- ICH GCP
- Registro degli studi clinici negli Stati Uniti
- Sperimentazione clinica NCT05777304
Sensori indossabili e Machine Learning per la valutazione del rischio biomeccanico nelle attività di sollevamento
21 dicembre 2023 aggiornato da: Edda Capodaglio, Istituti Clinici Scientifici Maugeri SpA
Sensori indossabili e apprendimento automatico: un approccio tecnologico alla valutazione del rischio biomeccanico nelle attività di sollevamento
Il sollevamento di carichi può causare disturbi muscoloscheletrici legati al lavoro.
L'Istituto nazionale per la sicurezza e la salute sul lavoro (NIOSH) ha stabilito una metodologia per valutare le azioni di sollevamento mediante un metodo quantitativo basato su intensità, durata, frequenza e altre caratteristiche geometriche del sollevamento.
La tecnologia dei sensori inerziali indossati sul corpo offre una serie di opportunità per migliorare la sicurezza e la salute dei lavoratori impegnati nel lavoro fisico.
Sistemi di motion-tracking insieme ad algoritmi di Machine learning (ML) sono utilizzati in campo ergonomico per la valutazione del rischio biomeccanico mediante dati acquisiti da sistemi inerziali indossabili.
I ricercatori hanno posto la questione se sia possibile classificare le attività di sollevamento appartenenti a diverse classi di rischio in base al valore di LI utilizzando un approccio di apprendimento automatico mediante caratteristiche estratte da segnali grezzi.
Scopo di questo studio è stato quello di sviluppare e validare, attraverso algoritmi ML, un sistema di rilevamento non invasivo di parametri cinetico-cinematici utilizzando sensori IMU ed EMG, per la valutazione ergonomica del rischio associato ad un'attività di sollevamento di carichi.
Panoramica dello studio
Stato
Completato
Condizioni
Intervento / Trattamento
Descrizione dettagliata
Lo studio prevede l'arruolamento volontario di soggetti sani, riferiti ad ambulatori di cura per patologie professionali (esclusi i soggetti di età <18 o > 65 anni, e quelli con patologie muscolo-scheletriche o altre patologie invalidanti in corso), per effettuare due ripetute prove di sollevamento .
I due test sono impostati per corrispondere rispettivamente alle due classi di rischio NIOSH (LI<1, NO RISK; e LI>1, RISK).
I sensori IMU forniscono in modalità wireless una serie di dati dai quali si intende estrarre una serie di feature (feature extract) che hanno un elevato potere predittivo, attraverso la tecnica di digital signal processing utilizzando software dedicati (es.
MatLab, SPSS).
In una seconda fase, i dati ottenuti dai sensori EMG verranno aggiunti all'analisi.
Tra i diversi algoritmi di intelligenza artificiale, lo sperimentatore cercherà quelli maggiormente in grado di discriminare le varie classi di rischio sulla base dei parametri estratti dai segnali rilevati durante il compito motorio.
Tipo di studio
Osservativo
Iscrizione (Effettivo)
41
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
Da 18 anni a 65 anni (Adulto, Adulto più anziano)
Accetta volontari sani
Sì
Metodo di campionamento
Campione non probabilistico
Popolazione di studio
volontario sano afferente ad ambulatori di cura per patologie professionali
Descrizione
Criterio di inclusione:
- soggetti sani
Criteri di esclusione:
- soggetti con patologie muscoloscheletriche o altre patologie invalidanti in atto
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
Cosa sta misurando lo studio?
Misure di risultato primarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
Convalida della strategia proposta per valutare il rischio delle attività di sollevamento, secondo RNLE
Lasso di tempo: primo anno
|
grado di precisione e AucRoc
|
primo anno
|
Collaboratori e investigatori
Qui è dove troverai le persone e le organizzazioni coinvolte in questo studio.
Investigatori
- Investigatore principale: Edda Capodaglio, PhD, ICS Maugeri IRCCS
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
- Donisi L, Cesarelli G, Capodaglio E, Panigazzi M, D'Addio G, Cesarelli M, Amato F. A Logistic Regression Model for Biomechanical Risk Classification in Lifting Tasks. Diagnostics (Basel). 2022 Oct 29;12(11):2624. doi: 10.3390/diagnostics12112624.
- Donisi L, Cesarelli G, Pisani N, Ponsiglione AM, Ricciardi C, Capodaglio E. Wearable Sensors and Artificial Intelligence for Physical Ergonomics: A Systematic Review of Literature. Diagnostics (Basel). 2022 Dec 5;12(12):3048. doi: 10.3390/diagnostics12123048.
- Donisi L, Capodaglio EM, Amitrano F, Cesarelli G, Pagano G, D'Addio G. A multiple linear regression approach to extimate lifted load from features extracted from inertial data. G Ital Med Lav Ergon. 2021 Dec;43(4):373-378.
- Donisi L, Cesarelli G, Coccia A, Panigazzi M, Capodaglio EM, D'Addio G. Work-Related Risk Assessment According to the Revised NIOSH Lifting Equation: A Preliminary Study Using a Wearable Inertial Sensor and Machine Learning. Sensors (Basel). 2021 Apr 7;21(8):2593. doi: 10.3390/s21082593.
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)
7 ottobre 2010
Completamento primario (Effettivo)
24 gennaio 2022
Completamento dello studio (Effettivo)
6 maggio 2022
Date di iscrizione allo studio
Primo inviato
2 marzo 2023
Primo inviato che soddisfa i criteri di controllo qualità
17 marzo 2023
Primo Inserito (Effettivo)
21 marzo 2023
Aggiornamenti dei record di studio
Ultimo aggiornamento pubblicato (Effettivo)
28 dicembre 2023
Ultimo aggiornamento inviato che soddisfa i criteri QC
21 dicembre 2023
Ultimo verificato
1 dicembre 2023
Maggiori informazioni
Termini relativi a questo studio
Parole chiave
Altri numeri di identificazione dello studio
- 2475
Piano per i dati dei singoli partecipanti (IPD)
Hai intenzione di condividere i dati dei singoli partecipanti (IPD)?
NO
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 .