- ICH GCP
- 미국 임상 시험 레지스트리
- 임상시험 NCT05813613
가상현실 훈련을 이용한 근육피로 예측에서 인공지능의 역할
건강하고 COVID19 이후 피험자에서 가상 현실 훈련을 사용하여 근육 피로를 예측하는 인공 지능의 역할
이 관찰 예측 연구의 목표는 건강한 개인과 Covid-19 이후 감염된 개인의 특정 AI 알고리즘을 사용하여 근육 피로를 예측하는 것입니다. 대답하려는 주요 질문은 다음과 같습니다.
인공 지능을 건강한 개인과 Covid-19 이후 감염된 개인의 국부적 근육 피로를 예측하는 신뢰할 수 있는 소스로 사용할 수 있습니까?
참가자는 건강한 그룹과 Covid-19 이후 그룹의 두 그룹으로 나뉩니다.
- 각 그룹은 연습을 시작하기 전에 익숙해지는 과정을 거칩니다.
- 그런 다음 각 그룹은 kynpasis 가상 현실 장치의 안내에 따라 스쿼트 운동을 수행합니다.
- 외측광근 및 대퇴직근에 대한 sEMG, 흉부 확장 및 무릎의 측각 측정은 Biopac 시스템을 사용하여 보고된 다양한 피로 수준 동안 수행됩니다.
- 그룹은 Borg 척도를 사용하여 주관적인 피로 수준을 기록하면서 스쿼트를 계속합니다.
- 그런 다음 데이터는 기계 학습 프로세스를 통해 실행되어 고립된 근육 피로를 예측할 수 있는 AI 알고리즘을 생성합니다.
연구 개요
상세 설명
참가자들은 건강한 개인으로 구성된 그룹과 Covid-19 피험자로 구성된 다른 그룹의 두 그룹으로 나뉩니다. 두 그룹 모두 데이터 수집 시작 전에 15분 휴식 후 운동을 수행하기 위한 친숙화 교육을 받았습니다.
쪼그려 앉기 운동은 가상현실(VR) 기계(kynapsis)를 사용하여 두 그룹 모두 지도를 위해 수행되었습니다. 스쿼트는 손을 몸 앞에 두고 무릎을 90도로 구부린 상태에서 2초 동안 하강하고 2초 동안 오르는 리듬에 따라 VR 기계에서 수행되는 움직임을 모방한 상태에서 수행되었습니다.
흉부 확장, 전기 고니오미터를 사용한 운동 범위를 포함하는 추가 변수가 고려되었으며, 모두 증거에 따르면 하이패스를 보유한 Biopac(BIOPAC Systems, Inc., Santa Barbara, CA)을 사용하여 측정 및 기록되었습니다. 주파수 필터 및 바이폴라 전극 시스템.
테스트된 근육은 QF 근육 RF, VM 및 VL의 3개 헤드입니다. 전극의 저항을 줄이기 위해 알코올을 사용하여 해당 부위를 청소하고 면도했습니다. 3개의 일회용 sEMG 표면 전극을 위치시켰는데, 그 중 2개는 그들 사이의 2.5cm 간격으로 근육 배에 위치했고, 하나의 제어 전극은 주동근 쪽에 위치했습니다. 내측광근 sEMG 전극은 운동 중에 QF 근육의 세분 부분에 배치되었습니다. 추출된 데이터는 근육 피로를 분석하고 예측하는 AI 알고리즘을 통해 실행됩니다.
Borg(C-10) 척도는 일단 도달하면 운동을 종료할 주관적인 근육 피로도를 평가하기 위한 결과 측정으로 운동을 수행하는 동안 참가자들에게 설명되고 참가자들 앞에 있었습니다.
연구 유형
등록 (실제)
연락처 및 위치
연구 연락처
- 이름: Ahmed ElMelhat, PhD
- 전화번호: 01112595022
- 이메일: ahmed.elmelhat@cu.edu.eg
연구 장소
-
-
-
Beirut, 레바논
- Ahmad ElMelhat
-
-
참여기준
자격 기준
공부할 수 있는 나이
- 성인
건강한 자원 봉사자를 받아들입니다
샘플링 방법
연구 인구
연구 모집단은 두 그룹으로 구성되었습니다.
- 지난 3일 동안 격렬한 활동을 하지 않았고 이전에 Covid-19에 접촉한 적이 없는 비운동 건강한 개인.
- 지난 3일 동안 격렬한 활동을 하지 않았지만 1년 간격으로 PCR 검사에서 양성으로 확인된 비운동 건강한 개인.
설명
포함 기준:
- 연구의 두 그룹에 포함된 모든 피험자는 지난 3일 동안 격렬한 활동을 피한 운동을 하지 않는 건강한 개인이어야 합니다. Covid-19 그룹에 포함된 피험자는 1년 간격으로 PCR 검사에서 양성으로 확인되어야 합니다.
제외 기준:
- 포함 기준을 충족하지 못하는 피험자, 고령 노인(50세 이상) 또는 호흡기, 심장, 신장, 신경근, 정형외과 및 근골격계 장애가 있는 피험자는 연구에서 제외되어야 합니다. 흡연자와 일부 약물 사용자는 성능에 영향을 미치고 피로 수준을 증가시키기 때문에 반드시 고려해야 합니다.
공부 계획
연구는 어떻게 설계됩니까?
디자인 세부사항
코호트 및 개입
그룹/코호트 |
개입 / 치료 |
---|---|
건강한 그룹
|
쪼그려 앉기 운동은 가상현실(VR) 기계(kynapsis)를 사용하여 두 그룹 모두 지도를 위해 수행되었습니다.
스쿼트는 손을 몸 앞에 두고 무릎을 90도로 구부린 상태에서 2초 동안 하강하고 2초 동안 오르는 리듬에 따라 VR 기계에서 수행되는 움직임을 모방한 상태에서 수행되었습니다.
|
코로나19 이후 그룹
|
쪼그려 앉기 운동은 가상현실(VR) 기계(kynapsis)를 사용하여 두 그룹 모두 지도를 위해 수행되었습니다.
스쿼트는 손을 몸 앞에 두고 무릎을 90도로 구부린 상태에서 2초 동안 하강하고 2초 동안 오르는 리듬에 따라 VR 기계에서 수행되는 움직임을 모방한 상태에서 수행되었습니다.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
---|---|---|
표면 근전도
기간: 쪼그리고 앉는 운동 중.
|
대퇴사두근의 외측광근과 대퇴직근 머리에 전극을 배치하여 근전기 출력을 평가하는 비침습적 기술.
전극의 저항을 줄이기 위해 알코올을 사용하여 해당 부위를 청소하고 면도했습니다.
3개의 일회용 sEMG 표면 전극을 위치시켰는데, 그 중 2개는 그들 사이의 2.5cm 간격으로 근육 배에 위치했고, 하나의 제어 전극은 주동근 쪽에 위치했습니다. 내측광근
sEMG 전극은 운동 중에 QF 근육의 세분 부분에 배치되었습니다.
추출된 데이터는 근육 피로를 분석하고 예측하는 AI 알고리즘을 통해 실행됩니다.
|
쪼그리고 앉는 운동 중.
|
Borg Rating of Perceived Exertion(RPE) 척도
기간: 쪼그리고 앉는 운동 중.
|
육체 노동 중 개인의 노력과 노력, 숨가쁨 및 피로를 측정하는 도구이므로 산업 보건 및 안전 실무와 매우 관련이 있습니다.
최소 6에서 최대 20까지의 범위이며 6은 노력하지 않음을 의미하고 20은 극도의 최대 노력을 의미합니다.
|
쪼그리고 앉는 운동 중.
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
---|---|---|
가슴 확장.
기간: 쪼그리고 앉는 운동 중.
|
컴퓨터에 기록될 Biopac의 메인 수신기 모듈로 확장 데이터를 전송하는 벨크로 스트랩을 사용하여 피험자의 가슴에 호흡 변환기를 감습니다.
|
쪼그리고 앉는 운동 중.
|
동작 범위.
기간: 쪼그리고 앉는 운동 중.
|
컴퓨터에 기록될 Biopac의 수신기 모듈에 동작 범위의 신호를 전송하는 피험자의 무릎에 연결된 전기 고니오미터를 사용합니다.
|
쪼그리고 앉는 운동 중.
|
공동 작업자 및 조사자
간행물 및 유용한 링크
일반 간행물
- Disser NP, De Micheli AJ, Schonk MM, Konnaris MA, Piacentini AN, Edon DL, Toresdahl BG, Rodeo SA, Casey EK, Mendias CL. Musculoskeletal Consequences of COVID-19. J Bone Joint Surg Am. 2020 Jul 15;102(14):1197-1204. doi: 10.2106/JBJS.20.00847.
- Paneroni M, Simonelli C, Saleri M, Bertacchini L, Venturelli M, Troosters T, Ambrosino N, Vitacca M. Muscle Strength and Physical Performance in Patients Without Previous Disabilities Recovering From COVID-19 Pneumonia. Am J Phys Med Rehabil. 2021 Feb 1;100(2):105-109. doi: 10.1097/PHM.0000000000001641.
- Qian J, McDonough DJ, Gao Z. The Effectiveness of Virtual Reality Exercise on Individual's Physiological, Psychological and Rehabilitative Outcomes: A Systematic Review. Int J Environ Res Public Health. 2020 Jun 10;17(11):4133. doi: 10.3390/ijerph17114133.
- Wan JJ, Qin Z, Wang PY, Sun Y, Liu X. Muscle fatigue: general understanding and treatment. Exp Mol Med. 2017 Oct 6;49(10):e384. doi: 10.1038/emm.2017.194.
- A narrative review of immersive virtual reality's ergonomics and risks at the workplace: cybersickness, visual fatigue, muscular fatigue, acute stress, and mental overload Souchet, A.D., Lourdeaux, D., Pagani, A. et al. A narrative review of immersive virtual reality's ergonomics and risks at the workplace: cybersickness, visual fatigue, muscular fatigue, acute stress, and mental overload. Virtual Reality (2022). https://doi.org/10.1007/s10055-022-00672-0
- Donatelli, R.A. (2007) Sports-specific rehabilitation. St. Louis, MO: Churchill Livingstone.
- Hall, J. E., & Hall, M. E. (2020). Guyton and Hall textbook of medical physiology e-Book. Elsevier Health Sciences.
- Schoenfeld BJ. Squatting kinematics and kinetics and their application to exercise performance. J Strength Cond Res. 2010 Dec;24(12):3497-506. doi: 10.1519/JSC.0b013e3181bac2d7.
- Kubo K, Ikebukuro T, Yata H. Effects of squat training with different depths on lower limb muscle volumes. Eur J Appl Physiol. 2019 Sep;119(9):1933-1942. doi: 10.1007/s00421-019-04181-y. Epub 2019 Jun 22.
- Davenport T, Kalakota R. The potential for artificial intelligence in healthcare. Future Healthc J. 2019 Jun;6(2):94-98. doi: 10.7861/futurehosp.6-2-94.
- Tack C. Artificial intelligence and machine learning | applications in musculoskeletal physiotherapy. Musculoskelet Sci Pract. 2019 Feb;39:164-169. doi: 10.1016/j.msksp.2018.11.012. Epub 2018 Nov 23.
- Luna A, Casertano L, Timmerberg J, O'Neil M, Machowsky J, Leu CS, Lin J, Fang Z, Douglas W, Agrawal S. Artificial intelligence application versus physical therapist for squat evaluation: a randomized controlled trial. Sci Rep. 2021 Sep 13;11(1):18109. doi: 10.1038/s41598-021-97343-y.
- Alsobhi M, Khan F, Chevidikunnan MF, Basuodan R, Shawli L, Neamatallah Z. Physical Therapists' Knowledge and Attitudes Regarding Artificial Intelligence Applications in Health Care and Rehabilitation: Cross-sectional Study. J Med Internet Res. 2022 Oct 20;24(10):e39565. doi: 10.2196/39565.
- Sun J, Liu G, Sun Y, Lin K, Zhou Z, Cai J. Application of Surface Electromyography in Exercise Fatigue: A Review. Front Syst Neurosci. 2022 Aug 11;16:893275. doi: 10.3389/fnsys.2022.893275. eCollection 2022.
- Al-Mulla MR, Sepulveda F, Colley M. An autonomous wearable system for predicting and detecting localised muscle fatigue. Sensors (Basel). 2011;11(2):1542-57. doi: 10.3390/s110201542. Epub 2011 Jan 27.
- Calder KM, Stashuk DW, McLean L. Physiological characteristics of motor units in the brachioradialis muscle across fatiguing low-level isometric contractions. J Electromyogr Kinesiol. 2008 Feb;18(1):2-15. doi: 10.1016/j.jelekin.2006.08.012. Epub 2006 Nov 20.
- Torvik, G. I., Triantaphyllou, E., Liao, T., & Waly, S. (1999, March). Predicting muscle fatigue via electromyography: A comparative study. In Proceedings of the 25th International Conference on Computers and Industrial Engineering (pp. 277-280)
- Caesaria, A. P., Endro Yulianto, Luthfiyah, S., Triwiyanto, T., & Rizal, A. (2023). Effect of Muscle Fatigue on EMG Signal and Maximum Heart Rate for Pre and Post Physical Activity. Journal of Electronics, Electromedical Engineering, and Medical Informatics, 5(1), 39-45. https://doi.org/10.35882/jeeemi.v5i1.278
- Ahmad I, Kim JY. Assessment of Whole Body and Local Muscle Fatigue Using Electromyography and a Perceived Exertion Scale for Squat Lifting. Int J Environ Res Public Health. 2018 Apr 18;15(4):784. doi: 10.3390/ijerph15040784.
- Dos Santos PK, Sigoli E, Braganca LJG, Cornachione AS. The Musculoskeletal Involvement After Mild to Moderate COVID-19 Infection. Front Physiol. 2022 Mar 18;13:813924. doi: 10.3389/fphys.2022.813924. eCollection 2022.
- Diem L, Fregolente-Gomes L, Warncke JD, Hammer H, Friedli C, Kamber N, Jung S, Bigi S, Funke-Chambour M, Chan A, Bassetti CL, Salmen A, Hoepner R. Fatigue in Post-COVID-19 Syndrome: Clinical Phenomenology, Comorbidities and Association With Initial Course of COVID-19. J Cent Nerv Syst Dis. 2022 May 24;14:11795735221102727. doi: 10.1177/11795735221102727. eCollection 2022.
- Ducrocq GP, Blain GM. Relationship between neuromuscular fatigue, muscle activation and the work done above the critical power during severe-intensity exercise. Exp Physiol. 2022 Apr;107(4):312-325. doi: 10.1113/EP090043. Epub 2022 Mar 4.
- Joli J, Buck P, Zipfel S, Stengel A. Post-COVID-19 fatigue: A systematic review. Front Psychiatry. 2022 Aug 11;13:947973. doi: 10.3389/fpsyt.2022.947973. eCollection 2022.
- Faulkner JA, Larkin LM, Claflin DR, Brooks SV. Age-related changes in the structure and function of skeletal muscles. Clin Exp Pharmacol Physiol. 2007 Nov;34(11):1091-6. doi: 10.1111/j.1440-1681.2007.04752.x.
연구 기록 날짜
연구 주요 날짜
연구 시작 (실제)
기본 완료 (실제)
연구 완료 (실제)
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. .