Digitaalinen järjestelmä tarkkuusarvioinnille ja puuttumiselle vanhusten vammautumisriskiin
maanantai 30. maaliskuuta 2026 päivittänyt: Jin Jingfen, Second Affiliated Hospital, School of Medicine, Zhejiang University
Digitalisesti Mahdollistetun Tarkkuusarviointi- ja Interventiojärjestelmän Rakentaminen Vanhusten Vammautumisriskille sekä Koko Syklin Monitilannetutkimus
- Tunnista vanhusten toimintakyvyn heikkenemisen ensisijaiset riskitekijät moniulotteisen riskitekijöiden seulonnan avulla.
- Kehitä vanhusten toimintakyvyn heikkenemisen riskin kerroinmalli integroimalla tuloksellisuuden indikaattorit ja aikaisemmat ominaisuudet, ja rakenna älykäs varoitusmalli, joka mahdollistaa toimintakyvyn heikkenemisen riskin automaattisen arvioinnin ja seurannan.
- Perusta keskeiset digitaaliset teknologiat vanhusten toimintakyvyn heikkenemisen riskin varoittamiseen ja ehkäisemiseen, ja kehitä koko prosessin kattava digitaalinen interventioalusta, joka sisältää päätöksenteon tukijärjestelmän toimintakyvyn heikkenemisen ehkäisyn hallintaan.
- Luo digitaalisesti tehostettu sairaala-yhteisö-kotiyhteistyöjärjestelmä vanhusten toimintakyvyn heikkenemisen riskin tarkkaan arviointiin ja interventioon, joka saavuttaa datavetoisen koko prosessin aktiivisen toimintakyvyn heikkenemisen hallinnan. Järjestelmää esitellään ja arvioidaan erilaisissa kaupunkien, kuntien ja maaseutualueiden yhteisöissä.
Tutkimuksen yleiskatsaus
Tila
Rekrytointi
Ehdot
Interventio / Hoito
Yksityiskohtainen kuvaus
- Monidimensionaalinen riskitekijöiden seulonta ja keskeisten riskitekijöiden tunnistaminen vanhusten vammautumiselle: Tarkasteltiin terveystietoja 100 000 kaupunkilaisten ja maaseudulla asuvien vanhusten kohortista Zhejiangin maakunnassa vuosina 2018–2022. Data-indikaattoreista, mukaan lukien demografiset tiedot, sairauksien ominaisuudet, kognitiiviset psykologiset arviot ja perhe-yhteiskunnalliset tekijät, eristettiin. Vanhusten vammautumista käytettiin tuloksen muuttujana riskitekijöiden alustavaan seulontaan, muodostaen monidimensionaalisen indikaattorijoukon vammautumisriskiin. Pääkomponenttianalyysiä käytettiin vammautumisriski-oireyhtymien tunnistamiseen. Elastic Net -mallia käytettiin tärkeimpien riskitekijöiden jatkotunnistukseen, ja täyden syklin keskeiset riskitekijät vammautumiselle määritettiin viiden vuoden riskialtistusominaisuuksien perusteella.
- Aikasarjaan perustuvan riskiluokittelun ja varoitusmallin rakentaminen vanhusten vammautumiselle: Integroimalla täyden syklin vammautumisominaisuudet (kuten vammautumisen vakavuus, piirteet ja ajankohdat) ensisijaisiksi tuloksindikaattoreiksi. Soveltaen painotuksia ja klusterointipäätöksiä keskeisten riskitekijöiden perusteella saavutetaan riskiluokittelu ja tunnistaminen. Määritellään keskeisten riskitekijöiden poikkeavuudet, riski-oireyhtymät, vammautumisriski ja todellinen vammautumisen ilmeneminen valvontasolmuiksi, jotka vastaavat nollatason, ensimmäisen tason, toisen tason ja kolmannen tason varoitustasoja. Integroimalla aikasarjaominaisuuksia rakennetaan pitkä lyhyen muistin (LSTM) neuroverkkomalli kehittämään toimintakyvyttömyysriskin varoitusjärjestelmä.
- Digitaalisten diagnostiikka- ja hoitoteknologioiden kehittäminen vammautumisriskin varoitukseen ja ehkäisyyn sekä interventiopäätöksen tukijärjestelmän rakentaminen: Perustuen näyttöön perustuvaan lääketieteeseen, moniin skenaarioihin perustuviin vammautumisen ehkäisyvaatimuksiin ja asiantuntijakonsensukseen, perustetaan big data -tietokanta ja teknologiakirjasto vammautumisen ehkäisyyn ja hallintaan. Vammautumisriskin interventiopäätöksen tukijärjestelmän looginen viitekehys, tekninen arkkitehtuuri ja toiminnallinen suunnittelu suunnitellaan systemaattisesti, muodostaen vammautumiseen liittyvän tietografiikkiverkon. Integroimalla vanhusten vammautumisriskin arviointi- ja dynaaminen seurantamoduulit, perustetaan internetiin perustuva tekninen moduuli vanhusten vammautumishallintaan. Tämä kattaa koko prosessin tiedonkeruusta, arvioinnista ja seurannasta varoituspäätöksiin ja kohdennettuihin interventioihin. Järjestelmä integroidaan syvällisesti ja optimoidaan 'Internet Plus Nursing' -alustan kanssa rakentaen digitalisoitu vanhusten vammautumisriskin interventioalusta.
- Vanhusten vammautumisriskien tarkkuusarviointi- ja interventiojärjestelmän soveltaminen: Suoritetaan standardoitu näyttötutkimus vammautumisen ehkäisy- ja hallintapohjista tätä järjestelmää käyttäen. Perustetaan näyttöpohjia kaupunkeihin, piirikuntiin ja kuntiin ympäri Zhejiangin maakuntaa kehittämään standardoituja protokollia vanhusten vammautumisen ehkäisyyn sairaaloiden, yhteisöjen ja kotien yhteistyön kautta. Data-ajatuiseen perustuen henkilöstön, palveluprosessien, resurssien integroinnin ja teknisen tuen optimoimiseksi, jatketaan kokonaisvaltaisen teknisen toteutussuunnitelman parantamista vanhusten vammautumisriskin älykkääseen arviointiin, seurantaan ja tarkkoihin interventioihin. Tämä rakentaa monitasoisen näyttömallin vanhusten vammautumisriskin ehkäisyyn ja hallintaan Zhejiangin maakunnan kaupungeissa, piirikunnissa ja kunnissa. Vanhusten vammautumisriskin tarkkuusarviointi- ja interventiojärjestelmän soveltamisvaikutuksia arvioitiin indikaattoreilla, kuten vammautumisriskipisteet, vammautumisen ilmaantuvuus, vammautumisen interventioiden noudattaminen.
Opintotyyppi
Interventio
Ilmoittautuminen (Arvioitu)
238
Vaihe
- Ei sovellettavissa
Yhteystiedot ja paikat
Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.
Opiskeluyhteys
- Nimi: Jingfen Jin, Master
- Puhelinnumero: +86 15888841161
- Sähköposti: zrjzkhl@zju.edu.cn
Opiskelupaikat
-
-
Zhejiang
-
Hangzhou, Zhejiang, Kiina, 310009
- Rekrytointi
- The Second Affiliated Hospital of Medical College of Zhejiang University
-
Ottaa yhteyttä:
- Jingfen Jin, Master
- Puhelinnumero: +86 13757118239
- Sähköposti: zrjzkhl@zju.edu.cn
-
-
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
- Vanhempi Aikuinen
Hyväksyy terveitä vapaaehtoisia
Joo
Kuvaus
Osallistumiskriteerit:
- Yhteisössä asuvat pysyvät asukkaat, jotka ovat vähintään 65-vuotiaita;
- Kykenevät käyttämään älypuhelinta itsenäisesti tai avustajan avulla;
- Selkeä tajunta, perusymmärrys- ja viestintäkyvyt;
- Suostuvat vapaaehtoisesti osallistumaan tutkimukseen ja antavat tietoon perustuvan suostumuksen.
Poissulkemiskriteerit:
- Ne, jotka eivät kykene suorittamaan päivittäisiä perustoimintoja itsenäisesti tai joilla on merkittäviä kognitiivisia tai viestintäongelmia.
Opintosuunnitelma
Tässä osiossa on tietoja tutkimussuunnitelmasta, mukaan lukien kuinka tutkimus on suunniteltu ja mitä tutkimuksella mitataan.
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
- Ensisijainen käyttötarkoitus: Ennaltaehkäisy
- Jako: Satunnaistettu
- Inventiomalli: Rinnakkaistehtävä
- Naamiointi: Yksittäinen
Aseet ja interventiot
Osallistujaryhmä / Arm |
Interventio / Hoito |
|---|---|
|
Kokeellinen: Kokeellinen ryhmä
Toteuta digitaalinen alusta vanhusten toimintakyvyn heikkenemisriskin vähentämiseksi, jossa voidaan suorittaa kattavia, monitilanteisia älykkäitä arviointeja, dynaaminen seuranta ja kohdennettuja toimenpiteitä toimintakyvyn heikkenemisriskeihin.
|
Toteuta digitaalinen alusta vanhusten vammautumisriskin vähentämiseksi, jossa voidaan suorittaa kattavia, monitilanteisia älykkäitä arviointeja, dynaamista seurantaa ja kohdennettuja toimenpiteitä vammautumisriskeihin.
|
|
Ei väliintuloa: Kontrolliryhmä
Suorita rutiininomaisia yhteisöpohjaisia geriatriseen terveydenhuoltoon liittyviä toimenpiteitä, kuten terveyskasvatusta, liikuntaohjausta ja ravitsemusneuvontaa.
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
SPPB (LYHYT FYSIKKALLINEN SUORITUSKYKYPROTOKOLLA)
Aikaikkuna: Alkutilanteessa, 3 kuukautta interventioiden jälkeen ja 6 kuukautta interventioiden jälkeen
|
pistemäärän vaihteluväli on 0–12, ja korkeammat pisteet tarkoittavat parempaa tulosta.
|
Alkutilanteessa, 3 kuukautta interventioiden jälkeen ja 6 kuukautta interventioiden jälkeen
|
Toissijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Invaliduuden esiintyvyys
Aikaikkuna: 6 kuukautta interventioiden jälkeen
|
Vammaisuuden ilmaantuvuutta arvioidaan käyttäen validoituja mittareita päivittäisten toimintojen (ADL) ja instrumentaalisten päivittäisten toimintojen (IADL) osalta.
Vammaisuus määritellään uuden puhkeavan, merkittävän rajoituksena perus- tai monimutkaisten päivittäisten toimintojen suorittamisessa.
Vammaisuuden ilmaantumista (eli uusien tapausten lukumäärää) määritetään ennalta määritetyissä tutkimusaikapisteissä.
Lopputuloksena lasketaan osallistujien osuus tai ilmaantuvuus, jotka kehittävät vammaisuuden tutkimusjakson aikana suhteessa osallistujien kokonaismäärään.
|
6 kuukautta interventioiden jälkeen
|
|
Vammaisuusriskin pistemäärä
Aikaikkuna: Alkumittauksessa, 3 kuukautta interventioiden jälkeen ja 6 kuukautta interventioiden jälkeen
|
Vammautumisriskipisteet on jatkuva muuttuja, joka vaihtelee välillä 0–1, ja se lasketaan käyttäen ennalta validoitua ennustemallia.
Korkeampi pisteet osoittavat suurempaa ennustettua riskiä kehittää vamma.
|
Alkumittauksessa, 3 kuukautta interventioiden jälkeen ja 6 kuukautta interventioiden jälkeen
|
|
Intervention noudattaminen
Aikaikkuna: 3 kuukautta interventioiden jälkeen ja 6 kuukautta interventioiden jälkeen
|
Interventioprotokollan noudattamista (esim. liikunta, ruokavalioon liittyvät tehtävät) seurataan ja tallennetaan objektiivisesti erillisen älypuhelinsovelluksen avulla.
Osallistujien tulee kirjata tai "merkata suoritetuksi" sovellukseen jokaisen määrätyn tehtävän suorittamisen jälkeen.
Noudattamistasot lasketaan suoritettujen ja kirjattujen tehtävien prosenttiosuutena suhteessa tutkimusjakson aikana määrättyjen tehtävien kokonaismäärään.
|
3 kuukautta interventioiden jälkeen ja 6 kuukautta interventioiden jälkeen
|
Yhteistyökumppanit ja tutkijat
Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.
Tutkijat
- Päätutkija: Jingfen Jin, Master, The Second Affiliated Hospital of Medical College of Zhejiang University
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 31. lokakuuta 2025
Ensisijainen valmistuminen (Arvioitu)
Lauantai 31. lokakuuta 2026
Opintojen valmistuminen (Arvioitu)
Keskiviikko 30. joulukuuta 2026
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Keskiviikko 24. syyskuuta 2025
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Maanantai 30. maaliskuuta 2026
Ensimmäinen Lähetetty (Todellinen)
Torstai 2. huhtikuuta 2026
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Torstai 2. huhtikuuta 2026
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Maanantai 30. maaliskuuta 2026
Viimeksi vahvistettu
Maanantai 1. syyskuuta 2025
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Avainsanat
Muut tutkimustunnusnumerot
- 2023-1268
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 .