Deze pagina is automatisch vertaald en de nauwkeurigheid van de vertaling kan niet worden gegarandeerd. Raadpleeg de Engelse versie voor een brontekst.

Valrisicobeoordeling met behulp van hybride machine learning en deep learning-benaderingen en een nieuwe posturografie

1 april 2022 bijgewerkt door: National Taiwan University Hospital
Het doel van dit project is om een ​​nieuwe posturografie op basis van HTC VIVE-trackers en hybride machine learning en deep learning-algoritmen te combineren om een ​​reeks eenvoudige, handige en valide valrisicobeoordelingstools op te zetten. Deze observatie- en vervolgstudie zal ouderen ouder dan 60 jaar begeleiden. De onderzoekers zullen demografische gegevens, vragenlijstonderzoeken, traditionele evenwichtstests en de tracker-gebaseerde posturografie verzamelen om de rompstabiliteitsparameters bij verschillende staande taken te verkrijgen. Het valrisico wordt geclassificeerd op basis van zelfgerapporteerde vallen in het afgelopen jaar en geverifieerd in een follow-up van 6 maanden. De onderzoekers zullen de prestaties van verschillende hybride machine learning en deep learning-algoritmen evalueren om de belangrijke kenmerken van meerdere posturografische parameters te extraheren en een optimaal model te selecteren. De onderzoekers zullen de analyse van de karakteristieke curve van de ontvanger gebruiken om de gevoeligheid, specificiteit en nauwkeurigheid van verschillende algoritmen voor risicoclassificatie te berekenen en ook om de prestaties te vergelijken met traditionele instrumenten voor balansbeoordeling.

Studie Overzicht

Toestand

Nog niet aan het werven

Conditie

Gedetailleerde beschrijving

Het doel van dit project is om een ​​nieuwe posturografie op basis van HTC VIVE-trackers en hybride machine learning en deep learning-algoritmen te combineren om een ​​reeks eenvoudige, handige en valide valrisicobeoordelingstools op te zetten. Deze observatie- en vervolgstudie zal ouderen ouder dan 60 jaar begeleiden. De onderzoekers verzamelen demografische gegevens, vragenlijstonderzoeken, traditionele evenwichtstests (Berg Balance-schaal, Timed-up-and-go, 30s-sit-to-stand, viertraps-balanstests) en een tracker-gebaseerde posturografie om de romp te verkrijgen stabiliteitsparameters bij verschillende staande taken. Het valrisico wordt geclassificeerd op basis van zelfgerapporteerde vallen in het afgelopen jaar en geverifieerd in een follow-up van 6 maanden.

De onderzoekers zullen de prestaties van verschillende hybride machine learning en deep learning-algoritmen evalueren om de belangrijke kenmerken van meerdere posturografische parameters te extraheren en een optimaal model te selecteren. De onderzoekers zullen de analyse van de karakteristieke curve van de ontvanger gebruiken om de gevoeligheid, specificiteit en nauwkeurigheid van verschillende algoritmen voor risicoclassificatie te berekenen en ook om de prestaties te vergelijken met traditionele instrumenten voor balansbeoordeling. De onderzoekers zullen de correlatie van deze posturografische kenmerken en gegevens die met andere methoden zijn verkregen, evalueren. Risicofactoren van eerdere valpartijen en toekomstige valpartijen worden ook geanalyseerd.

Studietype

Observationeel

Inschrijving (Verwacht)

500

Contacten en locaties

In dit gedeelte vindt u de contactgegevens van degenen die het onderzoek uitvoeren en informatie over waar dit onderzoek wordt uitgevoerd.

Studiecontact

Studie Contact Back-up

Deelname Criteria

Onderzoekers zoeken naar mensen die aan een bepaalde beschrijving voldoen, de zogenaamde geschiktheidscriteria. Enkele voorbeelden van deze criteria zijn iemands algemene gezondheidstoestand of eerdere behandelingen.

Geschiktheidscriteria

Leeftijden die in aanmerking komen voor studie

60 jaar en ouder (Volwassen, Oudere volwassene)

Accepteert gezonde vrijwilligers

Nee

Geslachten die in aanmerking komen voor studie

Allemaal

Bemonsteringsmethode

Niet-waarschijnlijkheidssteekproef

Studie Bevolking

Samenwonende leeftijdsgroep

Beschrijving

Inclusiecriteria:

  • zelfstandig in huis kan lopen zonder apparaat

Uitsluitingscriteria:

  • met terminale ziekte
  • met cognitieve stoornissen om verbale instructies op te volgen
  • met neurologische aandoeningen die verband houden met beenzwakte
  • met een aanzienlijke visuele beperking die het dagelijks leven en lopen belemmert

Studie plan

Dit gedeelte bevat details van het studieplan, inclusief hoe de studie is opgezet en wat de studie meet.

Hoe is de studie opgezet?

Ontwerpdetails

  • Observatiemodellen: Cohort
  • Tijdsperspectieven: Prospectief

Wat meet het onderzoek?

Primaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Aantal herfstevenementen
Tijdsspanne: 6 maanden
zelfgerapporteerde valgebeurtenissen volgens een vervolgvragenlijst en gedefinieerd als de plotselinge, onvrijwillige verplaatsing van het lichaam naar de grond en op een lager niveau dan de vorige
6 maanden

Medewerkers en onderzoekers

Hier vindt u mensen en organisaties die betrokken zijn bij dit onderzoek.

Sponsor

National Taiwan University Hospital

Medewerkers

National Taiwan University Hospital, Yun-Lin Branch
National Yunlin University of Science and Technology

Publicaties en nuttige links

De persoon die verantwoordelijk is voor het invoeren van informatie over het onderzoek stelt deze publicaties vrijwillig ter beschikking. Dit kan gaan over alles wat met het onderzoek te maken heeft.

Algemene publicaties

Studie record data

Deze datums volgen de voortgang van het onderzoeksdossier en de samenvatting van de ingediende resultaten bij ClinicalTrials.gov. Studieverslagen en gerapporteerde resultaten worden beoordeeld door de National Library of Medicine (NLM) om er zeker van te zijn dat ze voldoen aan specifieke kwaliteitscontrolenormen voordat ze op de openbare website worden geplaatst.

Bestudeer belangrijke data

Studie start (Verwacht)

1 april 2022

Primaire voltooiing (Verwacht)

1 juni 2023

Studie voltooiing (Verwacht)

1 december 2023

Studieregistratiedata

Eerst ingediend

24 maart 2022

Eerst ingediend dat voldeed aan de QC-criteria

1 april 2022

Eerst geplaatst (Werkelijk)

4 april 2022

Updates van studierecords

Laatste update geplaatst (Werkelijk)

4 april 2022

Laatste update ingediend die voldeed aan QC-criteria

1 april 2022

Laatst geverifieerd

1 maart 2022

Meer informatie

Termen gerelateerd aan deze studie

Trefwoorden

Andere studie-ID-nummers

  • 202112114RINA

Informatie over medicijnen en apparaten, studiedocumenten

Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel

Nee

Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct

Nee

Deze informatie is zonder wijzigingen rechtstreeks van de website clinicaltrials.gov gehaald. Als u verzoeken heeft om uw onderzoeksgegevens te wijzigen, te verwijderen of bij te werken, neem dan contact op met register@clinicaltrials.gov. Zodra er een wijziging wordt doorgevoerd op clinicaltrials.gov, wordt deze ook automatisch bijgewerkt op onze website .

Abonneren