하이브리드 기계 학습 및 딥 러닝 접근 방식과 새로운 자세 측정법을 사용한 낙상 위험 평가
연구 개요
상세 설명
이 프로젝트의 목적은 HTC VIVE 트래커와 하이브리드 기계 학습 및 딥 러닝 알고리즘을 기반으로 하는 새로운 자세 기록을 결합하여 간단하고 편리하며 유효한 낙상 위험 평가 도구 세트를 구축하는 것입니다. 이 관찰 및 후속 연구는 60세 이상의 노인을 대상으로 합니다. 조사관은 몸통을 얻기 위해 인구 통계학적 데이터, 설문 조사, 전통적인 균형 테스트(Berg Balance scale, Timed-up-and-go, 30s-sit-to-stand, 4단계 균형 테스트) 및 추적기 기반 자세를 수집합니다. 다른 스탠딩 태스크의 안정성 매개변수. 낙상 위험은 지난 1년 동안 자가 보고한 낙상에 따라 분류되고 6개월 추적에서 확인됩니다.
조사관은 다양한 자세 학습 매개변수의 중요한 특징을 추출하고 최적의 모델을 선택하기 위해 다양한 하이브리드 머신 러닝 및 딥 러닝 알고리즘의 성능을 평가할 것입니다. 조사관은 수신기 작동 특성 곡선 분석을 사용하여 위험 분류를 위한 다양한 알고리즘의 민감도, 특이성 및 정확도를 계산하고 성능을 기존 저울 평가 도구와 비교합니다. 조사관은 이러한 자세 요로학적 특징과 다른 방법으로 얻은 데이터의 상관 관계를 평가합니다. 이전 낙상 및 향후 낙상의 위험 요인도 분석됩니다.
연구 유형
등록 (예상)
연락처 및 위치
연구 연락처
- 이름: Huey-Wen Liang
- 전화번호: 66697 +886-02-23123456
- 이메일: lianghw@ntu.edu.tw
연구 연락처 백업
- 이름: Jin-Sing Jen
- 전화번호: 67752 +886-02-23123456
- 이메일: ntuhpmr.4124@gmail.com
참여기준
자격 기준
공부할 수 있는 나이
건강한 자원 봉사자를 받아들입니다
연구 대상 성별
샘플링 방법
연구 인구
설명
포함 기준:
- 장치 없이 독립적으로 집안을 걸을 수 있음
제외 기준:
- 말기 질환
- 구두 지시를 따르기 위해 인지 장애가 있는 경우
- 다리 약화와 관련된 신경학적 상태
- 일상생활 및 보행에 지장을 주는 중대한 시각장애가 있는 자
공부 계획
연구는 어떻게 설계됩니까?
디자인 세부사항
- 관찰 모델: 보병대
- 시간 관점: 유망한
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
가을 이벤트 수
기간: 6 개월
|
후속 설문지에 따라 자가 보고한 낙상 사건으로, 신체가 이전보다 낮은 수준에서 갑작스럽고 비자발적으로 지면으로 이동하는 것으로 정의됩니다.
|
6 개월
|
공동 작업자 및 조사자
간행물 및 유용한 링크
연구 기록 날짜
연구 주요 날짜
연구 시작 (예상)
기본 완료 (예상)
연구 완료 (예상)
연구 등록 날짜
최초 제출
QC 기준을 충족하는 최초 제출
처음 게시됨 (실제)
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
QC 기준을 충족하는 마지막 업데이트 제출
마지막으로 확인됨
추가 정보
이 정보는 변경 없이 clinicaltrials.gov 웹사이트에서 직접 가져온 것입니다. 귀하의 연구 세부 정보를 변경, 제거 또는 업데이트하도록 요청하는 경우 register@clinicaltrials.gov. 문의하십시오. 변경 사항이 clinicaltrials.gov에 구현되는 즉시 저희 웹사이트에도 자동으로 업데이트됩니다. .