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

AI-based Model for Rehabilitation Engagement and Motor Performance Evaluation in Pediatric Patients: A Pilot Study (AI-REMAP)

keskiviikko 17. kesäkuuta 2026 päivittänyt: IRCCS Eugenio Medea

AI-based Model for Rehabilitation Engagement and Motor Performance Evaluation in Pediatric Patients

What is the purpose of this study? This study aims to evaluate the usability and feasibility of an artificial intelligence-based model designed to monitor in real-time the engagement and motor performance of pediatric patients during technology-assisted rehabilitation.

Who can take part? 15 participants between 5 and 17 years old with neuromotor impairments will take part, along with at least 5 of their referring physiotherapists.

What will happen in the study? Each pediatric patient will take part in a single, 1-hour rehabilitation session using either the Lokomat or GRAIL system, according to their standard clinical prescription. During the session, the physiotherapist will have access to a display showing real-time data from the AI model, including the patient's heart rate, engagement level, pleasantness, activation, and motor performance. At the end of the session, the physiotherapist will complete a System Usability Scale (SUS) questionnaire and provide direct feedback on how to improve the model.

Why is this study important? Assessing the usability of this real-time monitoring tool is a necessary step to understand if it is practical for clinical use. Providing therapists with objective, real-time insights into a child's psychological and physical state can ultimately help tailor therapy to the specific needs of each patient, improving the overall rehabilitation experience.

Tutkimuksen yleiskatsaus

Opintotyyppi

Interventio

Ilmoittautuminen (Arvioitu)

15

Vaihe

  • Ei sovellettavissa

Yhteystiedot ja paikat

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

Opiskeluyhteys

Tutki yhteystietojen varmuuskopiointi

Opiskelupaikat

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

  • Lapsi

Hyväksyy terveitä vapaaehtoisia

Ei

Kuvaus

Inclusion Criteria:

  • Subjects aged between 5 and 17 years with neuromotor impairments who are undergoing rehabilitation therapy using the Lokomat and GRAIL devices, according to the existing clinical plan.

Exclusion Criteria:

  • Uncooperative subjects.

Opintosuunnitelma

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

Miten tutkimus on suunniteltu?

Suunnittelun yksityiskohdat

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

Aseet ja interventiot

Osallistujaryhmä / Arm
Interventio / Hoito
Kokeellinen: Real-Time Engagement Monitoring
Participants in this experimental arm, consisting of pediatric patients with neuromotor impairments, will undergo a single 1-hour technology-assisted rehabilitation session using either the Lokomat or GRAIL system. During the session, the physiotherapist will use a display showing real-time outputs from the AI-based model, including the patient's heart rate, engagement levels, pleasantness, activation, and motor performance. The model acts as an observational support tool and will not directly alter the standard rehabilitation protocol. At the end of the session, the physiotherapist will evaluate the usability of the system.
The intervention consists of the deployment of a real-time AI-based monitoring system during a standard technology-assisted rehabilitation session. The physiotherapist is provided with a display showing continuous feedback on the patient's engagement levels, emotional state (pleasantness and activation), motor performance, and heart rate. The model processes physiological and inertial data collected via wearable sensors, acting purely as an observational support tool without altering the standard rehabilitation protocol.

Mitä tutkimuksessa mitataan?

Ensisijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
System Usability Scale (SUS) Score
Aikaikkuna: Baseline
This validated questionnaire is intended to evaluate the usability and feasibility of a system or product. It is composed of 10 items assessing factors such as system complexity, ease of use, and functionality integration. Each item is proposed on a 5-points Likert scale, with minimum value 1 and maximum value 5. Higher overall values stand for a higher degree of agreement with respect to the statement provided by the single item. For odd items, higher values stand for higher usability. For even items, higher values stand for lower usability.
Baseline

Toissijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Palveluntarjoajan luokiteltu asiakkaan sitoutumisen mitta (Prime-SP)
Aikaikkuna: Lähtökohta
Tämän toimenpiteen tarkoituksena on kaapata terapeutin havaitseminen potilaan sitoutumisesta. Prime-SP on validoitu itse ilmoittama kyselylomake, joka koostuu kolmesta pääosasta: osa A, jossa terapeutti voi suorittaa potilaan sitoutumisen kokonaisarviointia 5-pisteisen Likert-asteikon (välillä 0-4, korkeammat arvot vastaavat positiivista sitoutumista); Osa B, jossa terapeutti voi suorittaa domeeniriippuvaisen (afektiivisen, kognitiivisen, käyttäytymisalueen) potilaan sitoutumisen arvioinnin 5-pisteisen Likert-asteikon (välillä 0-4, korkeammat arvot vastaavat positiivista sitoutumista); Osa C, jossa terapeutti voi tehdä ilmaisia ​​muistiinpanoja tekijöistä ja olosuhteista, jotka hänen mielestään saattoivat vaikuttaa potilaan sitoutumiseen istuntoon.
Lähtökohta
AI Model-Inferred Engagement Level
Aikaikkuna: Baseline
This objective measure is intended to capture the patient's continuous engagement level during the rehabilitation session. The AI-based model infers the engagement state using feed-forward neural networks that process real-time physiological data (such as HRV and EDA) and inertial signals (IMU). The model provides a categorical evaluation of engagement (low vs high).
Baseline

Yhteistyökumppanit ja tutkijat

Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.

Yhteistyökumppanit

Julkaisuja ja hyödyllisiä linkkejä

Tutkimusta koskevien tietojen syöttämisestä vastaava henkilö toimittaa nämä julkaisut vapaaehtoisesti. Nämä voivat koskea mitä tahansa tutkimukseen liittyvää.

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 (Arvioitu)

Maanantai 15. kesäkuuta 2026

Ensisijainen valmistuminen (Arvioitu)

Keskiviikko 30. syyskuuta 2026

Opintojen valmistuminen (Arvioitu)

Keskiviikko 30. syyskuuta 2026

Opintoihin ilmoittautumispäivät

Ensimmäinen lähetetty

Maanantai 8. kesäkuuta 2026

Ensimmäinen toimitettu, joka täytti QC-kriteerit

Keskiviikko 17. kesäkuuta 2026

Ensimmäinen Lähetetty (Todellinen)

Tiistai 23. kesäkuuta 2026

Tutkimustietojen päivitykset

Viimeisin päivitys julkaistu (Todellinen)

Tiistai 23. kesäkuuta 2026

Viimeisin lähetetty päivitys, joka täytti QC-kriteerit

Keskiviikko 17. kesäkuuta 2026

Viimeksi vahvistettu

Maanantai 1. kesäkuuta 2026

Lisää tietoa

Tähän tutkimukseen liittyvät termit

Muut tutkimustunnusnumerot

  • L2-246-F2
  • RC 2024-2026 to E. Biffi (Muu apuraha/rahoitusnumero: Italian Ministry of Health)

Yksittäisten osallistujien tietojen suunnitelma (IPD)

Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?

JOO

IPD-suunnitelman kuvaus

The results obtained at the end of this clinical trial will be presented at national and international conferences and submitted to peer-reviewed international journals. The raw data of the study will be published among the supplementary materials of scientific articles and/or uploaded to Zenodo, a multidisciplinary repository, managed by CERN in Geneva, which allows researchers to share and preserve research results in any size and form. Depositing data in ZENODO guarantees their compliance with the FAIR principles.

IPD-jakamista tukeva tietotyyppi

  • STUDY_PROTOCOL
  • MAHLA

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 .

Tilaa