どの特定の歩行測定が怪我を伴う転倒のリスクに関連しているかを評価するためのデータ分析 データ分析による怪我を伴う転倒のリスクに関連する歩行測定を評価する (WHS)
2024年10月14日 更新者：Tel-Aviv Sourasky Medical Center
どの特定の歩行指標が転倒による怪我のリスクと関連しているかを評価するためのデータ分析
この研究の目的は、特定の歩行と活動の測定が高齢女性の転倒による怪我の予測に役立つかどうかを理解することです。 回答することを目的とした主な質問は次のとおりです。
毎日の歩行（DLG）と毎日の身体活動（DLPA）の測定値を組み合わせることで、転倒による怪我のリスクをより正確に予測できるでしょうか? ウェアラブル技術と機械学習は、転倒を予測するためにこれらの活動測定値を分析する上でどの程度効果的でしょうか? 研究者らは、ウェアラブル技術を使用して女性の健康調査（WHS）のデータを分析し、毎日の歩行パターンと身体活動を追跡し、機械学習を適用して有害な転倒の可能性を評価します。
調査の概要
研究の種類
観察的
入学 (実際)
17466
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。
研究場所
-
-
-
Tel Aviv、イスラエル
- Tel Aviv Medical Center
-
-
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
研究対象集団は、長期観察研究であるウィメンズヘルススタディ（WHS）に登録された17,466人の高齢女性の大規模コホートで構成されています。
これらの女性たちは、1992 年から 1995 年にかけて、心血管疾患と癌の一次予防を目的としたアスピリンとビタミン E のランダム化臨床試験に最初に募集されました。
現在の分析は、2011 年から 2015 年の間に、日常生活歩行 (DLG) と日常生活身体活動 (DLPA) の測定値を取得するために、起きている時間に 1 週間三軸加速度計を装着した参加者の一部に焦点を当てています。
説明
包含基準:
- 閉経後または妊娠の意図がない場合
除外基準:
- CHD、脳血管疾患、癌（黒色腫以外の皮膚癌を除く）、またはその他の重篤な疾患の病歴;
- 治療法を研究するための重篤な副作用の病歴。
- アスピリン、アスピリンを含む薬剤、または非ステロイド性抗炎症薬を週に 1 回以上服用している、またはこれらの薬剤の使用をやめる準備ができている;
- 抗凝固薬またはコルチコステロイドを服用している。
- ビタミン A、E、または β-カロテンのサプリメントを週に 1 回以上摂取する。
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 |
|---|---|
|
WHS
女性の健康調査に登録された高齢女性の大規模な既存の匿名データセット 2011 年から 2015 年まで、17,466 人の女性が 1 週間、起きている時間に三軸加速度計を装着しました
|
この介入は、日常生活歩行（DLG）の測定値（歩行速度、歩調、変動など）と日常生活身体活動（DLPA）の測定値（活動レベル、活動の断片化など）を組み合わせることで、怪我を伴う転倒の予測に独自に焦点を当てています。
他の研究とは異なり、この分析は、女性健康研究（WHS）に登録された高齢女性の大規模コホート（n=17,466）からのデータを活用しており、参加者は三軸加速度計を1週間装着しました。
さらに、この研究では、加速度計のデータを長期的な健康転帰、特にメディケア・メディケイド・サービスセンター（CMS）の記録からの転倒関連の傷害と関連付けています。
これは、この大規模な匿名化されたデータセットに高度な機械学習技術を適用し、ウェアラブル技術に由来する DLG と DLPA の測定値を組み合わせることで、高齢化人口における転倒関連の傷害を予測できるかどうかを調査する最初の研究です。
|
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 |
|---|---|---|
|
歩行速度と転倒事故のリスクとの関連性 (AIM1)
時間枠：発生までの時間分析を使用したベースライン評価後、1 年以内に有害な転倒が発生した。
|
この研究では、加速度計による評価から 1 年以内に、歩行速度 (メートル/秒で測定) と転倒による怪我のリスクとの関連性を評価します。
|
発生までの時間分析を使用したベースライン評価後、1 年以内に有害な転倒が発生した。
|
|
ケイデンスと転倒事故のリスクとの関連性 (AIM1)
時間枠：発生までの時間分析を使用したベースライン評価後、1 年以内に負傷した転倒。
|
この研究では、加速度計による評価から 1 年以内に、ケイデンス (1 分あたりの歩数で測定) と転倒による怪我のリスクとの関連性を評価します。
|
発生までの時間分析を使用したベースライン評価後、1 年以内に負傷した転倒。
|
|
歩行の変動と転倒事故のリスクとの関連性 (AIM1)
時間枠：時間枠: 事象発生までの時間分析を使用したベースライン評価後、1 年以内に転倒した。
|
この研究では、加速度計の評価後 1 年以内に、歩行のばらつき (歩数の標準偏差として測定) と転倒による負傷のリスクとの関連性を評価します。
|
時間枠: 事象発生までの時間分析を使用したベースライン評価後、1 年以内に転倒した。
|
|
全体的な活動レベルと転倒事故のリスクとの関連性 (AIM2)
時間枠：発生までの時間分析を使用したベースライン評価後、1 年以内に負傷した転倒
|
この研究では、ベースライン評価から 1 年以内に、全体的な活動レベル (1 分あたりの平均加速度計カウントで測定) と転倒による負傷のリスクとの関連性を評価します。
|
発生までの時間分析を使用したベースライン評価後、1 年以内に負傷した転倒
|
|
活動の断片化と転倒事故のリスクとの関連性 (AIM2)
時間枠：発生までの時間分析を使用したベースライン評価後、1 年以内に負傷した転倒。
|
この研究では、ベースライン評価から 1 年以内に、活動の断片化 (断片化指数で測定) と負傷による転倒のリスクとの関連性を評価します。
|
発生までの時間分析を使用したベースライン評価後、1 年以内に負傷した転倒。
|
|
DLG と DLPA を組み合わせた転倒事故のリスクを予測する対策 (AIM3)
時間枠：期間: 組み合わせた予測モデルを使用して、ベースライン評価後 1 年以内に転倒した傷害。
|
彼の結果は、日常生活歩行 (DLG) と日常生活身体活動 (DLPA) の両方の測定値から導出された単一の複合スコアを評価し、怪我を伴う転倒のリスクとの関連性を評価します。
統合スコアは、DLG 測定値 (例: 歩行速度、変動性) と DLPA 測定値 (例: 全体的な活動レベル、断片化) を統合された予測因子に組み込んで作成されます。
|
期間: 組み合わせた予測モデルを使用して、ベースライン評価後 1 年以内に転倒した傷害。
|
二次結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
自己申告による運動履歴と歩行速度の関連性
時間枠：ベースライン (自己申告の運動履歴) および加速度計データ収集時に評価され、ベースライン評価から 1 年以内にデータが分析されました。
|
この結果は、参加者の自己申告による運動履歴が、加速度計のデータから得られる歩行速度 (メートル/秒で測定) と関連しているかどうかを評価します。
|
ベースライン (自己申告の運動履歴) および加速度計データ収集時に評価され、ベースライン評価から 1 年以内にデータが分析されました。
|
|
自己申告による運動履歴と歩行の変動との関連性
時間枠：ベースライン (自己申告の運動履歴) および加速度計データ収集時に評価され、ベースライン評価から 1 年以内にデータが分析されました。
|
この結果は、参加者の自己申告による運動履歴が、加速度計のデータから得られる歩行のばらつき（歩数の標準偏差として測定）と関連しているかどうかを評価します。
|
ベースライン (自己申告の運動履歴) および加速度計データ収集時に評価され、ベースライン評価から 1 年以内にデータが分析されました。
|
|
自己申告による運動履歴と全体的な活動レベルの関連性
時間枠：ベースライン (自己申告の運動履歴) および加速度計データ収集時に評価され、ベースライン評価から 1 年以内にデータが分析されました。
|
この結果は、参加者の自己申告による運動履歴が、加速度計のデータから得られる全体的な活動レベル (1 分あたりの加速度計のカウントで測定) と関連しているかどうかを評価します。
|
ベースライン (自己申告の運動履歴) および加速度計データ収集時に評価され、ベースライン評価から 1 年以内にデータが分析されました。
|
|
自己申告による運動履歴と活動の断片化との関連性
時間枠：ベースライン (自己申告の運動履歴) および加速度計データ収集時に評価され、ベースライン評価から 1 年以内にデータが分析されました。
|
彼の結果は、参加者の自己申告による運動履歴が、加速度計のデータから得られる活動の断片化 (断片化指数によって測定される) と関連しているかどうかを評価します。
|
ベースライン (自己申告の運動履歴) および加速度計データ収集時に評価され、ベースライン評価から 1 年以内にデータが分析されました。
|
|
歩行速度と転倒事故のリスクとの関連性（5年間以上）
時間枠：ベースラインから5年後。
|
この結果は、5 年間の追跡期間にわたって歩行速度 (メートル/秒で測定) が転倒による怪我のリスクと関連しているかどうかを評価します。
|
ベースラインから5年後。
|
|
歩行の変動と転倒による怪我のリスクとの関連性 (5 年以上)
時間枠：ベースラインから5年後。
|
この結果は、5 年間の追跡期間における歩行のばらつき (歩幅の標準偏差として測定) が転倒による負傷のリスクと関連しているかどうかを評価します。
|
ベースラインから5年後。
|
|
全体的な活動レベルと転倒による怪我のリスクとの関連性 (5 年以上)
時間枠：ベースラインから5年後。
|
この結果は、全体的な活動レベル (1 分あたりの加速度計のカウントで測定) が、5 年間の追跡期間にわたる転倒による負傷のリスクと関連しているかどうかを評価します。
|
ベースラインから5年後。
|
|
活動の断片化と転倒による怪我のリスクとの関連性（5年以上）
時間枠：ベースラインから5年後。
|
この結果は、活動の断片化（断片化指数によって測定される）が、5 年間の追跡期間にわたる怪我による転倒のリスクと関連しているかどうかを評価します。
|
ベースラインから5年後。
|
その他の成果指標
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
転倒防止のための高リスク「サイン」の特定
時間枠：1年、5年、10年の転倒リスク予測モデルに基づく
|
この研究では、機械学習と統計技術を使用して、DLGとDLPAの対策を組み合わせた潜在的な「兆候」を特定し、転倒による怪我のリスクが高い高齢者を特定します。
これらの兆候は、早期の転倒防止戦略に役立つ可能性があります。
|
1年、5年、10年の転倒リスク予測モデルに基づく
|
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。
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)
2024年8月6日
一次修了 (推定)
2030年8月1日
研究の完了 (推定)
2030年8月1日
試験登録日
最初に提出
2024年10月6日
QC基準を満たした最初の提出物
2024年10月14日
最初の投稿 (実際)
2024年10月16日
学習記録の更新
投稿された最後の更新 (実際)
2024年10月16日
QC基準を満たした最後の更新が送信されました
2024年10月14日
最終確認日
2024年10月1日
詳しくは
本研究に関する用語
キーワード
その他の研究ID番号
- TLV-0054-24
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
はい
米国で製造され、米国から輸出された製品。
はい
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。