肩筋骨格系疾患に対する人工知能支援リハビリテーションプログラムと治療者の臨床意思決定の比較
2023年5月5日 更新者：Taipei Medical University Shuang Ho Hospital
リハビリテーションサービスの必要性が最も高いのは、肩の筋骨格系疾患を患う中高年層です。
その後、人口増加と社会の高齢化により、障害者の数、医療費、医療従事者のニーズが増加しています。
運動が機能と生活の質に及ぼす有益な効果を裏付ける証拠が存在します。
伝統的に、リハビリテーションプログラムはセラピストによって各患者の状態に応じて設計されます。
近年、理学療法やリハビリテーション医療の分野でAIの活用が進んでいますが、肩筋骨格系疾患のリハビリテーションプログラムの予測にAIを適用した研究はありません。
この研究の主な目的は、肩の筋骨格系疾患のリハビリテーション プログラムを予測するために教師あり機械学習アプローチを使用する可能性を探ることです。
肩の可動域や痛み、手術の有無などに基づいて23の特徴が特定される。
各演習は、合計 25 の演習を持つラベルとして考慮されます。
データセットは、モデルの開発とトレーニングのために臨床療法士によって収集されます。
各患者は少なくとも 2 か月のリハビリテーションと 2 回の評価を受けなければなりません。
計算モデルの構築には、ロジスティック回帰、サポート ベクター マシン、ランダム フォレストが使用されます。
精度、精度、再現率、F-1 スコア、および AUC は、機械学習における計算モデルのパフォーマンスを評価するために使用されます。
トレーニング後、機械学習モデルを使用して予測されたリハビリテーション プログラムとセラピストの臨床意思決定の一貫性を比較します。
調査の概要
研究の種類
観察的
入学 (予想される)
80
連絡先と場所
このセクションには、調査を実施する担当者の連絡先の詳細と、この調査が実施されている場所に関する情報が記載されています。
研究連絡先
- 名前：Hanyun Hsiao, master
- 電話番号：1624 +88622490088
- メール：10252@s.tmu.edu.tw
研究場所
-
-
-
New Taipei City、台湾、235
- 募集
- Shuang Ho Hospital
-
コンタクト：
- Hanyun Hsiao, master
- 電話番号：1624 +88622490088
- メール：10252@s.tmu.edu.tw
-
-
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
- 大人
- 高齢者
健康ボランティアの受け入れ
いいえ
サンプリング方法
非確率サンプル
調査対象母集団
クリニックで一般的に肩の痛みを引き起こす筋骨格疾患には、癒着性肩関節包炎（AC または五十肩）、腱板断裂または破裂（RCT）、および肩インピンジメント症候群（SIS）が含まれます。
一般人口における AC の発生率は約 2 ～ 5% で、最も一般的には 40 ～ 60 歳の女性に発生します。 RCTの発生率は20.7%で、年齢とともに増加します。最も一般的にSISと関連しているのは、肩痛の最も一般的な原因であり、症例の約44～65%を占め、通常は40歳以上の人が罹患します。
説明
包含基準:
- 研究開始前に国際疾病分類第 10 版 (ICD-10) コードが選択され、ICD-10 コード M75 (肩の病変)、S42 (肩および上腕の骨折)、S43 (関節の脱臼および捻挫) が含まれていました。および肩帯の靱帯）、およびS46（肩および上腕レベルの筋肉、筋膜および腱の損傷）
- 外科手術後のリハビリテーションが必要で、ストレッチ、能動的補助可動域（AAROM）または監視下能動的可動域（AROM）を実行できる患者
- 20歳から80歳まで
- モーターのコマンドに従うことができる
除外基準:
- 脳血管障害（CVA）、パーキンソン病（PD）、重症筋無力症（MG）、ポリオなどの中枢神経系疾患および末梢神経系疾患の患者
- 肩挫傷、血管損傷、重度の挫傷および切断を患った患者
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
コホートと介入
グループ/コホート |
介入・治療 |
|---|---|
|
肩の筋骨格系グループ
研究開始前に国際疾病分類第 10 版 (ICD-10) コードが選択され、ICD-10 コード M75 (肩の病変)、S42 (肩および上腕の骨折)、S43 (関節の脱臼および捻挫) が含まれていました。および肩帯の靱帯）、およびS46（肩および上腕レベルの筋肉、筋膜および腱の損傷）
|
普段のケア（リハビリテーションプログラム）
|
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 |
|---|---|---|
|
正確さ
時間枠：2 か月後のベースラインからの変化
|
教師あり機械学習アプローチを使用して肩筋骨格系疾患のリハビリテーション プログラムを予測する可能性を探る
|
2 か月後のベースラインからの変化
|
|
精度
時間枠：2 か月後のベースラインからの変化
|
教師あり機械学習アプローチを使用して肩筋骨格系疾患のリハビリテーション プログラムを予測する可能性を探る
|
2 か月後のベースラインからの変化
|
|
想起
時間枠：2 か月後のベースラインからの変化
|
教師あり機械学習アプローチを使用して肩筋骨格系疾患のリハビリテーション プログラムを予測する可能性を探る
|
2 か月後のベースラインからの変化
|
|
F-1スコア
時間枠：2 か月後のベースラインからの変化
|
教師あり機械学習アプローチを使用して肩筋骨格系疾患のリハビリテーション プログラムを予測する可能性を探る
|
2 か月後のベースラインからの変化
|
|
AUC
時間枠：2 か月後のベースラインからの変化
|
教師あり機械学習アプローチを使用して肩筋骨格系疾患のリハビリテーション プログラムを予測する可能性を探る
|
2 か月後のベースラインからの変化
|
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。
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
- 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.
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)
2022年7月11日
一次修了 (予想される)
2024年4月30日
研究の完了 (予想される)
2024年4月30日
試験登録日
最初に提出
2023年5月5日
QC基準を満たした最初の提出物
2023年5月5日
最初の投稿 (実際)
2023年5月15日
学習記録の更新
投稿された最後の更新 (実際)
2023年5月15日
QC基準を満たした最後の更新が送信されました
2023年5月5日
最終確認日
2022年6月1日
詳しくは
本研究に関する用語
追加の関連 MeSH 用語
その他の研究ID番号
- N202206013
個々の参加者データ (IPD) の計画
個々の参加者データ (IPD) を共有する予定はありますか?
いいえ
医薬品およびデバイス情報、研究文書
米国FDA規制医薬品の研究
いいえ
米国FDA規制機器製品の研究
いいえ
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。