- ICH GCP
- US Clinical Trials Registry
- Klinisk utprøving NCT03685240
Falldeteksjon og forebygging av minnepleie gjennom kunstig intelligens i sanntid brukt på video
Falldeteksjon og forebygging av minnepleie gjennom kunstig intelligens i sanntid brukt på video: en randomisert kontrollprøve
Formålet med forskningen er å studere et nytt sikkerhetsovervåkingssystem utviklet av SafelyYou for å hjelpe til med å ta vare på en kjære med demens. Målet er å gi bedre støtte ved uvitne fall.
SafelyYou-systemet er basert på AI-aktiverte kameraer som oppdager fallrelaterte hendelser og laster opp video kun når disse hendelsene oppdages. Tillegget av et menneske i sløyfen (HIL) vil varsle anleggspersonalet når en hendelse oppdages av systemet.
Studieoversikt
Status
Intervensjon / Behandling
Detaljert beskrivelse
Denne prosessen gjør det mulig for personalet å vite om fall uten å kreve at beboerne har på seg en enhet og å se hvordan fall oppstår for beboere som ikke kan forsvare seg selv mens de fortsatt beskytter beboernes personvern ved kun å laste opp video når sikkerhetskritiske hendelser oppdages. Å se hvordan beboeren gikk i bakken (1) forhindrer behovet for legevaktbesøk når beboere med vilje flyttet til bakken uten risiko og (2) lar omsorgsteamet fastslå hva som forårsaket en hendelse som et fall og hvilke endringer som kan gjøres for å redusere risiko.
FORELØPIGE BEVIS. Den foreslåtte studien følger en serie piloter. I pilot 1 viste vi den tekniske gjennomførbarheten av å oppdage fall fra video med 200 fall utført av friske forsøkspersoner. I pilot 2, i et anlegg med 40 innbyggere, demonstrerte vi aksept av avveininger mellom personvern og sikkerhet og viste en reduksjon av totalt anleggsfall med 80 % ved å tilby systemet for 10 gjentatte fallere. I pilot 3 tok vi for oss repeterbarheten av fallreduksjon i en kohort på 87 beboere med ADRD i 11 fasiliteter i tre partnernettverk. I pilot 4 (NIH SBIR fase I) demonstrerte vi at fall kan oppdages pålitelig i sanntid innenfor partnerfasilitetene. Vi oppdaget 93 % av fallene; reduserte tiden på bakken med 42%; viste at når video var tilgjengelig, ble sannsynligheten for EMS-besøk redusert med 50 %; og redusert totalanlegg faller med 38 %.
Studietype
Registrering (Forventet)
Fase
- Ikke aktuelt
Kontakter og plasseringer
Studiekontakt
- Navn: Glen Xiong, MD
- Telefonnummer: 115 415-579-3630
- E-post: gxiong@safely-you.com
Studiesteder
-
-
California
-
San Francisco, California, Forente stater, 94107
- SafelyYou
-
Ta kontakt med:
- Jason Panganiban
- Telefonnummer: 415-579-3630
- E-post: jason@safely-you.com
-
Ta kontakt med:
- Glen Xiong
- Telefonnummer: 115 4155793630
- E-post: gxiong@safely-you.com
-
-
Deltakelseskriterier
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
Tar imot friske frivillige
Kjønn som er kvalifisert for studier
Beskrivelse
Studiepopulasjonen inkluderer beboere i omsorgsinstitusjoner som har høy fallrisiko, med særlig fokus på omsorgsinstitusjoner med høye populasjoner av individer med Alzheimers sykdom og relaterte demens. Det er ingen krav til kjønn, rase, etnisitet, språk eller leseferdighet for deltakelse, og alle innbyggere er kvalifisert.
Inkluderingskriterier - Bor på et deltakende dyktig sykepleiehjem eller tilsvarende, CCRC,
Eksklusjonskriterier
- 18 år eller yngre
Studieplan
Hvordan er studiet utformet?
Designdetaljer
- Primært formål: STØTTENDE OMSORG
- Tildeling: TILFELDIG
- Intervensjonsmodell: PARALLELL
- Masking: DOBBELT
Våpen og intervensjoner
Deltakergruppe / Arm |
Intervensjon / Behandling |
|---|---|
|
EKSPERIMENTELL: Innblanding
AI-aktivert kamerafallsdeteksjon med Human-in-the-Loop (HIP) gjennomgang
|
Teknologi + kvalitetssikringstjenester levert av SafelyYou
|
|
INGEN_INTERVENSJON: Kontroll
Ingen kameradeteksjon
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Påmeldingsprosent
Tidsramme: Data om påmelding vil bli registrert under rekruttering i år 1 og vurdert ved slutten av år 1
|
Deteksjon av fall vil bli utført med uskarp video, derav med økt personvern.
Forventet utfall vil være endringen i påmeldingsraten sammenlignet med tidligere mulighetsstudier (dvs.
påvirket frekvensen av positive svar på rekrutteringsarbeid innen anlegg).
|
Data om påmelding vil bli registrert under rekruttering i år 1 og vurdert ved slutten av år 1
|
|
Fallrate på grunn av overgangsdeteksjon for sitte til stå
Tidsramme: Data vil bli samlet inn i løpet av år 1 og vurdert ved slutten av år 1.
|
Omsorgspersonell vil bli varslet så snart overgangen oppdages (inngrep fra frontlinjepersonalet).
Dette kan gi en umiddelbar reduksjon i fall på grunn av denne typen overgang.
|
Data vil bli samlet inn i løpet av år 1 og vurdert ved slutten av år 1.
|
|
Fallrate på grunn av gangendringsdeteksjon
Tidsramme: Data vil bli samlet inn gjennom år 1 og vurdert ved slutten av år 1.
|
Som systemet lærer å kunne gi en umiddelbar innvirkning på fallraten ved inngripen fra frontlinjepersonalet når endringen oppdages.
|
Data vil bli samlet inn gjennom år 1 og vurdert ved slutten av år 1.
|
Samarbeidspartnere og etterforskere
Sponsor
Samarbeidspartnere
Studierekorddatoer
Studer hoveddatoer
Studiestart (FORVENTES)
Primær fullføring (FORVENTES)
Studiet fullført (FORVENTES)
Datoer for studieregistrering
Først innsendt
Først innsendt som oppfylte QC-kriteriene
Først lagt ut (FAKTISKE)
Oppdateringer av studieposter
Sist oppdatering lagt ut (FAKTISKE)
Siste oppdatering sendt inn som oppfylte QC-kriteriene
Sist bekreftet
Mer informasjon
Begreper knyttet til denne studien
Ytterligere relevante MeSH-vilkår
Andre studie-ID-numre
- SY-NIA-GX001
Plan for individuelle deltakerdata (IPD)
Planlegger du å dele individuelle deltakerdata (IPD)?
Legemiddel- og utstyrsinformasjon, studiedokumenter
Studerer et amerikansk FDA-regulert medikamentprodukt
Studerer et amerikansk FDA-regulert enhetsprodukt
Denne informasjonen ble hentet direkte fra nettstedet clinicaltrials.gov uten noen endringer. Hvis du har noen forespørsler om å endre, fjerne eller oppdatere studiedetaljene dine, vennligst kontakt register@clinicaltrials.gov. Så snart en endring er implementert på clinicaltrials.gov, vil denne også bli oppdatert automatisk på nettstedet vårt. .