- ICH GCP
- Yhdysvaltain kliinisten tutkimusten rekisteri
- Kliininen tutkimus NCT05777304
Puettavat anturit ja koneoppiminen biomekaanisten riskien arviointiin nostotehtävissä
torstai 21. joulukuuta 2023 päivittänyt: Edda Capodaglio, Istituti Clinici Scientifici Maugeri SpA
Puettavat anturit ja koneoppiminen: teknologinen lähestymistapa biomekaaniseen riskinarviointiin nostotehtävissä
Kuormien nostaminen voi aiheuttaa työhön liittyviä tuki- ja liikuntaelinsairauksia.
Työturvallisuus- ja työterveyslaitos (NIOSH) on laatinut menetelmän nostotoiminnan arvioimiseksi kvantitatiivisella menetelmällä, joka perustuu noston voimakkuuteen, kestoon, tiheyteen ja muihin geometrisiin ominaisuuksiin.
Kehon päällä käytettävä inertia-anturitekniikka tarjoaa useita mahdollisuuksia edistää fyysistä työtä tekevien työntekijöiden turvallisuutta ja terveyttä.
Liikkeenseurantajärjestelmiä yhdessä koneoppimisalgoritmien (ML) kanssa käytetään ergonomia-alalla biomekaaniseen riskien arviointiin puettavien inertiajärjestelmien keräämän tiedon avulla.
Tutkijat pohtivat, onko mahdollista luokitella eri riskiluokkiin kuuluvat nostotehtävät LI-arvon mukaan koneoppimislähestymistapaa käyttäen raakasignaaleista poimittujen ominaisuuksien avulla.
Tämän tutkimuksen tavoitteena oli kehittää ja validoida ML-algoritmeilla ei-invasiivinen kineettis-kinemaattisten parametrien havaitsemisjärjestelmä IMU- ja EMG-antureita käyttäen kuorman nostotoimintaan liittyvien riskien ergonomiseen arviointiin.
Tutkimuksen yleiskatsaus
Yksityiskohtainen kuvaus
Tutkimuksessa suunnitellaan terveiden koehenkilöiden vapaaehtoista ilmoittautumista työhön liittyvien sairauksien hoitoklinikoihin (pois lukien alle 18-vuotiaat tai >65-vuotiaat sekä tuki- ja liikuntaelinten sairaudet tai muut vammauttavat sairaudet) suorittamaan kaksi toistuvaa nostotestiä. .
Nämä kaksi testiä on asetettu vastaamaan kahta NIOSH-riskiluokkaa (LI<1, EI RISKIÄ; ja LI>1, RISKI).
IMU-anturit tarjoavat langattomasti sarjan dataa, josta on tarkoitus poimia useita ominaisuuksia (ominaisuuksien erotus), joilla on korkea ennusteteho digitaalisen signaalinkäsittelytekniikan avulla käyttämällä erityistä ohjelmistoa (esim.
Matlab, SPSS).
Toisessa vaiheessa EMG-antureista saadut tiedot lisätään analyysiin.
Erilaisten tekoälyalgoritmien joukosta tutkija etsii niitä, jotka pystyvät parhaiten erottamaan eri riskiluokat motorisessa tehtävässä havaituista signaaleista poimittujen parametrien perusteella.
Opintotyyppi
Havainnollistava
Ilmoittautuminen (Todellinen)
41
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 - 65 vuotta (Aikuinen, Vanhempi Aikuinen)
Hyväksyy terveitä vapaaehtoisia
Joo
Näytteenottomenetelmä
Ei-todennäköisyysnäyte
Tutkimusväestö
terve vapaaehtoinen, joka viittaa työhön liittyvien sairauksien hoitoon
Kuvaus
Sisällyttämiskriteerit:
- terveitä aiheita
Poissulkemiskriteerit:
- henkilöt, joilla on tuki- ja liikuntaelinten patologioita tai muita vammauttavia sairauksia
Opintosuunnitelma
Tässä osiossa on tietoja tutkimussuunnitelmasta, mukaan lukien kuinka tutkimus on suunniteltu ja mitä tutkimuksella mitataan.
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Ehdotetun strategian validointi nostotoimintojen riskin arvioimiseksi RNLE:n mukaan
Aikaikkuna: ensimmäinen vuosi
|
tarkkuusaste ja AucRoc
|
ensimmäinen vuosi
|
Yhteistyökumppanit ja tutkijat
Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.
Tutkijat
- Päätutkija: Edda Capodaglio, PhD, ICS Maugeri IRCCS
Julkaisuja ja hyödyllisiä linkkejä
Tutkimusta koskevien tietojen syöttämisestä vastaava henkilö toimittaa nämä julkaisut vapaaehtoisesti. Nämä voivat koskea mitä tahansa tutkimukseen liittyvää.
Yleiset julkaisut
- Donisi L, Cesarelli G, Capodaglio E, Panigazzi M, D'Addio G, Cesarelli M, Amato F. A Logistic Regression Model for Biomechanical Risk Classification in Lifting Tasks. Diagnostics (Basel). 2022 Oct 29;12(11):2624. doi: 10.3390/diagnostics12112624.
- Donisi L, Cesarelli G, Pisani N, Ponsiglione AM, Ricciardi C, Capodaglio E. Wearable Sensors and Artificial Intelligence for Physical Ergonomics: A Systematic Review of Literature. Diagnostics (Basel). 2022 Dec 5;12(12):3048. doi: 10.3390/diagnostics12123048.
- Donisi L, Capodaglio EM, Amitrano F, Cesarelli G, Pagano G, D'Addio G. A multiple linear regression approach to extimate lifted load from features extracted from inertial data. G Ital Med Lav Ergon. 2021 Dec;43(4):373-378.
- Donisi L, Cesarelli G, Coccia A, Panigazzi M, Capodaglio EM, D'Addio G. Work-Related Risk Assessment According to the Revised NIOSH Lifting Equation: A Preliminary Study Using a Wearable Inertial Sensor and Machine Learning. Sensors (Basel). 2021 Apr 7;21(8):2593. doi: 10.3390/s21082593.
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)
Torstai 7. lokakuuta 2010
Ensisijainen valmistuminen (Todellinen)
Maanantai 24. tammikuuta 2022
Opintojen valmistuminen (Todellinen)
Perjantai 6. toukokuuta 2022
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Torstai 2. maaliskuuta 2023
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Perjantai 17. maaliskuuta 2023
Ensimmäinen Lähetetty (Todellinen)
Tiistai 21. maaliskuuta 2023
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Torstai 28. joulukuuta 2023
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Torstai 21. joulukuuta 2023
Viimeksi vahvistettu
Perjantai 1. joulukuuta 2023
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Avainsanat
Muut tutkimustunnusnumerot
- 2475
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
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 .