- ICH GCP
- Register voor klinische proeven in de VS.
- Klinische proef NCT05858892
Vergelijking van een door kunstmatige intelligentie ondersteund revalidatieprogramma voor schoudermusculoskeletale aandoeningen en de klinische besluitvorming van therapeuten
5 mei 2023 bijgewerkt door: Taipei Medical University Shuang Ho Hospital
Mensen met schouder-musculoskeletale aandoeningen van middelbare en oudere volwassenen hebben de grootste behoefte aan revalidatiediensten.
De bevolkingsgroei en de vergrijzing van de samenleving verhogen vervolgens het aantal gehandicapten, de zorgkosten en de behoefte aan zorgprofessionals.
Er is bewijs voor het gunstige effect van oefeningen op het functioneren en de kwaliteit van leven.
Traditioneel wordt een revalidatieprogramma ontworpen door therapeuten voor elke patiënt, afhankelijk van hun toestand.
De laatste jaren wordt AI steeds meer toegepast in de fysische en revalidatiegeneeskunde, maar er is geen onderzoek gedaan naar het toepassen van AI bij het voorspellen van revalidatieprogramma's voor schouder-musculoskeletale aandoeningen.
Het belangrijkste doel van deze studie is om de mogelijkheden te verkennen van het gebruik van gesuperviseerde machine learning-benadering om revalidatieprogramma's voor schouder-musculoskeletale aandoeningen te voorspellen.
Drieëntwintig kenmerken worden geïdentificeerd op basis van bewegingsbereik van de schouder, pijn, al dan niet chirurgische ingreep.
Elke oefening wordt beschouwd als een label met in totaal vijfentwintig oefeningen.
Dataset wordt verzameld door klinisch therapeuten om het model te ontwikkelen en te trainen.
Elke patiënt moet minimaal twee maanden revalideren en twee keer worden geëvalueerd.
Logistische regressie, support vector machine en random forest worden gebruikt om het rekenmodel te bouwen.
Nauwkeurigheid, precisie, herinnering, F-1-score en AUC worden gebruikt om de prestaties van het rekenmodel bij machine learning te evalueren.
Na de training vergelijken we de consistentie van revalidatieprogramma's die worden voorspeld met behulp van het machine learning-model en de klinische besluitvorming van therapeuten.
Studie Overzicht
Toestand
Werving
Interventie / Behandeling
Studietype
Observationeel
Inschrijving (Verwacht)
80
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
- Naam: Hanyun Hsiao, master
- Telefoonnummer: 1624 +88622490088
- E-mail: 10252@s.tmu.edu.tw
Studie Locaties
-
-
-
New Taipei City, Taiwan, 235
- Werving
- Shuang Ho Hospital
-
Contact:
- Hanyun Hsiao, master
- Telefoonnummer: 1624 +88622490088
- E-mail: 10252@s.tmu.edu.tw
-
-
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
- Volwassen
- Oudere volwassene
Accepteert gezonde vrijwilligers
Nee
Bemonsteringsmethode
Niet-waarschijnlijkheidssteekproef
Studie Bevolking
Musculoskeletale aandoeningen die vaak schouderpijn veroorzaken in de kliniek zijn adhesieve capsulitis van de schouder (AC of frozen shoulder), Rotator Cuff Tear or Rupture (RCT) en Shoulder Impingement Syndrome (SIS).
De incidentie van AC in de algemene bevolking is ongeveer 2-5%, het meest voorkomend bij vrouwen van 40-60 jaar; de incidentie van RCT is 20,7% en neemt toe met de leeftijd, meestal geassocieerd met SIS is de meest voorkomende oorzaak van schouderpijn, goed voor ongeveer 44-65% van de gevallen, meestal bij mensen ouder dan 40 jaar.
Beschrijving
Inclusiecriteria:
- De codes van de International Classification of Diseases, 10th revision (ICD-10) werden geselecteerd voordat het onderzoek begon en omvatten de ICD-10-codes M75 (schouderlaesies), S42 (fractuur van schouder en bovenarm), S43 (ontwrichting en verstuiking van gewrichten). en ligamenten van schoudergordel), en S46 (letsel van spieren, fascia en pezen ter hoogte van schouder en bovenarm)
- Patiënten die revalidatie nodig hebben na het ondergaan van een chirurgische ingreep en in staat zijn om rekoefeningen, actief ondersteunend bewegingsbereik (AAROM) of actief bewegingsbereik onder toezicht (AROM) uit te voeren
- tussen de 20-80 jaar oud
- Motorische commando's kunnen volgen
Uitsluitingscriteria:
- Patiënten met een ziekte van het centrale en perifere zenuwstelsel, zoals cerebrovasculair accident (CVA), de ziekte van Parkinson (PD), myasthenia gravis (MG), poliomyelitis
- Patiënten met kneuzing van de schouder, vaatletsel, ernstig verbrijzelingsletsel en amputatie
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
Cohorten en interventies
Groep / Cohort |
Interventie / Behandeling |
---|---|
schouder musculoskeletale groep
De codes van de International Classification of Diseases, 10th revision (ICD-10) werden geselecteerd voordat het onderzoek begon en omvatten de ICD-10-codes M75 (schouderlaesies), S42 (fractuur van schouder en bovenarm), S43 (ontwrichting en verstuiking van gewrichten). en ligamenten van schoudergordel), en S46 (letsel van spieren, fascia en pezen ter hoogte van schouder en bovenarm)
|
gebruikelijke zorg (revalidatieprogramma)
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
---|---|---|
Nauwkeurigheid
Tijdsspanne: Wijziging van baseline na 2 maanden
|
De mogelijkheden verkennen van het gebruik van gesuperviseerde machine learning-benadering om revalidatieprogramma's voor schouder-musculoskeletale aandoeningen te voorspellen
|
Wijziging van baseline na 2 maanden
|
Precisie
Tijdsspanne: Wijziging van baseline na 2 maanden
|
De mogelijkheden verkennen van het gebruik van gesuperviseerde machine learning-benadering om revalidatieprogramma's voor schouder-musculoskeletale aandoeningen te voorspellen
|
Wijziging van baseline na 2 maanden
|
Herinneren
Tijdsspanne: Wijziging van baseline na 2 maanden
|
De mogelijkheden verkennen van het gebruik van gesuperviseerde machine learning-benadering om revalidatieprogramma's voor schouder-musculoskeletale aandoeningen te voorspellen
|
Wijziging van baseline na 2 maanden
|
F-1-score
Tijdsspanne: Wijziging van baseline na 2 maanden
|
De mogelijkheden verkennen van het gebruik van gesuperviseerde machine learning-benadering om revalidatieprogramma's voor schouder-musculoskeletale aandoeningen te voorspellen
|
Wijziging van baseline na 2 maanden
|
AUC
Tijdsspanne: Wijziging van baseline na 2 maanden
|
De mogelijkheden verkennen van het gebruik van gesuperviseerde machine learning-benadering om revalidatieprogramma's voor schouder-musculoskeletale aandoeningen te voorspellen
|
Wijziging van baseline na 2 maanden
|
Medewerkers en onderzoekers
Hier vindt u mensen en organisaties die betrokken zijn bij dit onderzoek.
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
- Burns DM, Leung N, Hardisty M, Whyne CM, Henry P, McLachlin S. Shoulder physiotherapy exercise recognition: machine learning the inertial signals from a smartwatch. Physiol Meas. 2018 Jul 23;39(7):075007. doi: 10.1088/1361-6579/aacfd9.
- Challoumas D, Biddle M, McLean M, Millar NL. Comparison of Treatments for Frozen Shoulder: A Systematic Review and Meta-analysis. JAMA Netw Open. 2020 Dec 1;3(12):e2029581. doi: 10.1001/jamanetworkopen.2020.29581.
- Linsell L, Dawson J, Zondervan K, Rose P, Randall T, Fitzpatrick R, Carr A. Prevalence and incidence of adults consulting for shoulder conditions in UK primary care; patterns of diagnosis and referral. Rheumatology (Oxford). 2006 Feb;45(2):215-21. doi: 10.1093/rheumatology/kei139. Epub 2005 Nov 1.
- Oude Nijeweme-d'Hollosy W, van Velsen L, Poel M, Groothuis-Oudshoorn CGM, Soer R, Hermens H. Evaluation of three machine learning models for self-referral decision support on low back pain in primary care. Int J Med Inform. 2018 Feb;110:31-41. doi: 10.1016/j.ijmedinf.2017.11.010. Epub 2017 Nov 23.
- Gupta R, Srivastava D, Sahu M, Tiwari S, Ambasta RK, Kumar P. Artificial intelligence to deep learning: machine intelligence approach for drug discovery. Mol Divers. 2021 Aug;25(3):1315-1360. doi: 10.1007/s11030-021-10217-3. Epub 2021 Apr 12.
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 (Werkelijk)
11 juli 2022
Primaire voltooiing (Verwacht)
30 april 2024
Studie voltooiing (Verwacht)
30 april 2024
Studieregistratiedata
Eerst ingediend
5 mei 2023
Eerst ingediend dat voldeed aan de QC-criteria
5 mei 2023
Eerst geplaatst (Werkelijk)
15 mei 2023
Updates van studierecords
Laatste update geplaatst (Werkelijk)
15 mei 2023
Laatste update ingediend die voldeed aan QC-criteria
5 mei 2023
Laatst geverifieerd
1 juni 2022
Meer informatie
Termen gerelateerd aan deze studie
Aanvullende relevante MeSH-voorwaarden
Andere studie-ID-nummers
- N202206013
Plan Individuele Deelnemersgegevens (IPD)
Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?
NEE
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 .
Klinische onderzoeken op Machinaal leren
-
Chelsea and Westminster NHS Foundation TrustNational Institute for Health Research, United Kingdom; OCB MediaVoltooidKwaliteitsverbetering | Aan het leren | e-learningVerenigd Koninkrijk
-
Orsi AcademyVoltooid
-
Maastricht University Medical CenterActief, niet wervendActinische keratosen | Dermatologie | E-learningNederland
-
Kerman University of Medical SciencesVoltooidVoorspelling van hypothyreoïdiepatiënten met behulp van machine learning-algoritmen | Identificatie van belangrijke symptomen van hypothyreoïdieIran, Islamitische Republiek
-
BrainswayOnbekendGegevensverzameling voor het faciliteren van machine learning-algoritmen voor gepersonaliseerde behandelingVerenigde Staten
-
Wuhan Union Hospital, ChinaNog niet aan het wervenNiet-kleincellige longkanker | Pathologische volledige respons | Neoadjuvante chemo-immunotherapie | Deep Learning-model
-
Sun Yat-sen UniversityWervingDeep Learning-modelChina
-
Bahria UniversityWervingCovid-19 | Medisch student | E-learningPakistan
-
Fondazione Policlinico Universitario Agostino Gemelli...WervingBeschrijf typische grijswaarden/kleurendoppler-echografiekenmerken van zwangerschaps-trofoblastische neoplasie bij het Amerikaanse onderzoek | Om te beoordelen of er bij de Amerikaanse baseline-scan verschillen zijn tussen patiënten met een laag risico en patiënten met een hoog... en andere voorwaardenItalië
-
Deraya UniversityVoltooidHet doel van deze studie is het voorspellen van vrouwelijke bekkenkanteling en lumbale hoek met behulp van machine learning in geval van urine-incontinentie en seksuele disfunctieEgypte
Klinische onderzoeken op Gebruikelijke zorg
-
French Red CrossInstitut National de la Santé Et de la Recherche Médicale, France; University... en andere medewerkersWervingFysieke activiteit | Groei | Eetpatroon | Sedentair gedrag | ZuigelingFrankrijk
-
Dana-Farber Cancer InstituteMassachusetts General Hospital; Brigham and Women's HospitalActief, niet wervendStoppen met roken | LongkankerVerenigde Staten
-
Chang Gung Memorial HospitalMinistry of Science and Technology, TaiwanVoltooid
-
University of Texas at AustinOnbekendMultiple scleroseVerenigde Staten
-
Fondazione I.R.C.C.S. Istituto Neurologico Carlo...WervingChronische migraine; Multiple sclerose; Motoneuron ziekteItalië
-
University of Central FloridaNational Institute on Deafness and Other Communication Disorders (NIDCD); University...VoltooidSyndroom van Down | Spraakgeluidsstoornis | Spraakstoornissen bij kinderen | Spraakverstaanbaarheid | Spraak- en taalstoornisVerenigde Staten
-
Hospital Universitari de BellvitgeInstitut d'Investigació Biomèdica de BellvitgeVoltooid
-
University of Wisconsin, MadisonMedical University of South Carolina; National Heart, Lung, and Blood Institute...Voltooid
-
Kuopio University HospitalUniversity of Oslo; University of Eastern Finland; City of KuopioWerving
-
Oslo University HospitalUniversity Hospital of North NorwayActief, niet wervendEpilepsie | Kanker | Interstitiële longziekte | Pijn op lange termijnNoorwegen