- ICH GCP
- USA klinikai vizsgálatok nyilvántartása
- Klinikai vizsgálat NCT05858892
A váll-izom-csontrendszeri betegségek mesterséges intelligencia által támogatott rehabilitációs programjának és a terapeuták klinikai döntéshozatalának összehasonlítása
2023. május 5. frissítette: Taipei Medical University Shuang Ho Hospital
A középkorú és idősebb felnőttek körében a váll-izomrendszeri betegségekben szenvedőknek van a legnagyobb szüksége a rehabilitációs szolgáltatásokra.
A népességnövekedés és az elöregedő társadalom ezt követően növeli a fogyatékkal élők számát, az egészségügyi költségeket és az egészségügyi szakemberek iránti igényt.
A bizonyítékok alátámasztják a gyakorlatok jótékony hatását a funkciókra és az életminőségre.
Hagyományosan a rehabilitációs programot a terapeuták állítják össze minden beteg számára, állapotuk függvényében.
Az utóbbi években a mesterséges intelligencia egyre gyakrabban kerül alkalmazásra a fizikai és rehabilitációs medicina területén, azonban nem készült tanulmány a mesterséges intelligencia alkalmazásáról a váll-izom-csontrendszeri betegségek rehabilitációs programjainak előrejelzésében.
A tanulmány fő célja feltárni a felügyelt gépi tanulási megközelítés alkalmazásának lehetőségeit a váll-izom-csontrendszeri betegségek rehabilitációs programjainak előrejelzésére.
Huszonhárom jellemzőt azonosítanak a váll mozgási tartománya, a fájdalom alapján, függetlenül attól, hogy elvégzik-e a sebészeti beavatkozást vagy sem.
Minden gyakorlatot címkének tekintünk, összesen huszonöt gyakorlattal.
Az adatkészletet klinikai terapeuták gyűjtik össze a modell fejlesztése és betanítása érdekében.
Minden betegnek legalább két hónapos rehabilitációban és kétszeri kivizsgálásban kell részesülnie.
A számítási modell felépítéséhez logisztikus regressziót, támogató vektorgépet és véletlenszerű erdőt használnak.
A pontosságot, a precizitást, a felidézést, az F-1 pontszámot és az AUC-t használják a számítási modell teljesítményének értékelésére a gépi tanulásban.
A képzés után összehasonlítjuk a gépi tanulási modell segítségével előre jelzett rehabilitációs programok konzisztenciáját és a terapeuták klinikai döntéshozatalát.
A tanulmány áttekintése
Állapot
Toborzás
Beavatkozás / kezelés
Tanulmány típusa
Megfigyelő
Beiratkozás (Várható)
80
Kapcsolatok és helyek
Ez a rész a vizsgálatot végzők elérhetőségeit, valamint a vizsgálat lefolytatásának helyére vonatkozó információkat tartalmazza.
Tanulmányi kapcsolat
- Név: Hanyun Hsiao, master
- Telefonszám: 1624 +88622490088
- E-mail: 10252@s.tmu.edu.tw
Tanulmányi helyek
-
-
-
New Taipei City, Tajvan, 235
- Toborzás
- Shuang Ho Hospital
-
Kapcsolatba lépni:
- Hanyun Hsiao, master
- Telefonszám: 1624 +88622490088
- E-mail: 10252@s.tmu.edu.tw
-
-
Részvételi kritériumok
A kutatók olyan embereket keresnek, akik megfelelnek egy bizonyos leírásnak, az úgynevezett jogosultsági kritériumoknak. Néhány példa ezekre a kritériumokra a személy általános egészségi állapota vagy a korábbi kezelések.
Jogosultsági kritériumok
Tanulmányozható életkorok
- Felnőtt
- Idősebb felnőtt
Egészséges önkénteseket fogad
Nem
Mintavételi módszer
Nem valószínűségi minta
Tanulmányi populáció
A klinikán gyakran vállfájdalmat okozó váz- és izomrendszeri betegségek közé tartozik a váll ragadós kapszulitise (AC vagy fagyott váll), a forgómandzsetta szakadása vagy szakadása (RCT) és a váll becsapódási szindróma (SIS).
Az AC incidenciája az általános populációban megközelítőleg 2-5%, leggyakrabban 40-60 éves nőknél fordul elő; az RCT előfordulási gyakorisága 20,7%, és az életkor előrehaladtával növekszik, leggyakrabban a SIS-hez társuló vállfájdalom a leggyakoribb oka, amely az esetek 44-65%-át teszi ki, és általában a 40 év felettieket érinti.
Leírás
Bevételi kritériumok:
- A Betegségek Nemzetközi Osztályozásának, 10. revíziójának (ICD-10) kódjait a vizsgálat megkezdése előtt választották ki, és az ICD-10 kódokat tartalmazta: M75 (vállléziók), S42 (váll- és felkartörés), S43 (ízületek elmozdulása és ficam). és a vállöv szalagjai), és S46 (Izom, fascia és inak sérülése a váll és a felkar szintjén)
- Olyan betegek, akiknek rehabilitációra van szükségük a műtéti beavatkozás után, és képesek nyújtani, aktív segítő mozgástartományt (AAROM) vagy felügyelt aktív mozgástartományt (AROM) végezni.
- 20-80 év között
- Képesek követni a motoros parancsokat
Kizárási kritériumok:
- Központi és perifériás idegrendszeri betegségben szenvedő betegek, mint például agyi érkatasztrófa (CVA), Parkinson-kór (PD), myasthenia gravis (MG), poliomyelitis
- Vállzúzódást, érsérülést, súlyos zúzódásos sérülést és amputációt szenvedett betegek
Tanulási terv
Ez a rész a vizsgálati terv részleteit tartalmazza, beleértve a vizsgálat megtervezését és a vizsgálat mérését.
Hogyan készül a tanulmány?
Tervezési részletek
Kohorszok és beavatkozások
Csoport / Kohorsz |
Beavatkozás / kezelés |
|---|---|
|
váll mozgásszervi csoport
A Betegségek Nemzetközi Osztályozásának, 10. revíziójának (ICD-10) kódjait a vizsgálat megkezdése előtt választották ki, és az ICD-10 kódokat tartalmazta: M75 (vállléziók), S42 (váll- és felkartörés), S43 (ízületek elmozdulása és ficam). és a vállöv szalagjai), és S46 (Izom, fascia és inak sérülése a váll és a felkar szintjén)
|
szokásos ellátás (rehabilitációs program)
|
Mit mér a tanulmány?
Elsődleges eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
|---|---|---|
|
Pontosság
Időkeret: Változás az alapvonalhoz képest 2 hónapnál
|
Feltárni a felügyelt gépi tanulási megközelítés alkalmazásának lehetőségeit a váll-izom-csontrendszeri betegségek rehabilitációs programjainak előrejelzésére
|
Változás az alapvonalhoz képest 2 hónapnál
|
|
Pontosság
Időkeret: Változás az alapvonalhoz képest 2 hónapnál
|
Feltárni a felügyelt gépi tanulási megközelítés alkalmazásának lehetőségeit a váll-izom-csontrendszeri betegségek rehabilitációs programjainak előrejelzésére
|
Változás az alapvonalhoz képest 2 hónapnál
|
|
Visszahívás
Időkeret: Változás az alapvonalhoz képest 2 hónapnál
|
Feltárni a felügyelt gépi tanulási megközelítés alkalmazásának lehetőségeit a váll-izom-csontrendszeri betegségek rehabilitációs programjainak előrejelzésére
|
Változás az alapvonalhoz képest 2 hónapnál
|
|
F-1 pontszám
Időkeret: Változás az alapvonalhoz képest 2 hónapnál
|
Feltárni a felügyelt gépi tanulási megközelítés alkalmazásának lehetőségeit a váll-izom-csontrendszeri betegségek rehabilitációs programjainak előrejelzésére
|
Változás az alapvonalhoz képest 2 hónapnál
|
|
AUC
Időkeret: Változás az alapvonalhoz képest 2 hónapnál
|
Feltárni a felügyelt gépi tanulási megközelítés alkalmazásának lehetőségeit a váll-izom-csontrendszeri betegségek rehabilitációs programjainak előrejelzésére
|
Változás az alapvonalhoz képest 2 hónapnál
|
Együttműködők és nyomozók
Itt találhatja meg a tanulmányban érintett személyeket és szervezeteket.
Publikációk és hasznos linkek
A vizsgálattal kapcsolatos információk beviteléért felelős személy önkéntesen bocsátja rendelkezésre ezeket a kiadványokat. Ezek bármiről szólhatnak, ami a tanulmányhoz kapcsolódik.
Általános kiadványok
- Burns DM, Leung N, Hardisty M, Whyne CM, Henry P, McLachlin S. Shoulder physiotherapy exercise recognition: machine learning the inertial signals from a smartwatch. Physiol Meas. 2018 Jul 23;39(7):075007. doi: 10.1088/1361-6579/aacfd9.
- Challoumas D, Biddle M, McLean M, Millar NL. Comparison of Treatments for Frozen Shoulder: A Systematic Review and Meta-analysis. JAMA Netw Open. 2020 Dec 1;3(12):e2029581. doi: 10.1001/jamanetworkopen.2020.29581.
- Linsell L, Dawson J, Zondervan K, Rose P, Randall T, Fitzpatrick R, Carr A. Prevalence and incidence of adults consulting for shoulder conditions in UK primary care; patterns of diagnosis and referral. Rheumatology (Oxford). 2006 Feb;45(2):215-21. doi: 10.1093/rheumatology/kei139. Epub 2005 Nov 1.
- Oude Nijeweme-d'Hollosy W, van Velsen L, Poel M, Groothuis-Oudshoorn CGM, Soer R, Hermens H. Evaluation of three machine learning models for self-referral decision support on low back pain in primary care. Int J Med Inform. 2018 Feb;110:31-41. doi: 10.1016/j.ijmedinf.2017.11.010. Epub 2017 Nov 23.
- Gupta R, Srivastava D, Sahu M, Tiwari S, Ambasta RK, Kumar P. Artificial intelligence to deep learning: machine intelligence approach for drug discovery. Mol Divers. 2021 Aug;25(3):1315-1360. doi: 10.1007/s11030-021-10217-3. Epub 2021 Apr 12.
Tanulmányi rekorddátumok
Ezek a dátumok nyomon követik a ClinicalTrials.gov webhelyre benyújtott vizsgálati rekordok és összefoglaló eredmények benyújtásának folyamatát. A vizsgálati feljegyzéseket és a jelentett eredményeket a Nemzeti Orvostudományi Könyvtár (NLM) felülvizsgálja, hogy megbizonyosodjon arról, hogy megfelelnek-e az adott minőség-ellenőrzési szabványoknak, mielőtt közzéteszik őket a nyilvános weboldalon.
Tanulmány főbb dátumok
Tanulmány kezdete (Tényleges)
2022. július 11.
Elsődleges befejezés (Várható)
2024. április 30.
A tanulmány befejezése (Várható)
2024. április 30.
Tanulmányi regisztráció dátumai
Először benyújtva
2023. május 5.
Először nyújtották be, amely megfelel a minőségbiztosítási kritériumoknak
2023. május 5.
Első közzététel (Tényleges)
2023. május 15.
Tanulmányi rekordok frissítései
Utolsó frissítés közzétéve (Tényleges)
2023. május 15.
Az utolsó frissítés elküldve, amely megfelel a minőségbiztosítási kritériumoknak
2023. május 5.
Utolsó ellenőrzés
2022. június 1.
Több információ
A tanulmányhoz kapcsolódó kifejezések
További vonatkozó MeSH feltételek
Egyéb vizsgálati azonosító számok
- N202206013
Terv az egyéni résztvevői adatokhoz (IPD)
Tervezi megosztani az egyéni résztvevői adatokat (IPD)?
NEM
Gyógyszer- és eszközinformációk, tanulmányi dokumentumok
Egy amerikai FDA által szabályozott gyógyszerkészítményt tanulmányoz
Nem
Egy amerikai FDA által szabályozott eszközterméket tanulmányoz
Nem
Ezt az információt közvetlenül a clinicaltrials.gov webhelyről szereztük be, változtatás nélkül. Ha bármilyen kérése van vizsgálati adatainak módosítására, eltávolítására vagy frissítésére, kérjük, írjon a következő címre: register@clinicaltrials.gov. Amint a változás bevezetésre kerül a clinicaltrials.gov oldalon, ez a webhelyünkön is automatikusan frissül. .