjän todellisen kävelynopeuden määrittämisessä ja siten pienemmät luvut osoittavat parantuneen tuloksen.
1 päivä

Yhteistyökumppanit ja tutkijat

Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.

Tutkijat

  • Päätutkija: Aaron Young, Ph.D., Georgia Institute of Technology

Opintojen ennätyspäivät

Nämä päivämäärät seuraavat ClinicalTrials.gov-sivustolle lähetettyjen tutkimustietueiden ja yhteenvetojen edistymistä. National Library of Medicine (NLM) tarkistaa tutkimustiedot ja raportoidut tulokset varmistaakseen, että ne täyttävät tietyt laadunvalvontastandardit, ennen kuin ne julkaistaan ​​julkisella verkkosivustolla.

Opi tärkeimmät päivämäärät

Opiskelun aloitus (Todellinen)

Perjantai 1. syyskuuta 2023

Ensisijainen valmistuminen (Todellinen)

Torstai 23. toukokuuta 2024

Opintojen valmistuminen (Todellinen)

Torstai 23. toukokuuta 2024

Opintoihin ilmoittautumispäivät

Ensimmäinen lähetetty

Torstai 8. syyskuuta 2022

Ensimmäinen toimitettu, joka täytti QC-kriteerit

Torstai 8. syyskuuta 2022

Ensimmäinen Lähetetty (Todellinen)

Tiistai 13. syyskuuta 2022

Tutkimustietojen päivitykset

Viimeisin päivitys julkaistu (Todellinen)

Keskiviikko 2. lokakuuta 2024

Viimeisin lähetetty päivitys, joka täytti QC-kriteerit

Maanantai 9. syyskuuta 2024

Viimeksi vahvistettu

Torstai 1. elokuuta 2024

Lisää tietoa

Tähän tutkimukseen liittyvät termit

Avainsanat

Muut tutkimustunnusnumerot

  • H21117
  • DP2HD111709 (Yhdysvaltain NIH-apuraha/sopimus)

Yksittäisten osallistujien tietojen suunnitelma (IPD)

Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?

EI

Lääke- ja laitetiedot, tutkimusasiakirjat

Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta

Ei

Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta

Joo

Yhdysvalloissa valmistettu ja sieltä viety tuote

Ei

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 .

Tilaa