Valutazione basata sulla visione dell'estensibilità articolare nella sindrome di Ehlers Danlos
27 novembre 2023 aggiornato da: Nimish Mittal, University Health Network, Toronto
Valutazione della fattibilità di un'applicazione di imaging visivo basata sull'apprendimento automatico basata su smartphone per la valutazione dell'iperestensibilità delle articolazioni periferiche nella sindrome di Ehlers Danlos
La sindrome di Ehlers Danlos (EDS) è un gruppo eterogeneo di malattie genetiche con 13 sottotipi identificati. L'EDS ipermobile (hEDS), sebbene sia il sottotipo più comune di EDS, non ha ancora una mutazione genetica identificata per la conferma diagnostica. L'ipermobilità articolare generalizzata (GJH) è una delle caratteristiche distintive di hEDS. Il sistema di punteggio utilizzato nella misurazione del GJH è stato descritto da Beighton. Il punteggio di Beighton viene calcolato utilizzando un sistema di punteggio dicotomico per valutare l'estensibilità di nove articolazioni. Ogni articolazione viene valutata come ipermobile (punteggio = 1) o non ipermobile (punteggio = 0). Il punteggio totale (Beighton score) può variare da un minimo di 0 ad un massimo di 9, con punteggi più alti che indicano una maggiore lassità articolare.
Sebbene vi sia una moderata validità e variabilità inter-valutatore nell'uso del punteggio di Beighton, continuano a esserci diverse sfide con la sua applicazione diffusa e coerente da parte dei medici. Alcune delle barriere riportate in letteratura includono:
i) Nei sistemi aperti e non standardizzati possono esserci variazioni significative nel metodo per eseguire questi test di estensibilità articolare, inclusa la valutazione delle misurazioni di base, ii) Determinazione di strumenti/metodologia di misurazione coerenti e standard, ad es. l'uso del goniometro può variare ampiamente iii) Valutare l'affidabilità dei valori di cut-off e, iv) Eseguire una valutazione completa prima di informare i pazienti della possibile classificazione della positività GJH (bassa specificità e basso predittivo positivo).
L'implementazione inappropriata di test per valutare GJH si traduce in un'identificazione imprecisa di GJH e conseguenze negative potenzialmente indesiderate di una diagnosi errata di EDS. L'obiettivo di questo studio è creare un metodo più robusto e valido di misurazione della mobilità articolare e ridurre l'errore nello screening dell'EDS attraverso l'uso di sistemi applicativi di apprendimento automatico basati su smartphone per la misurazione dell'estensibilità articolare.
Il progetto:
i) Creare un'app di imaging visivo abilitata per smartphone per valutare la misurazione dell'estensibilità articolare, ii) Valutare la fattibilità dell'utilizzo dell'app per smartphone in un contesto clinico per lo screening di potenziali pazienti con EDS, iii) Determinare la validità dell'applicazione in confronto con la valutazione clinica di persona in un programma EDS accademico di assistenza terziaria. In caso di successo, l'applicazione per smartphone potrebbe aiutare a standardizzare la cura dei potenziali pazienti affetti da EDS in modo efficiente ed economico.
Panoramica dello studio
Stato
Iscrizione su invito
Condizioni
Intervento / Trattamento
Tipo di studio
Osservativo
Iscrizione (Stimato)
225
Contatti e Sedi
Questa sezione fornisce i recapiti di coloro che conducono lo studio e informazioni su dove viene condotto lo studio.
Luoghi di studio
-
-
Ontario
-
Toronto, Ontario, Canada, M5G 2C4
- GoodHope EDS - Toronto General Hospital
-
-
Criteri di partecipazione
I ricercatori cercano persone che corrispondano a una certa descrizione, chiamata criteri di ammissibilità. Alcuni esempi di questi criteri sono le condizioni generali di salute di una persona o trattamenti precedenti.
Criteri di ammissibilità
Età idonea allo studio
18 anni e precedenti (Adulto, Adulto più anziano)
Accetta volontari sani
No
Metodo di campionamento
Campione non probabilistico
Popolazione di studio
La popolazione studiata include tutti i pazienti indirizzati o visti nella clinica GoodHope EDS.
La clinica accetta segnalazioni da pazienti adulti sintomatici (età > 18 anni), con EDS o sospetta EDS.
L'EDS è una malattia del tessuto connettivo con penetranza del 100%, ma variabile nell'espressione fenotipica, i casi sospetti di EDS o G-HSD possono quindi includere altre malattie/disturbi del tessuto connettivo ereditari o acquisiti e/o malattie croniche complesse caratterizzate da o che presentano , ipermobilità articolare, dolore e affaticamento.
Descrizione
Criterio di inclusione:
- Tutti i pazienti visitati nella clinica GoodHope EDS al Toronto General sono idonei per l'inclusione, indipendentemente dalla loro diagnosi attuale o dai risultati delle loro valutazioni
Criteri di esclusione:
- I pazienti che non acconsentono a partecipare non saranno inclusi (i partecipanti possono revocare il consenso in qualsiasi momento)
Piano di studio
Questa sezione fornisce i dettagli del piano di studio, compreso il modo in cui lo studio è progettato e ciò che lo studio sta misurando.
Come è strutturato lo studio?
Dettagli di progettazione
- Modelli osservazionali: Solo caso
- Prospettive temporali: Trasversale
Coorti e interventi
Gruppo / Coorte |
Intervento / Trattamento |
|---|---|
|
Nuovi pazienti alla clinica GoodHope EDS del Toronto General Hospital
Tutti i pazienti visitati nella clinica EDS sono idonei per l'inclusione, indipendentemente dalla loro diagnosi attuale o dai risultati delle loro valutazioni.
|
Non verrà utilizzato alcun intervento.
I partecipanti consenzienti avranno registrazioni video effettuate durante il loro esame di ipermobilità articolare che saranno analizzate in un secondo momento
|
Cosa sta misurando lo studio?
Misure di risultato primarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
Confronto dell'accordo nell'angolo previsto dalla libreria di stima della posa
Lasso di tempo: 4 mesi
|
Le prestazioni dei modelli di apprendimento automatico sviluppati per prevedere l'intervallo di movimento saranno analizzate dalla libreria di stima della posa utilizzata.
Questa analisi sarà eseguita sul sottoinsieme dei dati raccolti durante i primi 2 mesi di raccolta dei dati.
Queste informazioni verranno utilizzate per selezionare le librerie di stima della posa con cui procedere durante il perfezionamento dei modelli di machine learning.
|
4 mesi
|
|
Confronto dell'accordo nell'angolo previsto per giunto
Lasso di tempo: 1 anno
|
Le prestazioni dei modelli di apprendimento automatico sviluppati per prevedere la gamma di movimento in ciascuna articolazione (colonna vertebrale, ginocchio, caviglia, gomito, spalla, pollice, mignolo) saranno analizzate indipendentemente per ciascuna articolazione.
Ciò fornirà informazioni rispetto a quali giunzioni il sistema è più preciso nel prevedere dal video.
|
1 anno
|
|
Valuta l'accuratezza della previsione dell'intervallo di movimento utilizzando i dati basati sulla visione
Lasso di tempo: 1 anno
|
Saranno sviluppati modelli di apprendimento automatico addestrati su video di individui che eseguono le manovre di ipermobilità articolare.
Le loro prestazioni saranno confrontate con il range di movimento misurato da un medico esperto utilizzando un goniometro.
|
1 anno
|
Collaboratori e investigatori
Qui è dove troverai le persone e le organizzazioni coinvolte in questo studio.
Investigatori
- Investigatore principale: Nimish Mittal, MD, GoodHope Ehlers Danlos Syndrome Clinic, Toronto General Hospital
Pubblicazioni e link utili
La persona responsabile dell'inserimento delle informazioni sullo studio fornisce volontariamente queste pubblicazioni. Questi possono riguardare qualsiasi cosa relativa allo studio.
Pubblicazioni generali
- Critical Care Services Ontario, Ehlers-Danlos Syndrome Expert Panel Report, 2016. https://www.health.gov.on.ca/en/common/ministry/publications/reports/eds/Default.aspx.
- Cahill SV, Sharkey MS, Carter CW. Clinical assessment of generalized ligamentous laxity using a single test: is thumb-to-forearm apposition enough? J Pediatr Orthop B. 2021 May 1;30(3):296-300. doi: 10.1097/BPB.0000000000000732.
- He K, Gkioxari G, Dollár P, Girshick R. Mask R-CNN. In: Proceedings of the IEEE international conference on computer vision. 2017. p. 2961-9.
- Cao Z, Hidalgo G, Simon T, Wei SE, Sheikh Y. OpenPose: Realtime Multi-Person 2D Pose Estimation Using Part Affinity Fields. IEEE Trans Pattern Anal Mach Intell. 2021 Jan;43(1):172-186. doi: 10.1109/TPAMI.2019.2929257. Epub 2020 Dec 4.
- Fang H-S, Xie S, Tai Y-W, Lu C. RMPE: Regional Multi-person Pose Estimation. 2016 Nov 30; Available from: http://arxiv.org/abs/1612.00137
- Lin T-Y, Maire M, Belongie S, Bourdev L, Girshick R, Hays J, et al. Microsoft COCO: Common Objects in Context. 2014 May 1; Available from: http://arxiv.org/abs/1405.0312
- Andriluka M, Pishchulin L, Gehler P, Schiele B. 2D Human Pose Estimation: New Benchmark and State of the Art Analysis. In: 2014 IEEE Conference on Computer Vision and Pattern Recognition. 2014. p. 3686-93
- Lugaresi C, Tang J, Nash H, McClanahan C, Uboweja E, Hays M, et al. MediaPipe: A Framework for Building Perception Pipelines. 2019 Jun 14; Available from: https://arxiv.org/abs/1906.08172
- Zhang F, Bazarevsky V, Vakunov A, Tkachenka A, Sung G, Chang C-L, et al. MediaPipe Hands: On-device Real-time Hand Tracking. 2020 Jun 17; Available from: http://arxiv.org/abs/2006.10214
- Mehdizadeh S, Nabavi H, Sabo A, Arora T, Iaboni A, Taati B. Concurrent validity of human pose tracking in video for measuring gait parameters in older adults: a preliminary analysis with multiple trackers, viewing angles, and walking directions. J Neuroeng Rehabil. 2021 Sep 15;18(1):139. doi: 10.1186/s12984-021-00933-0.
- Sabo A, Mehdizadeh S, Ng KD, Iaboni A, Taati B. Assessment of Parkinsonian gait in older adults with dementia via human pose tracking in video data. J Neuroeng Rehabil. 2020 Jul 14;17(1):97. doi: 10.1186/s12984-020-00728-9.
- Lu M, Zhao Q, Poston KL, Sullivan EV, Pfefferbaum A, Shahid M, Katz M, Kouhsari LM, Schulman K, Milstein A, Niebles JC, Henderson VW, Fei-Fei L, Pohl KM, Adeli E. Quantifying Parkinson's disease motor severity under uncertainty using MDS-UPDRS videos. Med Image Anal. 2021 Oct;73:102179. doi: 10.1016/j.media.2021.102179. Epub 2021 Jul 21.
- Williams S, Zhao Z, Hafeez A, Wong DC, Relton SD, Fang H, Alty JE. The discerning eye of computer vision: Can it measure Parkinson's finger tap bradykinesia? J Neurol Sci. 2020 Sep 15;416:117003. doi: 10.1016/j.jns.2020.117003. Epub 2020 Jun 30.
- Ota M, Tateuchi H, Hashiguchi T, Kato T, Ogino Y, Yamagata M, Ichihashi N. Verification of reliability and validity of motion analysis systems during bilateral squat using human pose tracking algorithm. Gait Posture. 2020 Jul;80:62-67. doi: 10.1016/j.gaitpost.2020.05.027. Epub 2020 May 25.
- Slembrouck M, Luong H, Gerlo J, Schütte K, Van Cauwelaert D, De Clercq D, et al. Multiview 3d Markerless Human Pose Estimation from Openpose Skeletons. In: International Conference on Advanced Concepts for Intelligent Vision Systems. Springer; 2020. p. 166-78.
- Wang H, Xie Z, Lu L, Li L, Xu X. A computer-vision method to estimate joint angles and L5/S1 moments during lifting tasks through a single camera. J Biomech. 2021 Dec 2;129:110860. doi: 10.1016/j.jbiomech.2021.110860. Epub 2021 Nov 8.
- Yahya M, Shah JA, Warsi A, Kadir K, Khan S, Izani M. Real time elbow angle estimation using single RGB camera. 2018 Aug 21; Available from: https://arxiv.org/abs/1808.07017
- Shi B, Brentari D, Shakhnarovich G, Livescu K. Fingerspelling Detection in American Sign Language. In: Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2021. p. 4166-75
- Kim I-H, Jung I-H. A Study on Korea Sign Language Motion Recognition Using OpenPose Based on Deep Learning. 디지털콘텐츠학회논문지 (Journal of Digital Contents Society). 2021;22(4):681-7.
- Levy HP. Hypermobile Ehlers-Danlos Syndrome. 2004 Oct 22 [updated 2018 Jun 21]. In: Adam MP, Feldman J, Mirzaa GM, Pagon RA, Wallace SE, Bean LJH, Gripp KW, Amemiya A, editors. GeneReviews(R) [Internet]. Seattle (WA): University of Washington, Seattle; 1993-2023. Available from http://www.ncbi.nlm.nih.gov/books/NBK1279/
Studiare le date dei record
Queste date tengono traccia dell'avanzamento della registrazione dello studio e dell'invio dei risultati di sintesi a ClinicalTrials.gov. I record degli studi e i risultati riportati vengono esaminati dalla National Library of Medicine (NLM) per assicurarsi che soddisfino specifici standard di controllo della qualità prima di essere pubblicati sul sito Web pubblico.
Studia le date principali
Inizio studio (Effettivo)
26 aprile 2022
Completamento primario (Stimato)
1 giugno 2024
Completamento dello studio (Stimato)
1 dicembre 2024
Date di iscrizione allo studio
Primo inviato
4 maggio 2022
Primo inviato che soddisfa i criteri di controllo qualità
4 maggio 2022
Primo Inserito (Effettivo)
9 maggio 2022
Aggiornamenti dei record di studio
Ultimo aggiornamento pubblicato (Effettivo)
28 novembre 2023
Ultimo aggiornamento inviato che soddisfa i criteri QC
27 novembre 2023
Ultimo verificato
1 novembre 2023
Maggiori informazioni
Termini relativi a questo studio
Parole chiave
Termini MeSH pertinenti aggiuntivi
- Processi patologici
- Malattia cardiovascolare
- Malattie vascolari
- Malattie della pelle
- Patologia
- Anomalie congenite
- Malattie ematologiche
- Disturbi emorragici
- Malattie genetiche, congenite
- Malattie del tessuto connettivo
- Disturbi emostatici
- Malattie della pelle, genetiche
- Anomalie della pelle
- Malattie del collagene
- Sindrome
- Sindrome di Ehlers-Danlos
Altri numeri di identificazione dello studio
- 22-5073
Piano per i dati dei singoli partecipanti (IPD)
Hai intenzione di condividere i dati dei singoli partecipanti (IPD)?
NO
Descrizione del piano IPD
Nessun IPD sarà condiviso con altri ricercatori.
Informazioni su farmaci e dispositivi, documenti di studio
Studia un prodotto farmaceutico regolamentato dalla FDA degli Stati Uniti
No
Studia un dispositivo regolamentato dalla FDA degli Stati Uniti
No
Queste informazioni sono state recuperate direttamente dal sito web clinicaltrials.gov senza alcuna modifica. In caso di richieste di modifica, rimozione o aggiornamento dei dettagli dello studio, contattare register@clinicaltrials.gov. Non appena verrà implementata una modifica su clinicaltrials.gov, questa verrà aggiornata automaticamente anche sul nostro sito web .
Prove cliniche su Sindrome di Ehlers-Danlos
-
University of CalgaryNon ancora reclutamentoSindrome di Ehlers-Danlos ipermobile | EDS ipermobile (hEDS) | Sindrome di Ehlers-Danlos da ipermobilità | Disturbo dello spettro ipermobileCanada
-
Cambridge University Hospitals NHS Foundation TrustUniversity of CambridgeReclutamentoSindrome vascolare di Ehlers-Danlos | EDS vascolare (vEDS) | Sindrome vascolare di Ehlers DanlosRegno Unito
-
Assistance Publique - Hôpitaux de ParisMinistry of Health, FranceCompletatoSindrome di Ehlers-Danlos, tipo vascolareFrancia
-
Baylor College of MedicineTerminatoSindrome di Ehlers-Danlos ipermobile | Valutazione del doloreStati Uniti
-
Cliniques universitaires Saint-Luc- Université...Completato
-
University Health Network, TorontoIscrizione su invitoSindrome di Ehlers-Danlos ipermobile | Sindrome di Ehlers-Danlos | Sindrome vascolare di Ehlers-Danlos | EDS ipermobile (hEDS) | EDS | Sindrome classica di Ehlers-Danlos | EDS classico (cEDS) | EDS vascolare (vEDS)Canada
-
ELewisUniversity of Massachusetts, LowellReclutamentoTipo di ipermobilità della sindrome di Ehlers-Danlos (hEDS)Stati Uniti
-
Baylor College of MedicineSouthern Star Research Pty Ltd.ReclutamentoSindrome vascolare di Ehlers-DanlosStati Uniti
-
Aytu BioPharma, Inc.ParexelSospesoSindrome vascolare di Ehlers-DanlosStati Uniti
-
Brigham and Women's HospitalNational Institutes of Health (NIH); Bernard Osher FoundationNon ancora reclutamentoEDS ipermobile (hEDS) | Sindrome di Ehlers-Danlos (EDS) | Disturbo dello spettro ipermobileStati Uniti