Questa pagina è stata tradotta automaticamente e l'accuratezza della traduzione non è garantita. Si prega di fare riferimento al Versione inglese per un testo di partenza.

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

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.

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

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 .

Sottoscrivi