- ICH GCP
- US Clinical Trials Registry
- Klinisk utprøving NCT05026346
Konstruksjon av et AI-system for automatisk overvåking av skulderrehabiliteringsøvelser (Rehab-SPIA) (Rehab-SPIA)
Konstruksjon av et kunstig intelligenssystem for automatisk fjernovervåking av skulderrehabiliteringsøvelser
Den nåværende historiske fasen og det økende behovet for rehabilitering i verden gjør telerehabiliteringssystemer og e-helse generelt til grunnleggende verktøy for å øke pasientengasjement og etterlevelse av omsorg, avgjørende elementer for bevaring av NHS fra en utgiftsgjennomgang. og ressursoptimalisering. Spesielt har rehabiliteringspasienten i gjennomsnitt en etterlevelse av hjemmetreningsprogrammet (HEP) mellom 30-50 %, som ofte legges til en redusert effektivitet av motorisk læring på grunn av manglende tilbakemelding på nøyaktigheten av gesten, som er tilfelle. det skjer på sykehuset eller poliklinisk under tilsyn av en terapeut.
De nye beregningsmessige tilnærmingene for analyse av data om menneskelig bevegelse, rettet mot utviklingen av algoritmer for automatisk å overvåke nøyaktigheten av pasientens gest under hjemmebehandlingsøvelser, slik som de som er basert på kunstig intelligens (AI) og maskinlæring (ML) , spesielt de av den siste generasjonen, kalt sub-symbolikk (eller konneksjonister) kan hjelpe.
Blant de mest lovende tilnærmingene er. Gitt viktigheten av hjemmetreningsprogrammet ved skuldersykdom, ble det besluttet å velge en populasjon av pasienter som var berørt av hovedpatologiene som påvirker dette leddet.
Hovedmålet med studien er å lage og validere et programvareverktøy for automatisk og ekspertanalyse av riktig utførelse av hovedrehabiliteringsøvelsene for funksjonell gjenoppretting av skulderen etter ortopediske patologier.
Studieoversikt
Status
Forhold
Intervensjon / Behandling
Detaljert beskrivelse
Den nåværende historiske fasen og det økende behovet for rehabilitering i verden gjør telerehabiliteringssystemer og e-helse generelt til grunnleggende verktøy for å øke pasientengasjement og etterlevelse av omsorg, avgjørende elementer for bevaring av NHS fra en utgiftsgjennomgang. og ressursoptimalisering.
Spesielt har rehabiliteringspasienten i gjennomsnitt en etterlevelse av hjemmetreningsprogrammet (HEP) mellom 30-50 %, som ofte legges til en redusert effektivitet av motorisk læring på grunn av manglende tilbakemelding på nøyaktigheten av gesten, som det skjer på sykehuset eller poliklinisk under tilsyn av en terapeut.
De nye beregningsmessige tilnærmingene for analyse av data om menneskelig bevegelse, rettet mot utviklingen av algoritmer for automatisk å overvåke nøyaktigheten av pasientens gest under utøvelse av hjemmebehandling, forsøker å løse dette siste kritiske problemet.
Blant de mest lovende tilnærmingene er de som er basert på kunstig intelligens (AI) og maskinlæring (ML), spesielt de fra den siste generasjonen, kalt sub-symbolsk (eller konneksjonist).
Disse algoritmene vekker stor interesse for deres evne til automatisk å trekke ut de fremtredende egenskapene til bevegelsen, og reduserer intervensjonen fra eksperter til innsamlingen av alle dataene og mulig merking av eksemplene (5) I alle fall, litteraturen viser mangel på modeller utviklet med direkte involvering av klinikere og mangel på datasett opprettet med pasientpopulasjoner.
Videre er de fleste modellene som finnes i litteraturen laget ved hjelp av en rekke inndataenheter, ofte med høy teknologisk rate med betydelige kostnader for å implementere en eventuell tjeneste hjemme hos pasienten.
Av disse grunnene ønsker vi å lage et spesialist klinisk datasett, med utgangspunkt i videoene av øvelsene, som involverer spesifikke populasjoner etter patologi og bygget på grunnlag av klinisk vurdering. Med disse egenskapene har dette prosjektet som mål å automatisere bevegelsesanalyseprosessen så mye som mulig, enormt redusere kostnadene ved bruk av teknologier og minimere menneskelige feil, alt ved å utnytte de nyeste beregningsmetodene for å skape en nyttig og lav- kostnadsverktøy for funksjonell omskolering i hjemmet.
Gitt viktigheten av hjemmetreningsprogrammet ved skuldersykdom, ble det besluttet å velge en populasjon av pasienter som var berørt av hovedpatologiene som påvirker dette leddet.
Hovedmålet med studien er å lage og validere et programvareverktøy for automatisk og ekspertanalyse av riktig utførelse av hovedrehabiliteringsøvelsene for funksjonell gjenoppretting av skulderen etter ortopediske patologier.
Studietype
Registrering (Antatt)
Kontakter og plasseringer
Studiekontakt
- Navn: Maria Grazia Benedetti, MD
- Telefonnummer: +390516366236
- E-post: benedetti@ior.it
Studiesteder
-
-
-
Bologna, Italia, 40136
- Rekruttering
- IRCCS-Istituto Ortopedico Rizzoli
-
Ta kontakt med:
- Maria Grazia Benedetti, MD
- Telefonnummer: +39051 6366236
- E-post: benedetti@ior.it
-
-
Deltakelseskriterier
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
Tar imot friske frivillige
Prøvetakingsmetode
Studiepopulasjon
Beskrivelse
Inklusjonskriterier:
Friske faggruppe:
- Voksne pasienter > 18 år
- Pasienter uten kjente skulderpatologier
Gruppe forsøkspersoner med skulderpatologi operert
- Voksne pasienter > 18 år
- Lider av ortopediske patologier som påvirker skulderen som: utfall av ultralydveiledet perkutan behandling for seneforkalkning, utfall av ultralydveiledet løsrivelse ved adhesiv bursitt, utfall av proksimale humerusfrakturer, reparasjon av rotatorcuff, intervensjoner for scapulo-humeral instabilitet.
Ekskluderingskriterier:
- Pasienter med en historie med opioidavhengighet eller en historie med rusmisbruk
- Pasienter som lider av ortopediske patologier som påvirker de øvre lemmer i nærvær av klare påvisbare kirurgiske komplikasjoner
- Pasienter med kognitive lidelser (MMSE Mini Mental State Examination større enn eller lik 24/30).
- Pasienter som lider av store anamnestiske eller aktuelle nevrologiske eller psykiatriske patologier, alvorlige kardiopulmonale, hepatiske eller renale patologier som kontraindiserer deltakelse i studien.
Studieplan
Hvordan er studiet utformet?
Designdetaljer
Kohorter og intervensjoner
Gruppe / Kohort |
Intervensjon / Behandling |
---|---|
Sunn
Friske fag, uten skulderpatologi
|
|
Rivner på rotatormansjetten
Pasienter etter artroskopisk rekonstruksjon av rotatorcuff
|
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
---|---|---|
Korrekthet av skulderbevegelsen
Tidsramme: 12 måneder
|
Et spørreskjema der klinikeren vil beskrive korrektheten av skulderbevegelsen vil bli brukt og sammenlignet med attribusjonen fra Artificial Intelligence-programvaren
|
12 måneder
|
Samarbeidspartnere og etterforskere
Sponsor
Etterforskere
- Hovedetterforsker: Maria Grazia Benedetti, MD, Istituto Ortopedico Rizzoli
Studierekorddatoer
Studer hoveddatoer
Studiestart (Faktiske)
Primær fullføring (Antatt)
Studiet fullført (Antatt)
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
- 0002017
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. .
Kliniske studier på Rivner i rotatormansjetten
-
Zimmer, GmbHAktiv, ikke rekrutterendeCuff-tear artropatiTyskland, Belgia, Sveits, Storbritannia
-
Istituto Ortopedico RizzoliRekruttering
-
Consorci Sanitari de TerrassaFullførtRivner i rotatormansjetten | Rotator Cuff Tear ArthropathySpania
-
Nova Scotia Health AuthorityAktiv, ikke rekrutterende
-
Schulthess KlinikTilbaketrukketRotator Cuff Tear Arthropathy
-
University of UtahFullførtRotator Cuff Tear ArthropathyForente stater
-
Arthrex, Inc.RekrutteringRotator Cuff Tear ArthropathyForente stater
-
Gülçe İrem YalçınkayaAktiv, ikke rekrutterende
-
University of California, San FranciscoAktiv, ikke rekrutterendeRotator Cuff Tear ArthropathyForente stater
-
William Beaumont HospitalsFullførtRotator Cuff Tear ArthropathyForente stater