Cette page a été traduite automatiquement et l'exactitude de la traduction n'est pas garantie. Veuillez vous référer au version anglaise pour un texte source.

Détection et prévention des chutes pour le soin de la mémoire grâce à l'intelligence artificielle en temps réel appliquée à la vidéo

5 mai 2022 mis à jour par: SafelyYou

Détection et prévention des chutes pour les soins de la mémoire grâce à l'intelligence artificielle en temps réel appliquée à la vidéo : un essai contrôlé randomisé

Le but de la recherche est d'étudier un nouveau système de surveillance de la sécurité développé par SafelyYou pour aider à prendre soin d'un proche atteint de démence. L'objectif est d'offrir une meilleure prise en charge des chutes sans témoin.

Le système SafelyYou est basé sur des caméras compatibles avec l'IA qui détectent les événements liés aux chutes et téléchargent la vidéo uniquement lorsque ces événements sont détectés. L'ajout d'un Human in the Loop (HIL) alertera le personnel de l'établissement lorsqu'un événement est détecté par le système.

Aperçu de l'étude

Description détaillée

Ce processus permet au personnel de connaître les chutes sans obliger les résidents à porter un appareil et de voir comment les chutes se produisent pour les résidents qui ne peuvent pas se défendre tout en protégeant la vie privée des résidents en ne téléchargeant une vidéo que lorsque des événements critiques pour la sécurité sont détectés. Voir comment le résident est allé au sol (1) évite le besoin de visites aux urgences lorsque les résidents se sont intentionnellement déplacés au sol sans risque et (2) permet à l'équipe de soins de déterminer ce qui a causé un événement comme une chute et quels changements peuvent être apportés pour réduire le risque.

PREUVE PRELIMINAIRE. L'étude proposée fait suite à une série de projets pilotes. Dans le pilote 1, nous avons montré la faisabilité technique de la détection des chutes par vidéo avec 200 chutes simulées par des sujets sains. Dans le pilote 2, dans un établissement de 40 résidents, nous avons démontré l'acceptation des compromis entre confidentialité et sécurité et montré une réduction de 80 % du nombre total de chutes dans l'établissement en fournissant le système pour 10 chuteurs répétés. Dans le pilote 3, nous avons abordé la répétabilité de la réduction des chutes dans une cohorte de 87 résidents avec ADRD dans 11 établissements de trois réseaux partenaires. Dans le pilote 4 (NIH SBIR Phase I), nous avons démontré que les chutes peuvent être détectées de manière fiable en temps réel dans les installations partenaires. Nous avons détecté 93 % des chutes ; réduit le temps passé au sol de 42 % ; ont montré que lorsque la vidéo était disponible, la probabilité d'une visite au SMU était réduite de 50 % ; et la facilité totale réduite chute de 38 %.

Type d'étude

Interventionnel

Inscription (Anticipé)

460

Phase

  • N'est pas applicable

Contacts et emplacements

Cette section fournit les coordonnées de ceux qui mènent l'étude et des informations sur le lieu où cette étude est menée.

Coordonnées de l'étude

Lieux d'étude

    • California
      • San Francisco, California, États-Unis, 94107

Critères de participation

Les chercheurs recherchent des personnes qui correspondent à une certaine description, appelée critères d'éligibilité. Certains exemples de ces critères sont l'état de santé général d'une personne ou des traitements antérieurs.

Critère d'éligibilité

Âges éligibles pour étudier

18 ans et plus (ADULTE, OLDER_ADULT)

Accepte les volontaires sains

Oui

Sexes éligibles pour l'étude

Tout

La description

La population à l'étude comprend des résidents d'établissements de soins à haut risque de chute, avec un accent particulier sur les établissements de soins à forte population de personnes atteintes de la maladie d'Alzheimer et de démences apparentées. Il n'y a aucune exigence de sexe, de race, d'origine ethnique, de langue ou d'alphabétisation pour participer et tous les résidents sont éligibles.

Critères d'inclusion - Vivre dans un établissement de soins infirmiers qualifié participant ou équivalent, CCRC,

Critère d'exclusion

- 18 ans ou moins

Plan d'étude

Cette section fournit des détails sur le plan d'étude, y compris la façon dont l'étude est conçue et ce que l'étude mesure.

Comment l'étude est-elle conçue ?

Détails de conception

  • Objectif principal: SUPPORTIVE_CARE
  • Répartition: ALÉATOIRE
  • Modèle interventionnel: PARALLÈLE
  • Masquage: DOUBLE

Armes et Interventions

Groupe de participants / Bras
Intervention / Traitement
EXPÉRIMENTAL: Intervention
Détection de chute de caméra activée par l'IA avec examen Human-in-the-Loop (HIP)
Technologie + services d'assurance qualité fournis par SafelyYou
AUCUNE_INTERVENTION: Contrôle
Pas de détection de caméra

Que mesure l'étude ?

Principaux critères de jugement

Mesure des résultats
Description de la mesure
Délai
Taux d'inscription
Délai: Les données sur les inscriptions seront enregistrées lors du recrutement en année 1 et évaluées à la fin de l'année 1
La détection des chutes sera effectuée avec une vidéo floue, donc avec une confidentialité accrue. Le résultat attendu sera le changement du taux d'inscription par rapport aux études de faisabilité précédentes (c.-à-d. impact sur le taux de réponses positives aux efforts de recrutement au sein des établissements).
Les données sur les inscriptions seront enregistrées lors du recrutement en année 1 et évaluées à la fin de l'année 1
Taux de chute dû à la détection de transition assis-debout
Délai: Les données seront collectées au cours de l'année 1 et évaluées à la fin de l'année 1.
Le personnel soignant sera alerté dès que la transition sera détectée (intervention du personnel de première ligne). Cela peut produire une réduction immédiate des chutes dues à ce type de transition.
Les données seront collectées au cours de l'année 1 et évaluées à la fin de l'année 1.
Taux de chute dû à la détection des changements de démarche
Délai: Les données seront collectées tout au long de l'année 1 et évaluées à la fin de l'année 1.
Comme le système apprend à peut produire un impact immédiat sur le taux de chute par l'intervention du personnel de première ligne lorsque le changement est détecté.
Les données seront collectées tout au long de l'année 1 et évaluées à la fin de l'année 1.

Collaborateurs et enquêteurs

C'est ici que vous trouverez les personnes et les organisations impliquées dans cette étude.

Parrainer

Dates d'enregistrement des études

Ces dates suivent la progression des dossiers d'étude et des soumissions de résultats sommaires à ClinicalTrials.gov. Les dossiers d'étude et les résultats rapportés sont examinés par la Bibliothèque nationale de médecine (NLM) pour s'assurer qu'ils répondent à des normes de contrôle de qualité spécifiques avant d'être publiés sur le site Web public.

Dates principales de l'étude

Début de l'étude (ANTICIPÉ)

31 octobre 2023

Achèvement primaire (ANTICIPÉ)

31 décembre 2023

Achèvement de l'étude (ANTICIPÉ)

31 décembre 2023

Dates d'inscription aux études

Première soumission

19 septembre 2018

Première soumission répondant aux critères de contrôle qualité

24 septembre 2018

Première publication (RÉEL)

26 septembre 2018

Mises à jour des dossiers d'étude

Dernière mise à jour publiée (RÉEL)

9 mai 2022

Dernière mise à jour soumise répondant aux critères de contrôle qualité

5 mai 2022

Dernière vérification

1 mai 2022

Plus d'information

Termes liés à cette étude

Plan pour les données individuelles des participants (IPD)

Prévoyez-vous de partager les données individuelles des participants (DPI) ?

NON

Informations sur les médicaments et les dispositifs, documents d'étude

Étudie un produit pharmaceutique réglementé par la FDA américaine

Non

Étudie un produit d'appareil réglementé par la FDA américaine

Non

Ces informations ont été extraites directement du site Web clinicaltrials.gov sans aucune modification. Si vous avez des demandes de modification, de suppression ou de mise à jour des détails de votre étude, veuillez contacter register@clinicaltrials.gov. Dès qu'un changement est mis en œuvre sur clinicaltrials.gov, il sera également mis à jour automatiquement sur notre site Web .

S'abonner