어떤 특정 보행 측정이 부상당한 낙상 위험과 관련되어 있는지 평가하기 위한 데이터 분석 데이터 분석을 통해 부상당한 낙상 위험과 관련된 보행 측정을 평가합니다. (WHS)
2024년 10월 14일 업데이트: Tel-Aviv Sourasky Medical Center
부상당한 낙상 위험과 관련된 특정 보행 측정을 평가하기 위한 데이터 분석
이 연구의 목표는 특정 보행 및 활동 측정이 노인 여성의 부상적인 낙상을 예측하는 데 도움이 될 수 있는지 이해하는 것입니다. 답변하려는 주요 질문은 다음과 같습니다.
일일 보행(DLG)과 일일 신체 활동(DLPA) 측정을 결합하면 부상당한 낙상 위험을 더 정확하게 예측할 수 있습니까? 넘어짐 예측을 위해 이러한 활동 측정값을 분석하는 데 웨어러블 기술과 기계 학습이 얼마나 효과적입니까? 연구원들은 웨어러블 기술을 사용하여 일일 걷기 패턴과 신체 활동을 추적하고 기계 학습을 적용하여 유해한 낙상 가능성을 평가하는 여성 건강 연구(WHS)의 데이터를 분석합니다.
연구 개요
연구 유형
관찰
등록 (실제)
17466
연락처 및 위치
이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.
연구 장소
-
-
-
Tel Aviv, 이스라엘
- Tel Aviv Medical Center
-
-
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
- 성인
- 고령자
건강한 자원 봉사자를 받아들입니다
아니
샘플링 방법
비확률 샘플
연구 인구
연구 집단은 장기 관찰 연구인 여성 건강 연구(WHS)에 등록된 17,466명의 노인 여성으로 구성된 대규모 집단으로 구성됩니다.
이 여성들은 심혈관 질환과 암의 일차 예방을 위한 아스피린과 비타민 E의 무작위 임상 시험을 위해 1992년에서 1995년 사이에 처음 모집되었습니다.
현재 분석은 2011년부터 2015년 사이에 일상 생활 보행(DLG) 및 일상 생활 신체 활동(DLPA) 측정을 포착하기 위해 일주일 동안 깨어 있는 시간 동안 3축 가속도계를 착용한 참가자의 하위 집합에 중점을 둡니다.
설명
포함 기준:
- 폐경 후 또는 임신 계획이 없는 경우
제외 기준:
- CHD, 뇌혈관 질환, 암(비흑색종 피부암 제외) 또는 기타 심각한 질병의 병력;
- 연구 치료에 대한 심각한 부작용 이력;
- 아스피린, 아스피린 함유 약물 또는 비스테로이드성 항염증제를 > 주 1회 복용하거나 이러한 약물 사용을 중단할 준비가 되어 있는 경우
- 항응고제 또는 코르티코스테로이드 복용;
- 일주일에 한 번 이상 비타민 A, E 또는 베타카로틴 보충제를 섭취합니다.
공부 계획
이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.
연구는 어떻게 설계됩니까?
디자인 세부사항
코호트 및 개입
그룹/코호트 |
개입 / 치료 |
|---|---|
|
WHS
여성 건강 연구에 등록된 노인 여성에 대한 익명화된 대규모 기존 데이터 세트 2011년부터 2015년까지 17,466명의 여성이 일주일 동안 깨어 있는 시간 동안 3축 가속도계를 착용했습니다.
|
이 개입은 일상 생활 보행(DLG) 측정(예: 보행 속도, 케이던스, 가변성)과 일상 생활 신체 활동(DLPA) 측정(예: 활동 수준, 활동 단편화)을 결합하여 부상당한 낙상을 예측하는 데 특별히 중점을 둡니다.
다른 연구와 달리 이 분석은 여성 건강 연구(WHS)에 등록한 대규모 노인 여성 집단(n=17,466)의 데이터를 활용합니다. 참가자들은 1주일 동안 3축 가속도계를 착용했습니다.
또한 이 연구는 가속도계 데이터를 장기적인 건강 결과, 특히 CMS(Centre for Medicare & Medicaid Services) 기록의 낙상 관련 부상과 연결합니다.
이는 웨어러블 기술에서 파생된 DLG와 DLPA 측정값을 결합하여 이 대규모의 익명화된 데이터 세트에 고급 기계 학습 기술을 적용하여 노령 인구의 낙상 관련 부상을 예측할 수 있는지 여부를 조사한 최초의 연구입니다.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
보행 속도와 낙상 위험의 연관성(AIM1)
기간: 유해한 사건 발생 시간 분석을 사용한 기준 평가 후 1년 이내에 발생합니다.
|
이 연구에서는 가속도계 평가 후 1년 이내에 보행 속도(초당 미터로 측정)와 낙상의 위험 사이의 연관성을 평가할 것입니다.
|
유해한 사건 발생 시간 분석을 사용한 기준 평가 후 1년 이내에 발생합니다.
|
|
부상당한 낙상 위험과 케이던스의 연관성(AIM1)
기간: 사건 발생 시간 분석을 사용한 기본 평가 후 1년 이내에 부상이 발생합니다.
|
이 연구에서는 가속도계 평가 후 1년 이내에 케이던스(분당 걸음 수로 측정)와 부상 위험 사이의 연관성을 평가할 것입니다.
|
사건 발생 시간 분석을 사용한 기본 평가 후 1년 이내에 부상이 발생합니다.
|
|
보행 가변성과 부상성 낙상 위험의 연관성(AIM1)
기간: 기간: 사건 발생 시간 분석을 사용한 기본 평가 후 1년 이내에 부상이 발생합니다.
|
이 연구에서는 가속도계 평가 후 1년 이내에 걸음걸이 변동성(보행 시간의 표준 편차로 측정)과 낙상의 위험 사이의 연관성을 평가할 예정입니다.
|
기간: 사건 발생 시간 분석을 사용한 기본 평가 후 1년 이내에 부상이 발생합니다.
|
|
부상당한 낙상 위험과 전반적인 활동 수준의 연관성(AIM2)
기간: 사건 발생 시간 분석을 사용한 기본 평가 후 1년 이내에 부상이 발생한 낙상
|
이 연구에서는 기본 평가 후 1년 이내에 전반적인 활동 수준(분당 평균 가속도계 수로 측정)과 부상 위험 사이의 연관성을 평가할 것입니다.
|
사건 발생 시간 분석을 사용한 기본 평가 후 1년 이내에 부상이 발생한 낙상
|
|
부상 위험이 있는 활동 조각화의 연관성(AIM2)
기간: 사건 발생 시간 분석을 사용한 기본 평가 후 1년 이내에 부상이 발생합니다.
|
이 연구에서는 기본 평가 후 1년 이내에 활동 단편화(단편화 지수로 측정)와 낙상의 부상 위험 사이의 연관성을 평가할 것입니다.
|
사건 발생 시간 분석을 사용한 기본 평가 후 1년 이내에 부상이 발생합니다.
|
|
부상당한 낙상 위험 예측을 위한 DLG 및 DLPA 결합 측정(AIM3)
기간: 기간: 결합된 예측 모델을 사용하여 기준 평가 후 1년 이내에 부상이 발생합니다.
|
그의 결과는 부상당한 낙상 위험과의 연관성을 평가하기 위해 일상 생활 보행(DLG)과 일상 생활 신체 활동(DLPA) 측정에서 파생된 단일 통합 점수를 평가할 것입니다.
결합된 점수는 DLG 측정값(예: 보행 속도, 가변성)과 DLPA 측정값(예: 전체 활동 수준, 단편화)을 통합 예측 변수에 통합하여 생성됩니다.
|
기간: 결합된 예측 모델을 사용하여 기준 평가 후 1년 이내에 부상이 발생합니다.
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
자가 보고 운동 기록과 보행 속도의 연관성
기간: 기준선(자가 보고된 운동 기록)과 가속도계 데이터 수집 시점에 평가되었으며 기준선 평가 후 1년 이내에 데이터가 분석되었습니다.
|
이 결과는 참가자의 자체 보고 운동 기록이 가속도계 데이터에서 파생된 보행 속도(초당 미터로 측정)와 연관되어 있는지 여부를 평가합니다.
|
기준선(자가 보고된 운동 기록)과 가속도계 데이터 수집 시점에 평가되었으며 기준선 평가 후 1년 이내에 데이터가 분석되었습니다.
|
|
자가 보고 운동 이력과 보행 변동의 연관성
기간: 기준선(자가 보고된 운동 기록) 및 가속도계 데이터 수집 시 평가되며 기준선 평가 후 1년 이내에 데이터가 분석됩니다.
|
이 결과는 참가자의 자체 보고 운동 기록이 가속도계 데이터에서 파생된 보행 가변성(단계 시간의 표준 편차로 측정)과 연관되어 있는지 여부를 평가합니다.
|
기준선(자가 보고된 운동 기록) 및 가속도계 데이터 수집 시 평가되며 기준선 평가 후 1년 이내에 데이터가 분석됩니다.
|
|
자가 보고 운동 기록과 전체 활동 수준의 연관성
기간: 기준선(자가 보고된 운동 기록) 및 가속도계 데이터 수집 시 평가되며 기준선 평가 후 1년 이내에 데이터가 분석됩니다.
|
이 결과는 참가자의 자체 보고 운동 기록이 가속도계 데이터에서 파생된 전체 활동 수준(분당 가속도계 수로 측정)과 연관되어 있는지 여부를 평가합니다.
|
기준선(자가 보고된 운동 기록) 및 가속도계 데이터 수집 시 평가되며 기준선 평가 후 1년 이내에 데이터가 분석됩니다.
|
|
활동 단편화와 자가 보고 운동 기록의 연관성
기간: 기준선(자가 보고된 운동 기록) 및 가속도계 데이터 수집 시 평가되며 기준선 평가 후 1년 이내에 데이터가 분석됩니다.
|
그의 결과는 참가자의 자체 보고 운동 기록이 가속도계 데이터에서 파생된 활동 단편화(조각화 지수로 측정)와 연관되어 있는지 여부를 평가합니다.
|
기준선(자가 보고된 운동 기록) 및 가속도계 데이터 수집 시 평가되며 기준선 평가 후 1년 이내에 데이터가 분석됩니다.
|
|
보행 속도와 낙상 위험의 연관성(5년 이상)
기간: 기준일로부터 5년.
|
이 결과는 5년의 추적 기간 동안 보행 속도(초당 미터로 측정)가 부상당한 낙상 위험과 연관되어 있는지 여부를 평가할 것입니다.
|
기준일로부터 5년.
|
|
보행 가변성과 낙상 부상 위험의 연관성(5년 이상)
기간: 기준일로부터 5년.
|
이 결과는 보행 변동성(걸음 시간의 표준 편차로 측정)이 5년의 추적 기간 동안 부상을 입을 위험과 연관되어 있는지 여부를 평가합니다.
|
기준일로부터 5년.
|
|
부상당한 낙상 위험과 전반적인 활동 수준의 연관성(5년 이상)
기간: 기준일로부터 5년.
|
이 결과는 5년의 추적 기간 동안 전체 활동 수준(분당 가속도계 수로 측정)이 부상당한 낙상 위험과 연관되어 있는지 여부를 평가합니다.
|
기준일로부터 5년.
|
|
부상을 입을 위험이 있는 활동 조각화의 연관성(5년 이상)
기간: 기준일로부터 5년.
|
이 결과는 5년의 추적 기간에 걸쳐 활동 조각화(조각화 지수로 측정)가 낙상의 부상 위험과 연관되어 있는지 여부를 평가합니다.
|
기준일로부터 5년.
|
기타 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
추락 예방을 위한 고위험 "서명" 식별
기간: 1년, 5년, 10년 낙상 위험 예측 모델 기반
|
이 연구는 기계 학습과 통계 기법을 사용하여 DLG와 DLPA 측정을 결합한 잠재적인 "서명"을 식별하여 낙상 위험이 높은 노인을 식별할 것입니다.
이러한 서명은 조기 가을 예방 전략을 알려줄 수 있습니다.
|
1년, 5년, 10년 낙상 위험 예측 모델 기반
|
공동 작업자 및 조사자
여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.
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)
2024년 8월 6일
기본 완료 (추정된)
2030년 8월 1일
연구 완료 (추정된)
2030년 8월 1일
연구 등록 날짜
최초 제출
2024년 10월 6일
QC 기준을 충족하는 최초 제출
2024년 10월 14일
처음 게시됨 (실제)
2024년 10월 16일
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
2024년 10월 16일
QC 기준을 충족하는 마지막 업데이트 제출
2024년 10월 14일
마지막으로 확인됨
2024년 10월 1일
추가 정보
이 연구와 관련된 용어
키워드
기타 연구 ID 번호
- TLV-0054-24
개별 참가자 데이터(IPD) 계획
개별 참가자 데이터(IPD)를 공유할 계획입니까?
아니요
약물 및 장치 정보, 연구 문서
미국 FDA 규제 의약품 연구
아니
미국 FDA 규제 기기 제품 연구
예
미국에서 제조되어 미국에서 수출되는 제품
예
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. .