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.

Rôle de l'intelligence artificielle dans la prédiction de la fatigue musculaire à l'aide de la formation en réalité virtuelle

8 juin 2023 mis à jour par: Rami Abbas, Beirut Arab University

Rôle de l'intelligence artificielle dans la prédiction de la fatigue musculaire à l'aide d'un entraînement en réalité virtuelle chez des sujets sains et post-COVID19

L'objectif de cette étude observationnelle prédite est de prédire la fatigue musculaire à l'aide d'un algorithme d'IA spécifique chez des individus en bonne santé par rapport à des individus infectés par le Covid-19. La principale question à laquelle il vise à répondre est la suivante :

L'Intelligence Artificielle peut-elle être utilisée comme source fiable pour prédire la fatigue musculaire localisée chez les individus sains ou post-infectés par le Covid-19 ?

Les participants seront divisés en deux groupes : un groupe sain et un groupe post Covid-19.

  • Chaque groupe subira un processus de familiarisation avant le début des exercices.
  • Ensuite, chaque groupe effectuera des exercices d'accroupissement guidés par l'appareil de réalité virtuelle kynpasis.
  • sEMG pour les fémories vaste externe et rectus, l'expansion de la poitrine et les mesures goniométriques du genou seront prises à différents niveaux de fatigue signalés à l'aide du système Biopac.
  • Les groupes continueront à s'accroupir tout en enregistrant leurs niveaux de fatigue subjectifs à l'aide de l'échelle de Borg.
  • Les données seront ensuite traitées par des processus d'apprentissage automatique pour produire un algorithme d'IA capable de prédire la fatigue musculaire isolée.

Aperçu de l'étude

Statut

Complété

Les conditions

Intervention / Traitement

Description détaillée

Les participants ont été divisés en deux groupes, l'un composé d'individus en bonne santé et l'autre composé de sujets Covid-19. Les deux groupes ont reçu une formation de familiarisation pour l'exercice à effectuer avec 15 minutes de repos par la suite, avant le début de la collecte des données.

L'exercice de squat a été effectué à l'aide d'une machine de réalité virtuelle (VR) (kynapsis) pour guider les deux groupes. Des squats ont été exécutés tandis que les mains étaient maintenues devant les corps et les genoux fléchis à 90 degrés suivant un rythme de deux secondes pour la descente, deux secondes d'ascension imitant le mouvement effectué sur la machine VR.

Des variables supplémentaires ont été prises en compte, notamment l'expansion de la poitrine et l'amplitude des mouvements à l'aide d'un goniomètre électrique, toutes mesurées et enregistrées à l'aide du Biopac (BIOPAC Systems, Inc., Santa Barbara, CA) qui, selon les preuves, possède un passe-haut filtre de fréquence et système d'électrodes bipolaires.

Les muscles testés sont les 3 têtes du muscle QF RF, VM et VL. Leurs zones ont été nettoyées avec de l'alcool et rasées pour réduire la résistance des électrodes. Trois électrodes de surface sEMG jetables ont été placées, deux d'entre elles sur le ventre musculaire avec une distance de 2,5 cm entre elles, et une électrode de contrôle placée du côté agoniste, le participant a été invité à étendre son genou et à le fléchir contre la résistance pour localiser le latéral et vaste médial. Des électrodes sEMG ont été placées sur les subdivisions du muscle QF pendant l'exercice. Les données extraites sont ensuite traitées par un algorithme d'IA qui analysera et prédira la fatigue musculaire.

L'échelle de Borg (C-10) a été expliquée aux participants et était présente devant eux lors de l'exécution de l'exercice en tant que mesure de résultat pour évaluer la fatigue musculaire subjective qui, une fois atteinte, mettra fin à l'exercice.

Type d'étude

Observationnel

Inscription (Réel)

90

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.

Lieux d'étude

  • Liban
      • Beirut, Liban
        • Ahmad ElMelhat

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

  • Adulte

Accepte les volontaires sains

Oui

Méthode d'échantillonnage

Échantillon de probabilité

Population étudiée

La population étudiée était composée de deux groupes.

  • Personnes en bonne santé non sportives qui n'ont effectué aucune activité intense au cours des 3 derniers jours et n'avaient pas contacté le Covid-19 auparavant.
  • Personnes en bonne santé non sportives qui n'ont pas effectué d'activités intenses au cours des 3 derniers jours mais dont le test PCR positif a été confirmé dans un intervalle d'un an.

La description

Critère d'intégration:

  • Tous les sujets inclus dans les deux groupes de l'étude doivent être des individus en bonne santé non sportifs, qui ont évité des activités intenses au cours des 3 derniers jours. Les sujets inclus dans le groupe Covid-19 doivent avoir un test PCR positif confirmé effectué dans un intervalle de 1 an.

Critère d'exclusion:

  • Les sujets qui ne répondent pas aux critères d'inclusion, étant des personnes âgées (plus de 50 ans) ou ayant des troubles respiratoires, cardiaques, rénaux, neuromusculaires, orthopédiques et musculo-squelettiques doivent être exclus de l'étude. Les fumeurs et certains utilisateurs de drogues médicinales doivent être pris en considération car cela affecte les performances et augmente les niveaux de fatigue.

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

Cohortes et interventions

Groupe / Cohorte
Intervention / Traitement
Groupe sain
  • Effectue des exercices de squat tout en signalant périodiquement les niveaux subjectifs de fatigue musculaire, jusqu'à ce que la fatigue subjective maximale soit atteinte
  • Aura sEMG pour le vaste latéral et le droit fémoral, l'expansion de la poitrine, la goniométrie pour l'enregistrement du genou à l'aide du Biopac.
Autre: Accroupi à l'aide de l'appareil Kynapsis Virtual Training.
L'exercice de squat a été effectué à l'aide d'une machine de réalité virtuelle (VR) (kynapsis) pour guider les deux groupes. Des squats ont été exécutés tandis que les mains étaient maintenues devant les corps et les genoux fléchis à 90 degrés suivant un rythme de deux secondes pour la descente, deux secondes d'ascension imitant le mouvement effectué sur la machine VR.
Groupe Post Covid-19
  • Effectue des exercices de squat tout en signalant périodiquement les niveaux subjectifs de fatigue musculaire, jusqu'à ce que la fatigue subjective maximale soit atteinte
  • Aura sEMG pour le vaste latéral et le droit fémoral, l'expansion de la poitrine, la goniométrie pour l'enregistrement du genou à l'aide du Biopac.
Autre: Accroupi à l'aide de l'appareil Kynapsis Virtual Training.
L'exercice de squat a été effectué à l'aide d'une machine de réalité virtuelle (VR) (kynapsis) pour guider les deux groupes. Des squats ont été exécutés tandis que les mains étaient maintenues devant les corps et les genoux fléchis à 90 degrés suivant un rythme de deux secondes pour la descente, deux secondes d'ascension imitant le mouvement effectué sur la machine VR.

Que mesure l'étude ?

Principaux critères de jugement

Mesure des résultats
Description de la mesure
Délai
Électromyographie de surface
Délai: Pendant l'exercice accroupi.
technique non invasive où des électrodes ont été placées sur les têtes vaste latéral et droit fémoral du muscle quadriceps fémoral, évaluant sa production myoélectrique. Leurs zones ont été nettoyées avec de l'alcool et rasées pour réduire la résistance des électrodes. Trois électrodes de surface sEMG jetables ont été placées, deux d'entre elles sur le ventre musculaire avec une distance de 2,5 cm entre elles, et une électrode de contrôle placée du côté agoniste, le participant a été invité à étendre son genou et à le fléchir contre la résistance pour localiser le latéral et vaste médial. Des électrodes sEMG ont été placées sur les subdivisions du muscle QF pendant l'exercice. Les données extraites sont ensuite traitées par un algorithme d'IA qui analysera et prédira la fatigue musculaire.
Pendant l'exercice accroupi.
L'échelle Borg Rating of Perceived Exertion (RPE)
Délai: Pendant l'exercice accroupi.
Un outil pour mesurer l'effort et l'effort, l'essoufflement et la fatigue d'un individu pendant le travail physique et est donc très pertinent pour la pratique de la santé et de la sécurité au travail. Il varie de 6 au minimum à 20 au maximum, 6 signifiant aucun effort et 20 signifiant un effort maximal extrême
Pendant l'exercice accroupi.

Mesures de résultats secondaires

Mesure des résultats
Description de la mesure
Délai
Agrandissement de la poitrine.
Délai: Pendant l'exercice accroupi.
Utilisation d'un transducteur de respiration enroulé autour de la poitrine du sujet à l'aide d'une bande velcro qui transmet les données d'expansion au module récepteur principal du Biopac, qui seront enregistrées sur l'ordinateur.
Pendant l'exercice accroupi.
Gamme de mouvement.
Délai: Pendant l'exercice accroupi.
A l'aide d'un goniomètre électrique câblé sur le genou du sujet qui transmettra des signaux d'amplitude de mouvement au module récepteur du Biopac qui seront enregistrés sur l'ordinateur.
Pendant l'exercice accroupi.

Collaborateurs et enquêteurs

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

Parrainer

Beirut Arab University

Publications et liens utiles

La personne responsable de la saisie des informations sur l'étude fournit volontairement ces publications. Il peut s'agir de tout ce qui concerne l'étude.

Publications générales

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 (Réel)

15 avril 2023

Achèvement primaire (Réel)

1 juin 2023

Achèvement de l'étude (Réel)

7 juin 2023

Dates d'inscription aux études

Première soumission

3 avril 2023

Première soumission répondant aux critères de contrôle qualité

13 avril 2023

Première publication (Réel)

14 avril 2023

Mises à jour des dossiers d'étude

Dernière mise à jour publiée (Réel)

9 juin 2023

Dernière mise à jour soumise répondant aux critères de contrôle qualité

8 juin 2023

Dernière vérification

1 juin 2023

Plus d'information

Termes liés à cette étude

Mots clés

Termes MeSH pertinents supplémentaires

Autres numéros d'identification d'étude

  • AI in Prediciting Fatigue

Plan pour les données individuelles des participants (IPD)

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

INDÉCIS

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