持ち上げ作業における生体力学的リスクを評価するためのウェアラブル センサーと機械学習
2023年12月21日 更新者:Edda Capodaglio、Istituti Clinici Scientifici Maugeri SpA
ウェアラブル センサーと機械学習: 持ち上げ作業における生体力学的リスク評価への技術的アプローチ
荷物を持ち上げると、仕事に関連した筋骨格障害を引き起こす可能性があります。
国立労働安全衛生研究所 (NIOSH) は、持ち上げの強度、持続時間、頻度、およびその他の幾何学的特性に基づく定量的方法により、持ち上げ動作を評価するための方法論を確立しました。
身体に装着する慣性センサー技術は、肉体労働に従事する労働者の安全と健康を向上させる多くの機会を提供します。
モーション トラッキング システムと機械学習 (ML) アルゴリズムは、人間工学の分野で、ウェアラブル慣性システムによって取得されたデータによる生体力学的リスク評価に使用されます。
調査員は、生の信号から抽出された特徴による機械学習アプローチを使用して、LI の値に応じて、さまざまなリスク クラスに属する持ち上げタスクを分類できるかどうかという疑問を提起しました。
この研究の目的は、負荷を持ち上げる活動に関連するリスクの人間工学的評価のために、ML アルゴリズムを通じて、IMU および EMG センサーを使用した運動学的パラメーターの非侵襲的検出システムを開発および検証することでした。
調査の概要
詳細な説明
この研究は、健康な被験者の自発的な登録を想定しており、仕事に関連する病状の治療クリニックを参照して(18歳未満または65歳以上の被験者、および進行中の筋骨格病状またはその他の身体障害のある病状を有する被験者を除く)、2回の反復リフティングテストを実施します。 .
2 つのテストは、2 つの NIOSH リスク クラス (LI<1, NO RISK; および LI>1, RISK) にそれぞれ対応するように設定されています。
IMU センサーは、専用ソフトウェア (つまり、
マトラブ、SPSS)。
2 番目のステップでは、EMG センサーから得られたデータが分析に追加されます。
さまざまな人工知能アルゴリズムの中で、研究者は、運動課題中に検出された信号から抽出されたパラメーターに基づいて、さまざまなリスク クラスを最も識別できるものを探します。
研究の種類
観察的
入学 (実際)
41
参加基準
研究者は、適格基準と呼ばれる特定の説明に適合する人を探します。これらの基準のいくつかの例は、人の一般的な健康状態または以前の治療です。
適格基準
就学可能な年齢
18年~65年 (大人、高齢者)
健康ボランティアの受け入れ
はい
サンプリング方法
非確率サンプル
調査対象母集団
仕事関連の病状の治療クリニックを紹介する健康なボランティア
説明
包含基準:
- 健常者
除外基準:
- -筋骨格の病状または進行中の他の障害のある病状を持つ被験者
研究計画
このセクションでは、研究がどのように設計され、研究が何を測定しているかなど、研究計画の詳細を提供します。
研究はどのように設計されていますか?
デザインの詳細
この研究は何を測定していますか?
主要な結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
RNLE による、持ち上げ作業のリスクを評価するための提案された戦略の検証
時間枠:1年目
|
精度とAucRoc
|
1年目
|
協力者と研究者
ここでは、この調査に関係する人々や組織を見つけることができます。
捜査官
- 主任研究者:Edda Capodaglio, PhD、ICS Maugeri IRCCS
出版物と役立つリンク
研究に関する情報を入力する責任者は、自発的にこれらの出版物を提供します。これらは、研究に関連するあらゆるものに関するものである可能性があります。
一般刊行物
- 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.
研究記録日
これらの日付は、ClinicalTrials.gov への研究記録と要約結果の提出の進捗状況を追跡します。研究記録と報告された結果は、国立医学図書館 (NLM) によって審査され、公開 Web サイトに掲載される前に、特定の品質管理基準を満たしていることが確認されます。
主要日程の研究
研究開始 (実際)
2010年10月7日
一次修了 (実際)
2022年1月24日
研究の完了 (実際)
2022年5月6日
試験登録日
最初に提出
2023年3月2日
QC基準を満たした最初の提出物
2023年3月17日
最初の投稿 (実際)
2023年3月21日
学習記録の更新
投稿された最後の更新 (実際)
2023年12月28日
QC基準を満たした最後の更新が送信されました
2023年12月21日
最終確認日
2023年12月1日
詳しくは
この情報は、Web サイト clinicaltrials.gov から変更なしで直接取得したものです。研究の詳細を変更、削除、または更新するリクエストがある場合は、register@clinicaltrials.gov。 までご連絡ください。 clinicaltrials.gov に変更が加えられるとすぐに、ウェブサイトでも自動的に更新されます。