Koneoppiminen ja 3D-kuvapohjainen mallinnus reaaliaikaiseen kehon painon ja kehon koostumuksen arviointiin ensiapuhoidon aikana. Tutkimus 1
maanantai 15. joulukuuta 2025 päivittänyt: Florida Atlantic University
Koneoppiminen ja 3D-kuvapohjainen mallinnus reaaliaikaiseen kehon painon ja kehon koostumuksen arviointiin ensiapuhoidon aikana. Tutkimus 1 - Luo malli käyttämällä yhtä 3D-kamerakuvaa makuulla olevasta potilaasta TBW:n, IBW:n ja LBW:n arvioimiseksi tarkasti.
Tämän havainnointitutkimuksen tavoitteena on kouluttaa ja validoida tekoälyohjattu 3D-kamerajärjestelmä arvioimaan kokonaispainon, ihannepainon ja vähärasvaisen ruumiinpainon kaikenikäisille aikuisille miehille ja naisille. Tärkeimmät kysymykset, joihin tämä tutkimus pyrkii vastaamaan, ovat:
- Millaisen tarkkuuden painonarvioinnissa voimme saavuttaa tekoälyohjatulla 3D-kameran painonarviointijärjestelmällä?
- Onko tämä tarkkuus sama molemmista sukupuolista, kaiken ikäisillä ja kaikilla vartalotyypeillä (alipainoinen, normaalipainoinen, ylipainoinen) aikuisilla? Osallistujille tehdään antropometrisiä mittauksia (pituus, käsivarren keskiympärys, painon ympärysmitta, lonkan ympärysmitta, mitattu paino), DXA-skannaus (laihan ruumiinpainon mittaamiseksi) ja 3D-kuvaus 3D-kameralla.
Mitään interventioita ei tule.
Tutkimuksen yleiskatsaus
Tila
Peruutettu
Yksityiskohtainen kuvaus
Tämä tutkimus on yhden keskuksen havainnointitutkimus, jolla koulutetaan, sisäisesti validoidaan ja testataan tekoälyohjattua 3D-kameran painonarviointijärjestelmää.
Hypoteesimme on, että tämä järjestelmä, kun sitä käytetään akuutisti sairaiden potilaiden hoidossa, pystyy arvioimaan kokonaispainon, ihannepainon ja vähärasvaisen painon tarkemmin kuin muut nykyiset hoitopistejärjestelmät.
Järjestelmän kouluttamiseen ja testaamiseen käytetään terveitä vapaaehtoisia.
Yhden noin 30 minuutin mittaisen tiedonkeruun aikana otetaan antropometriset perustiedot, DXA-skannaus ja 3D-kamerakuvia vapaaehtoisista, jotka makaavat lääketieteellisillä paareilla.
Ei interventioita, eikä osallistujien seurantaa.
Kerättyjä tietoja käytetään keinotekoisiin hermoverkkoihin perustuvan AI-algoritmin harjoittamiseen arvioimaan paino yhden syvyyskuvan avulla.
Kun tekoälyjärjestelmä on täysin kehittynyt, sen paino-arvioinnin tarkkuus arvioidaan riippumattomassa testiaineistossa.
Opintotyyppi
Havainnollistava
Yhteystiedot ja paikat
Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.
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
- Aikuinen
- Vanhempi Aikuinen
Hyväksyy terveitä vapaaehtoisia
Joo
Näytteenottomenetelmä
Ei-todennäköisyysnäyte
Tutkimusväestö
Florida Atlantic Universityn Boca Ratonin kampuksen opiskelijat, henkilökunta ja tiedekunta.
Kuvaus
Sisällön kriteerit:
- Kaikki halukkaat vapaaehtoiset.
Poissulkemiskriteerit:
- Osallistujat, joiden ruumiinpaino ylittää DXA-koneen kapasiteetin > 204 kg (450 lbs);
- Raskaana olevat osallistujat;
- Osallistujat, joilla on sairaudet, jotka voivat sekoittaa tutkimuksen;
- Osallistujat, joilla on metalliset kirurgiset implantit;
- Osallistujat, jotka ovat käyneet röntgenkuvassa kontrastilla viimeisen viikon aikana;
- Osallistujat, jotka ovat ottaneet kalsiumlisiä 24 tuntia ennen tutkimusta.
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 |
|---|---|---|
|
TBW arvio
Aikaikkuna: Perustaso
|
TBW-arvioinnin tarkkuus 3D-kamerajärjestelmällä
|
Perustaso
|
|
IBW arvio
Aikaikkuna: Perustaso
|
IBW-arvioinnin tarkkuus 3D-kamerajärjestelmällä
|
Perustaso
|
|
LBW arvio
Aikaikkuna: Perustaso
|
LBW-arvioinnin tarkkuus 3D-kamerajärjestelmällä
|
Perustaso
|
Toissijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Seksiin liittyvä tarkkuus
Aikaikkuna: Perustaso
|
Tarkkuusero urosten ja naisten välillä
|
Perustaso
|
|
Ikään liittyvä tarkkuus
Aikaikkuna: Perustaso
|
Painon arvioinnin tarkkuus ikäryhmittäin
|
Perustaso
|
|
BMI:hen liittyvä tarkkuus
Aikaikkuna: Perustaso
|
Painon arvioinnin tarkkuus painotilan alaryhmittäin
|
Perustaso
|
Yhteistyökumppanit ja tutkijat
Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.
Sponsori
Julkaisuja ja hyödyllisiä linkkejä
Tutkimusta koskevien tietojen syöttämisestä vastaava henkilö toimittaa nämä julkaisut vapaaehtoisesti. Nämä voivat koskea mitä tahansa tutkimukseen liittyvää.
Yleiset julkaisut
- Wells M, Goldstein L. Appropriate Statistical Analysis and Data Reporting for Weight Estimation Studies. Pediatr Emerg Care. 2023 Jan 1;39(1):62-63. doi: 10.1097/PEC.0000000000002862. Epub 2022 Oct 1. No abstract available.
- Wells M, Goldstein LN, Cattermole G. Development and Validation of a Length- and Habitus-Based Method of Ideal and Lean Body Weight Estimation for Adults Requiring Urgent Weight-Based Medical Intervention. Eur J Drug Metab Pharmacokinet. 2022 Nov;47(6):841-853. doi: 10.1007/s13318-022-00796-3. Epub 2022 Sep 19.
- Wells M, Goldstein LN. Estimating Lean Body Weight in Adults With the PAWPER XL-MAC Tape Using Actual Measured Weight as an Input Variable. Cureus. 2022 Sep 17;14(9):e29278. doi: 10.7759/cureus.29278. eCollection 2022 Sep.
- Wells M, Goldstein LN, Alter SM, Solano JJ, Engstrom G, Shih RD. The accuracy of total body weight estimation in adults - A systematic review and meta-analysis. Am J Emerg Med. 2024 Feb;76:123-135. doi: 10.1016/j.ajem.2023.11.037. Epub 2023 Nov 29.
- Wells M, Goldstein LN, Wells T, Ghazi N, Pandya A, Furht B, Engstrom G, Jan MT, Shih R. Total body weight estimation by 3D camera systems: Potential high-tech solutions for emergency medicine applications? A scoping review. J Am Coll Emerg Physicians Open. 2024 Oct 4;5(5):e13320. doi: 10.1002/emp2.13320. eCollection 2024 Oct.
- Sonar VG, Jan MT, Wells M, Pandya A, Engstrom G, Shih R, Furht B. Estimating Body Volume and Height Using 3D Data. arxiv. 2024 September; 2410.02800
- Jan MT, Kumar A, Wells M, Pandya A, Engstrom G, Shih R, Furht B. Comprehensive Survey of Body Weight Estimation: Techniques, Datasets and Applications. Multimedia Tools and Applications. 2024 October
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)
Tiistai 1. heinäkuuta 2025
Ensisijainen valmistuminen (Arvioitu)
Tiistai 30. kesäkuuta 2026
Opintojen valmistuminen (Arvioitu)
Tiistai 30. kesäkuuta 2026
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Tiistai 15. lokakuuta 2024
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Keskiviikko 16. lokakuuta 2024
Ensimmäinen Lähetetty (Todellinen)
Torstai 17. lokakuuta 2024
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Perjantai 19. joulukuuta 2025
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Maanantai 15. joulukuuta 2025
Viimeksi vahvistettu
Maanantai 1. joulukuuta 2025
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- 1791994(1)
Yksittäisten osallistujien tietojen suunnitelma (IPD)
Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?
JOO
IPD-suunnitelman kuvaus
3D-kuvien pilvipistetiedot jaetaan pyynnöstä.
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 .