- ICH GCP
- Registro degli studi clinici negli Stati Uniti
- Sperimentazione clinica NCT05858892
Confronto tra un programma di riabilitazione assistita dall'intelligenza artificiale per i disturbi muscoloscheletrici della spalla e il processo decisionale clinico dei terapisti
5 maggio 2023 aggiornato da: Taipei Medical University Shuang Ho Hospital
Le persone con disturbi muscoloscheletrici della spalla tra gli adulti di mezza età e gli anziani hanno il maggior bisogno di servizi di riabilitazione.
La crescita della popolazione e l'invecchiamento della società aumentano successivamente il numero di persone disabili, i costi sanitari e le esigenze degli operatori sanitari.
Esistono prove a sostegno dell'effetto benefico degli esercizi sulla funzione e sulla qualità della vita.
Tradizionalmente, un programma di riabilitazione è progettato dai terapisti per ogni paziente a seconda delle sue condizioni.
Negli ultimi anni, l'IA è sempre più impiegata nel campo della medicina fisica e riabilitativa, tuttavia, non vi sono studi sull'applicazione dell'IA nella previsione di programmi di riabilitazione per i disturbi muscoloscheletrici della spalla.
Lo scopo principale di questo studio è esplorare le possibilità di utilizzare un approccio di apprendimento automatico supervisionato per prevedere i programmi di riabilitazione per i disturbi muscoloscheletrici della spalla.
Vengono identificate ventitré caratteristiche in base all'ampiezza di movimento della spalla, al dolore, all'esecuzione o meno di un intervento chirurgico.
Ogni esercizio è considerato come un'etichetta con un totale di venticinque esercizi.
Il set di dati viene raccolto da terapisti clinici per sviluppare e addestrare il modello.
Ogni paziente deve ricevere almeno due mesi di riabilitazione e due volte di valutazione.
La regressione logistica, la macchina vettoriale di supporto e la foresta casuale vengono utilizzate per costruire il modello computazionale.
Accuratezza, precisione, richiamo, punteggio F-1 e AUC vengono utilizzati per valutare le prestazioni del modello computazionale nell'apprendimento automatico.
Dopo la formazione, confrontiamo la coerenza dei programmi di riabilitazione previsti utilizzando il modello di apprendimento automatico e il processo decisionale clinico dei terapisti.
Panoramica dello studio
Stato
Reclutamento
Condizioni
Intervento / Trattamento
Tipo di studio
Osservativo
Iscrizione (Anticipato)
80
Contatti e Sedi
Questa sezione fornisce i recapiti di coloro che conducono lo studio e informazioni su dove viene condotto lo studio.
Contatto studio
- Nome: Hanyun Hsiao, master
- Numero di telefono: 1624 +88622490088
- Email: 10252@s.tmu.edu.tw
Luoghi di studio
-
-
-
New Taipei City, Taiwan, 235
- Reclutamento
- Shuang Ho Hospital
-
Contatto:
- Hanyun Hsiao, master
- Numero di telefono: 1624 +88622490088
- Email: 10252@s.tmu.edu.tw
-
-
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
- Adulto
- Adulto più anziano
Accetta volontari sani
No
Metodo di campionamento
Campione non probabilistico
Popolazione di studio
I disturbi muscoloscheletrici che comunemente causano dolore alla spalla in clinica includono capsulite adesiva della spalla (AC o spalla congelata), lesione o rottura della cuffia dei rotatori (RCT) e sindrome da conflitto di spalla (SIS).
L'incidenza di CA nella popolazione generale è di circa il 2-5%, più comunemente nelle donne di età compresa tra 40 e 60 anni; l'incidenza di RCT è del 20,7% e aumenta con l'età, più comunemente associata a SIS è la causa più frequente di dolore alla spalla, rappresentando circa il 44-65% dei casi, di solito colpisce persone di età superiore ai 40 anni.
Descrizione
Criterio di inclusione:
- I codici della classificazione internazionale delle malattie, 10a revisione (ICD-10) sono stati selezionati prima dell'inizio dello studio e includevano i codici ICD-10 M75 (lesioni della spalla), S42 (frattura della spalla e della parte superiore del braccio), S43 (lussazione e distorsione delle articolazioni e legamenti del cingolo scapolare) e S46 (Traumatismo di muscoli, fascia e tendini a livello della spalla e della parte superiore del braccio)
- Pazienti che necessitano di riabilitazione dopo aver subito un intervento chirurgico e sono in grado di eseguire stretching, range di movimento attivo assistito (AAROM) o range di movimento attivo supervisionato (AROM)
- tra i 20-80 anni
- Sono in grado di seguire i comandi motori
Criteri di esclusione:
- Pazienti con malattia del sistema nervoso centrale e periferico, come accidente cerebrovascolare (CVA), morbo di Parkinson (PD), miastenia grave (MG), poliomielite
- Pazienti con contusione alla spalla, lesioni vascolari, gravi lesioni da schiacciamento e amputazione
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
Coorti e interventi
Gruppo / Coorte |
Intervento / Trattamento |
|---|---|
|
gruppo muscoloscheletrico della spalla
I codici della classificazione internazionale delle malattie, 10a revisione (ICD-10) sono stati selezionati prima dell'inizio dello studio e includevano i codici ICD-10 M75 (lesioni della spalla), S42 (frattura della spalla e della parte superiore del braccio), S43 (lussazione e distorsione delle articolazioni e legamenti del cingolo scapolare) e S46 (Traumatismo di muscoli, fascia e tendini a livello della spalla e della parte superiore del braccio)
|
cure abituali (programma di riabilitazione)
|
Cosa sta misurando lo studio?
Misure di risultato primarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
Precisione
Lasso di tempo: Variazione rispetto al basale a 2 mesi
|
Esplorare le possibilità di utilizzare l'approccio di apprendimento automatico supervisionato per prevedere i programmi di riabilitazione per i disturbi muscoloscheletrici della spalla
|
Variazione rispetto al basale a 2 mesi
|
|
Precisione
Lasso di tempo: Variazione rispetto al basale a 2 mesi
|
Esplorare le possibilità di utilizzare l'approccio di apprendimento automatico supervisionato per prevedere i programmi di riabilitazione per i disturbi muscoloscheletrici della spalla
|
Variazione rispetto al basale a 2 mesi
|
|
Richiamare
Lasso di tempo: Variazione rispetto al basale a 2 mesi
|
Esplorare le possibilità di utilizzare l'approccio di apprendimento automatico supervisionato per prevedere i programmi di riabilitazione per i disturbi muscoloscheletrici della spalla
|
Variazione rispetto al basale a 2 mesi
|
|
Punteggio F-1
Lasso di tempo: Variazione rispetto al basale a 2 mesi
|
Esplorare le possibilità di utilizzare l'approccio di apprendimento automatico supervisionato per prevedere i programmi di riabilitazione per i disturbi muscoloscheletrici della spalla
|
Variazione rispetto al basale a 2 mesi
|
|
AUC
Lasso di tempo: Variazione rispetto al basale a 2 mesi
|
Esplorare le possibilità di utilizzare l'approccio di apprendimento automatico supervisionato per prevedere i programmi di riabilitazione per i disturbi muscoloscheletrici della spalla
|
Variazione rispetto al basale a 2 mesi
|
Collaboratori e investigatori
Qui è dove troverai le persone e le organizzazioni coinvolte in questo studio.
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
- 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.
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)
11 luglio 2022
Completamento primario (Anticipato)
30 aprile 2024
Completamento dello studio (Anticipato)
30 aprile 2024
Date di iscrizione allo studio
Primo inviato
5 maggio 2023
Primo inviato che soddisfa i criteri di controllo qualità
5 maggio 2023
Primo Inserito (Effettivo)
15 maggio 2023
Aggiornamenti dei record di studio
Ultimo aggiornamento pubblicato (Effettivo)
15 maggio 2023
Ultimo aggiornamento inviato che soddisfa i criteri QC
5 maggio 2023
Ultimo verificato
1 giugno 2022
Maggiori informazioni
Termini relativi a questo studio
Termini MeSH pertinenti aggiuntivi
Altri numeri di identificazione dello studio
- N202206013
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 .
Prove cliniche su Apprendimento automatico
-
RenJi HospitalNon ancora reclutamentoDeep Learning, risonanza magnetica lombare
-
Gazi UniversityAtılım University; Gazi University Scientific Research UnitCompletatoEducazione infermieristica | Assistenza infermieristica | Tubo toracico | E-learningTacchino
-
Sultan Qaboos Comprehensive Cancer CenterNon ancora reclutamentoAtteggiamento | Conoscenza | Pratica | E-learningOman
-
Maastricht University Medical CenterAttivo, non reclutanteCheratosi attinica | Dermatologia | E-learningOlanda
-
National Taipei University of Nursing and Health...Ministry of Science and Technology, TaiwanIscrizione su invitoGravidanza | Età gestazionale e condizioni di peso | Alfabetizzazione | Comportamenti alimentari | E-learningTaiwan
-
University of ZurichReclutamentoPrevisione dell'esito dell'ictus supportata dall'algoritmo di deep learningSvizzera
-
Copenhagen Academy for Medical Education and SimulationRigshospitalet, DenmarkCompletatoStress psicologico | Educazione, medicina | Ansia di Stato | E-learning | Unità medica acutaDanimarca
-
Fondazione Policlinico Universitario Agostino Gemelli...ReclutamentoDescrivere le caratteristiche tipiche dell'ecografia in scala di grigi/color Doppler della neoplasia trofoblastica gestazionale all'esame ecografico | Per valutare se ci sono differenze all'esame ecografico di base tra pazienti a basso e ad alto rischio | Identificare i predittori ecografici... e altre condizioniItalia
-
Bahria UniversityReclutamentoCovid-19 | Studente di medicina | E-learningPakistan
Prove cliniche su consueta cura
-
Aarogyam UKNMP Medical Research Institute; Croydon Ayurveda Centre; Active Naturals Limited; AVP Research FoundationAttivo, non reclutanteDisturbo psichiatricoIndia
-
University of Sao PauloReclutamentoEpisiotomia | Lesione perineale | Dolore perineale | Strappo perineale derivante dal parto | Lacerazioni perineali | Lesione ostetrica dello sfintere anale | Strappo perineale ed episiotomia | Lacerazione, strappo o rottura perineale durante il partoBrasile
-
Medical College of WisconsinCompletatoDiabete di tipo 2Stati Uniti
-
Henry M. Jackson Foundation for the Advancement...National Institute of Mental Health (NIMH); United States Department of DefenseCompletatoDisturbo post-traumatico da stress (PTSD)Stati Uniti
-
University Hospital, MontpellierReclutamentoDipendenza | Disturbo da uso di alcol | Ricaduta | Astinenza da alcol | Colloqui motivazionaliFrancia
-
Massachusetts General HospitalNational Institutes of Health (NIH); Samaritans of BostonNon ancora reclutamentoIdeazione suicida | Suicidio, tentato | Suicidio
-
French Red CrossInstitut National de la Santé Et de la Recherche Médicale, France; University... e altri collaboratoriAttivo, non reclutanteAttività fisica | Crescita | Dieta | Comportamento sedentario | InfanteFrancia
-
University of PittsburghNational Institute of Nursing Research (NINR)CompletatoTumori cerebrali maligni primariStati Uniti
-
Dana-Farber Cancer InstituteMassachusetts General Hospital; Brigham and Women's HospitalCompletatoSmettere di fumare | Cancro ai polmoniStati Uniti
-
University of Texas at AustinCompletatoSclerosi multiplaStati Uniti