Ehlers Danlos 증후군에서 관절 확장성의 시각 기반 평가
2023년 11월 27일 업데이트: Nimish Mittal, University Health Network, Toronto
Ehlers Danlos 증후군에서 말초 관절의 과신전성 평가를 위한 스마트폰 기반 기계 학습 비주얼 이미징 응용 프로그램의 타당성 평가
엘러스 단로스 증후군(EDS)은 13개의 확인된 하위 유형을 가진 이질적인 유전 질환 그룹입니다. Hypermobile EDS(hEDS)는 EDS의 가장 일반적인 하위 유형이지만 아직 진단 확인을 위한 식별된 유전적 돌연변이가 없습니다. GJH(Generalized Joint Hypermobility)는 hEDS의 특징 중 하나입니다. GJH 측정에 사용되는 채점 시스템은 Beighton에 의해 설명되었습니다. Beighton 점수는 9개의 관절의 확장성을 평가하기 위해 이분법 점수 시스템을 사용하여 계산됩니다. 각 관절은 과운동성(점수 = 1) 또는 과운동성 아님(점수 = 0)으로 점수가 매겨집니다. 총 점수(Beighton 점수)는 최소 0에서 최대 9까지 다양할 수 있으며 점수가 높을수록 관절 이완이 더 크다는 것을 나타냅니다.
Beighton 점수를 사용하는 데 중간 정도의 타당성과 평가자 간 가변성이 있지만 임상의가 광범위하고 일관되게 적용하는 데는 몇 가지 문제가 계속해서 있습니다. 문헌에 보고된 장벽 중 일부는 다음과 같습니다.
i) 개방형 비표준화 시스템에서는 기준선 측정 평가를 포함하여 이러한 조인트 확장성 테스트를 수행하는 방법에 상당한 변화가 있을 수 있습니다. 고니오미터 사용은 매우 다양할 수 있습니다. iii) 컷오프 값의 신뢰성 평가 및 iv) GJH 양성의 가능한 분류(낮은 특이성 및 낮은 양성 예측)를 환자에게 알리기 전에 전체 평가를 수행합니다.
GJH를 평가하기 위한 테스트의 부적절한 구현은 GJH의 부정확한 식별 및 EDS의 잘못된 진단을 내리는 잠재적으로 의도하지 않은 부정적인 결과를 초래합니다. 본 연구의 목적은 관절 신전성 측정을 위한 스마트폰 기반 기계 학습 응용 시스템을 사용하여 관절 가동성 측정의 보다 견고하고 유효한 방법을 만들고 EDS 스크리닝의 오류를 줄이는 것입니다.
프로젝트는 다음을 수행합니다.
i) 관절 확장성의 측정을 평가하기 위해 스마트폰 지원 비주얼 이미징 앱을 만듭니다. ii) 잠재적인 EDS 환자를 선별하기 위해 임상 환경에서 스마트폰 앱을 사용할 가능성을 평가합니다. iii) 다음에서 애플리케이션의 유효성을 결정합니다. 3차 진료 학술 EDS 프로그램의 직접 임상 평가와 비교. 성공한다면 스마트폰 애플리케이션은 잠재적인 EDS 환자의 관리를 효율적이고 비용 효율적인 방식으로 표준화하는 데 도움이 될 수 있습니다.
연구 개요
연구 유형
관찰
등록 (추정된)
225
연락처 및 위치
이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.
연구 장소
-
-
Ontario
-
Toronto, Ontario, 캐나다, M5G 2C4
- GoodHope EDS - Toronto General Hospital
-
-
참여기준
연구원은 적격성 기준이라는 특정 설명에 맞는 사람을 찾습니다. 이러한 기준의 몇 가지 예는 개인의 일반적인 건강 상태 또는 이전 치료입니다.
자격 기준
공부할 수 있는 나이
18년 이상 (성인, 고령자)
건강한 자원 봉사자를 받아들입니다
아니
샘플링 방법
비확률 샘플
연구 인구
연구 중인 모집단에는 GoodHope EDS 클리닉에서 소개되거나 본 모든 환자가 포함됩니다.
클리닉은 EDS가 있거나 EDS가 의심되는 증상이 있는 성인 환자(연령 > 18세)의 추천을 받습니다.
EDS는 100% 침투하는 결합 조직 장애이지만 표현형 표현이 가변적이므로 EDS 또는 G-HSD의 의심 사례에는 다른 유전성 또는 후천성 결합 조직 질환/장애 및/또는 복합 만성 질환이 포함될 수 있습니다. , 관절과 운동성, 통증 및 피로.
설명
포함 기준:
- Toronto General의 GoodHope EDS 클리닉에서 진찰을 받은 모든 환자는 현재 진단이나 평가 결과에 관계없이 포함할 수 있습니다.
제외 기준:
- 참여에 동의하지 않는 환자는 포함되지 않음(참여자는 언제든지 동의를 철회할 수 있음)
공부 계획
이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.
연구는 어떻게 설계됩니까?
디자인 세부사항
- 관찰 모델: 케이스 전용
- 시간 관점: 단면
코호트 및 개입
그룹/코호트 |
개입 / 치료 |
|---|---|
|
토론토 종합병원 GoodHope EDS 클리닉의 신규 환자
EDS 클리닉에서 진료를 받는 모든 환자는 현재 진단이나 평가 결과에 관계없이 포함할 수 있습니다.
|
어떤 개입도 사용되지 않습니다.
동의하는 참가자는 나중에 분석될 관절 과가동성 검사 중에 비디오 녹화를 하게 됩니다.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
포즈 추정 라이브러리에 의한 예측 각도의 일치도 비교
기간: 4개월
|
동작 범위 예측을 위해 개발된 기계 학습 모델의 성능은 사용된 포즈 추정 라이브러리를 통해 분석됩니다.
이 분석은 데이터 수집의 처음 2개월 동안 수집된 데이터의 하위 집합에서 수행됩니다.
이 정보는 기계 학습 모델을 다듬을 때 진행할 포즈 추정 라이브러리를 선택하는 데 사용됩니다.
|
4개월
|
|
관절별 예상 각도 일치도 비교
기간: 일년
|
각 관절(척추, 무릎, 발목, 팔꿈치, 어깨, 엄지, 약지)의 가동 범위를 예측하기 위해 개발된 기계 학습 모델의 성능은 각 관절에 대해 독립적으로 분석됩니다.
이것은 비디오에서 예측할 때 시스템이 더 정확한 관절에 대한 통찰력을 제공합니다.
|
일년
|
|
비전 기반 데이터를 사용하여 동작 범위 예측의 정확도 평가
기간: 일년
|
합동 하이퍼모빌리티 기동을 수행하는 개인의 비디오에서 훈련된 머신 러닝 모델이 개발될 것입니다.
그들의 성능은 고니오미터를 사용하여 전문 임상의가 측정한 동작 범위와 비교됩니다.
|
일년
|
공동 작업자 및 조사자
여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.
수사관
- 수석 연구원: Nimish Mittal, MD, GoodHope Ehlers Danlos Syndrome Clinic, Toronto General Hospital
간행물 및 유용한 링크
연구에 대한 정보 입력을 담당하는 사람이 자발적으로 이러한 간행물을 제공합니다. 이것은 연구와 관련된 모든 것에 관한 것일 수 있습니다.
일반 간행물
- Critical Care Services Ontario, Ehlers-Danlos Syndrome Expert Panel Report, 2016. https://www.health.gov.on.ca/en/common/ministry/publications/reports/eds/Default.aspx.
- Cahill SV, Sharkey MS, Carter CW. Clinical assessment of generalized ligamentous laxity using a single test: is thumb-to-forearm apposition enough? J Pediatr Orthop B. 2021 May 1;30(3):296-300. doi: 10.1097/BPB.0000000000000732.
- He K, Gkioxari G, Dollár P, Girshick R. Mask R-CNN. In: Proceedings of the IEEE international conference on computer vision. 2017. p. 2961-9.
- Cao Z, Hidalgo G, Simon T, Wei SE, Sheikh Y. OpenPose: Realtime Multi-Person 2D Pose Estimation Using Part Affinity Fields. IEEE Trans Pattern Anal Mach Intell. 2021 Jan;43(1):172-186. doi: 10.1109/TPAMI.2019.2929257. Epub 2020 Dec 4.
- Fang H-S, Xie S, Tai Y-W, Lu C. RMPE: Regional Multi-person Pose Estimation. 2016 Nov 30; Available from: http://arxiv.org/abs/1612.00137
- Lin T-Y, Maire M, Belongie S, Bourdev L, Girshick R, Hays J, et al. Microsoft COCO: Common Objects in Context. 2014 May 1; Available from: http://arxiv.org/abs/1405.0312
- Andriluka M, Pishchulin L, Gehler P, Schiele B. 2D Human Pose Estimation: New Benchmark and State of the Art Analysis. In: 2014 IEEE Conference on Computer Vision and Pattern Recognition. 2014. p. 3686-93
- Lugaresi C, Tang J, Nash H, McClanahan C, Uboweja E, Hays M, et al. MediaPipe: A Framework for Building Perception Pipelines. 2019 Jun 14; Available from: https://arxiv.org/abs/1906.08172
- Zhang F, Bazarevsky V, Vakunov A, Tkachenka A, Sung G, Chang C-L, et al. MediaPipe Hands: On-device Real-time Hand Tracking. 2020 Jun 17; Available from: http://arxiv.org/abs/2006.10214
- Mehdizadeh S, Nabavi H, Sabo A, Arora T, Iaboni A, Taati B. Concurrent validity of human pose tracking in video for measuring gait parameters in older adults: a preliminary analysis with multiple trackers, viewing angles, and walking directions. J Neuroeng Rehabil. 2021 Sep 15;18(1):139. doi: 10.1186/s12984-021-00933-0.
- Sabo A, Mehdizadeh S, Ng KD, Iaboni A, Taati B. Assessment of Parkinsonian gait in older adults with dementia via human pose tracking in video data. J Neuroeng Rehabil. 2020 Jul 14;17(1):97. doi: 10.1186/s12984-020-00728-9.
- Lu M, Zhao Q, Poston KL, Sullivan EV, Pfefferbaum A, Shahid M, Katz M, Kouhsari LM, Schulman K, Milstein A, Niebles JC, Henderson VW, Fei-Fei L, Pohl KM, Adeli E. Quantifying Parkinson's disease motor severity under uncertainty using MDS-UPDRS videos. Med Image Anal. 2021 Oct;73:102179. doi: 10.1016/j.media.2021.102179. Epub 2021 Jul 21.
- Williams S, Zhao Z, Hafeez A, Wong DC, Relton SD, Fang H, Alty JE. The discerning eye of computer vision: Can it measure Parkinson's finger tap bradykinesia? J Neurol Sci. 2020 Sep 15;416:117003. doi: 10.1016/j.jns.2020.117003. Epub 2020 Jun 30.
- Ota M, Tateuchi H, Hashiguchi T, Kato T, Ogino Y, Yamagata M, Ichihashi N. Verification of reliability and validity of motion analysis systems during bilateral squat using human pose tracking algorithm. Gait Posture. 2020 Jul;80:62-67. doi: 10.1016/j.gaitpost.2020.05.027. Epub 2020 May 25.
- Slembrouck M, Luong H, Gerlo J, Schütte K, Van Cauwelaert D, De Clercq D, et al. Multiview 3d Markerless Human Pose Estimation from Openpose Skeletons. In: International Conference on Advanced Concepts for Intelligent Vision Systems. Springer; 2020. p. 166-78.
- Wang H, Xie Z, Lu L, Li L, Xu X. A computer-vision method to estimate joint angles and L5/S1 moments during lifting tasks through a single camera. J Biomech. 2021 Dec 2;129:110860. doi: 10.1016/j.jbiomech.2021.110860. Epub 2021 Nov 8.
- Yahya M, Shah JA, Warsi A, Kadir K, Khan S, Izani M. Real time elbow angle estimation using single RGB camera. 2018 Aug 21; Available from: https://arxiv.org/abs/1808.07017
- Shi B, Brentari D, Shakhnarovich G, Livescu K. Fingerspelling Detection in American Sign Language. In: Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2021. p. 4166-75
- Kim I-H, Jung I-H. A Study on Korea Sign Language Motion Recognition Using OpenPose Based on Deep Learning. 디지털콘텐츠학회논문지 (Journal of Digital Contents Society). 2021;22(4):681-7.
- Levy HP. Hypermobile Ehlers-Danlos Syndrome. 2004 Oct 22 [updated 2018 Jun 21]. In: Adam MP, Feldman J, Mirzaa GM, Pagon RA, Wallace SE, Bean LJH, Gripp KW, Amemiya A, editors. GeneReviews(R) [Internet]. Seattle (WA): University of Washington, Seattle; 1993-2023. Available from http://www.ncbi.nlm.nih.gov/books/NBK1279/
연구 기록 날짜
이 날짜는 ClinicalTrials.gov에 대한 연구 기록 및 요약 결과 제출의 진행 상황을 추적합니다. 연구 기록 및 보고된 결과는 공개 웹사이트에 게시되기 전에 특정 품질 관리 기준을 충족하는지 확인하기 위해 국립 의학 도서관(NLM)에서 검토합니다.
연구 주요 날짜
연구 시작 (실제)
2022년 4월 26일
기본 완료 (추정된)
2024년 6월 1일
연구 완료 (추정된)
2024년 12월 1일
연구 등록 날짜
최초 제출
2022년 5월 4일
QC 기준을 충족하는 최초 제출
2022년 5월 4일
처음 게시됨 (실제)
2022년 5월 9일
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
2023년 11월 28일
QC 기준을 충족하는 마지막 업데이트 제출
2023년 11월 27일
마지막으로 확인됨
2023년 11월 1일
추가 정보
이 연구와 관련된 용어
추가 관련 MeSH 약관
기타 연구 ID 번호
- 22-5073
개별 참가자 데이터(IPD) 계획
개별 참가자 데이터(IPD)를 공유할 계획입니까?
아니요
IPD 계획 설명
IPD는 다른 연구자와 공유되지 않습니다.
약물 및 장치 정보, 연구 문서
미국 FDA 규제 의약품 연구
아니
미국 FDA 규제 기기 제품 연구
아니
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. .
엘러스-단로스 증후군에 대한 임상 시험
-
University of Calgary아직 모집하지 않음과운동성 엘러스-단로스 증후군 | 하이퍼모바일 EDS(hEDS) | 과운동성 유형 Ehlers-Danlos 증후군 | 초이동 스펙트럼 장애캐나다
-
Hospices Civils de Lyon완전한
-
Hôpital Raymond Poincaré알려지지 않은
-
ELewisUniversity of Massachusetts, Lowell모병엘러스-단로스 증후군 과운동성 유형(hEDS)미국
-
Istanbul Medipol University Hospital완전한
-
Icahn School of Medicine at Mount SinaiNational Institute on Deafness and Other Communication Disorders (NIDCD)완전한
-
Brigham and Women's HospitalNational Institutes of Health (NIH); Bernard Osher Foundation아직 모집하지 않음