- ICH GCP
- US Clinical Trials Registry
- Klinisk utprøving NCT05366114
Visjonsbasert vurdering av leddstrekkbarhet ved Ehlers Danlos syndrom
Vurdere gjennomførbarheten av en smarttelefonbasert, maskinlæringsapplikasjon for visuell bildebehandling for vurdering av hyperutvidbarhet av perifere ledd i Ehlers Danlos syndrom
Ehlers Danlos syndrom (EDS) er en heterogen gruppe genetiske lidelser med 13 identifiserte undertyper. Hypermobil EDS (hEDS), selv om den er den vanligste undertypen av EDS, har ennå ikke en identifisert genetisk mutasjon for diagnostisk bekreftelse. Generalisert leddhypermobilitet (GJH) er et av kjennetegnene ved hEDS. Poengsystemet som ble brukt ved måling av GJH ble beskrevet av Beighton. Beighton-poengsummen beregnes ved å bruke et dikotomt poengsystem for å vurdere forlengbarheten til ni ledd. Hvert ledd blir skåret som enten hypermobilt (score = 1) eller ikke hypermobilt (score = 0). Den totale poengsummen (Beighton-score) kan variere mellom minimum 0 og maksimum 9, med høyere poengsum som indikerer større leddslapphet.
Selv om det er moderat validitet og variasjon mellom vurderinger ved bruk av Beighton-poengsummen, er det fortsatt flere utfordringer med dens utbredte og konsekvente anvendelse av klinikere. Noen av barrierene rapportert i litteraturen inkluderer:
i) I åpne, ikke-standardiserte systemer kan det være betydelig variasjon i metoden for å utføre disse felles utvidbarhetstestene inkludert vurdering av baseline-målinger, ii) Bestemme konsistente og standard måleverktøy/metodikk, f.eks. goniometerbruk kan variere mye iii) Vurdere påliteligheten til cut off-verdiene og iv) Utføre full vurdering før pasienter informeres om mulig klassifisering av GJH-positivitet (lav spesifisitet og lav positiv prediktivitet).
Upassende implementering av tester for å vurdere GJH resulterer i unøyaktig identifikasjon av GJH og potensielt utilsiktede negative konsekvenser av å stille feil diagnose av EDS. Målet med denne studien er å skape en mer robust og gyldig metode for felles mobilitetsmåling og redusere feil i screening av EDS ved bruk av smarttelefonbaserte maskinlæringsapplikasjoner for måling av leddutvidbarhet.
Prosjektet vil:
i) Lag en smarttelefonaktivert visuell bildebehandlingsapp for å vurdere målingen av leddutvidbarhet, ii) Vurder muligheten for å bruke smarttelefonappen i en klinisk setting for å screene potensielle EDS-pasienter, iii) Bestem gyldigheten av applikasjonen i sammenligning med personlig klinisk vurdering i et akademisk EDS-program for tertiær omsorg. Hvis den lykkes, kan smarttelefonapplikasjonen bidra til å standardisere behandlingen av potensielle EDS-pasienter på en effektiv og kostnadseffektiv måte.
Studieoversikt
Status
Forhold
Intervensjon / Behandling
Studietype
Registrering (Antatt)
Kontakter og plasseringer
Studiesteder
-
-
Ontario
-
Toronto, Ontario, Canada, M5G 2C4
- GoodHope EDS - Toronto General Hospital
-
-
Deltakelseskriterier
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
Tar imot friske frivillige
Prøvetakingsmetode
Studiepopulasjon
Beskrivelse
Inklusjonskriterier:
- Alle pasienter som blir sett på GoodHope EDS-klinikken i Toronto General er kvalifisert for inkludering, uavhengig av deres diagnose eller resultatene av vurderingene deres
Ekskluderingskriterier:
- Pasienter som ikke samtykker til å delta vil ikke bli inkludert (deltakere kan trekke tilbake samtykket når som helst)
Studieplan
Hvordan er studiet utformet?
Designdetaljer
- Observasjonsmodeller: Bare etui
- Tidsperspektiver: Tverrsnitt
Kohorter og intervensjoner
Gruppe / Kohort |
Intervensjon / Behandling |
|---|---|
|
Nye pasienter ved GoodHope EDS-klinikken ved Toronto General Hospital
Alle pasienter som sees i EDS-klinikken er kvalifisert for inkludering, uavhengig av deres diagnose eller resultatene av deres vurderinger.
|
Ingen inngrep vil bli brukt.
Samtykke deltakere vil få tatt videoopptak under eksamen av leddhypermobilitet som vil bli analysert på et senere tidspunkt
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Sammenligning av samsvar i forutsagt vinkel etter positur-estimeringsbibliotek
Tidsramme: 4 måneder
|
Ytelsen til de utviklede maskinlæringsmodellene for å forutsi bevegelsesområdet vil bli analysert av positur-estimeringsbiblioteket som brukes.
Denne analysen vil bli utført på delmengden av dataene som er samlet inn i løpet av de første 2 månedene av datainnsamlingen.
Denne informasjonen vil bli brukt til å velge positur-estimeringsbibliotekene som skal fortsette med når du avgrenser maskinlæringsmodellene.
|
4 måneder
|
|
Sammenligning av samsvar i antatt vinkel etter ledd
Tidsramme: 1 år
|
Ytelsen til de utviklede maskinlæringsmodellene for å forutsi bevegelsesområdet i hvert ledd (ryggrad, kne, ankel, albue, skulder, tommel, femte finger) vil bli analysert uavhengig for hvert ledd.
Dette vil gi innsikt med hensyn til hvilke ledd systemet er mer nøyaktig til å forutsi fra video.
|
1 år
|
|
Vurder nøyaktigheten av prediksjon av bevegelsesområde ved hjelp av synsbaserte data
Tidsramme: 1 år
|
Maskinlæringsmodeller trent på videoer av individer som utfører leddhypermobilitetsmanøvrene vil bli utviklet.
Ytelsen deres vil bli sammenlignet med bevegelsesområdet målt av en ekspertkliniker ved hjelp av et goniometer.
|
1 år
|
Samarbeidspartnere og etterforskere
Etterforskere
- Hovedetterforsker: Nimish Mittal, MD, GoodHope Ehlers Danlos Syndrome Clinic, Toronto General Hospital
Publikasjoner og nyttige lenker
Generelle publikasjoner
- Critical Care Services Ontario, Ehlers-Danlos Syndrome Expert Panel Report, 2016. https://www.health.gov.on.ca/en/common/ministry/publications/reports/eds/Default.aspx.
- Cahill SV, Sharkey MS, Carter CW. Clinical assessment of generalized ligamentous laxity using a single test: is thumb-to-forearm apposition enough? J Pediatr Orthop B. 2021 May 1;30(3):296-300. doi: 10.1097/BPB.0000000000000732.
- He K, Gkioxari G, Dollár P, Girshick R. Mask R-CNN. In: Proceedings of the IEEE international conference on computer vision. 2017. p. 2961-9.
- Cao Z, Hidalgo G, Simon T, Wei SE, Sheikh Y. OpenPose: Realtime Multi-Person 2D Pose Estimation Using Part Affinity Fields. IEEE Trans Pattern Anal Mach Intell. 2021 Jan;43(1):172-186. doi: 10.1109/TPAMI.2019.2929257. Epub 2020 Dec 4.
- Fang H-S, Xie S, Tai Y-W, Lu C. RMPE: Regional Multi-person Pose Estimation. 2016 Nov 30; Available from: http://arxiv.org/abs/1612.00137
- Lin T-Y, Maire M, Belongie S, Bourdev L, Girshick R, Hays J, et al. Microsoft COCO: Common Objects in Context. 2014 May 1; Available from: http://arxiv.org/abs/1405.0312
- Andriluka M, Pishchulin L, Gehler P, Schiele B. 2D Human Pose Estimation: New Benchmark and State of the Art Analysis. In: 2014 IEEE Conference on Computer Vision and Pattern Recognition. 2014. p. 3686-93
- Lugaresi C, Tang J, Nash H, McClanahan C, Uboweja E, Hays M, et al. MediaPipe: A Framework for Building Perception Pipelines. 2019 Jun 14; Available from: https://arxiv.org/abs/1906.08172
- Zhang F, Bazarevsky V, Vakunov A, Tkachenka A, Sung G, Chang C-L, et al. MediaPipe Hands: On-device Real-time Hand Tracking. 2020 Jun 17; Available from: http://arxiv.org/abs/2006.10214
- Mehdizadeh S, Nabavi H, Sabo A, Arora T, Iaboni A, Taati B. Concurrent validity of human pose tracking in video for measuring gait parameters in older adults: a preliminary analysis with multiple trackers, viewing angles, and walking directions. J Neuroeng Rehabil. 2021 Sep 15;18(1):139. doi: 10.1186/s12984-021-00933-0.
- Sabo A, Mehdizadeh S, Ng KD, Iaboni A, Taati B. Assessment of Parkinsonian gait in older adults with dementia via human pose tracking in video data. J Neuroeng Rehabil. 2020 Jul 14;17(1):97. doi: 10.1186/s12984-020-00728-9.
- Lu M, Zhao Q, Poston KL, Sullivan EV, Pfefferbaum A, Shahid M, Katz M, Kouhsari LM, Schulman K, Milstein A, Niebles JC, Henderson VW, Fei-Fei L, Pohl KM, Adeli E. Quantifying Parkinson's disease motor severity under uncertainty using MDS-UPDRS videos. Med Image Anal. 2021 Oct;73:102179. doi: 10.1016/j.media.2021.102179. Epub 2021 Jul 21.
- Williams S, Zhao Z, Hafeez A, Wong DC, Relton SD, Fang H, Alty JE. The discerning eye of computer vision: Can it measure Parkinson's finger tap bradykinesia? J Neurol Sci. 2020 Sep 15;416:117003. doi: 10.1016/j.jns.2020.117003. Epub 2020 Jun 30.
- Ota M, Tateuchi H, Hashiguchi T, Kato T, Ogino Y, Yamagata M, Ichihashi N. Verification of reliability and validity of motion analysis systems during bilateral squat using human pose tracking algorithm. Gait Posture. 2020 Jul;80:62-67. doi: 10.1016/j.gaitpost.2020.05.027. Epub 2020 May 25.
- Slembrouck M, Luong H, Gerlo J, Schütte K, Van Cauwelaert D, De Clercq D, et al. Multiview 3d Markerless Human Pose Estimation from Openpose Skeletons. In: International Conference on Advanced Concepts for Intelligent Vision Systems. Springer; 2020. p. 166-78.
- Wang H, Xie Z, Lu L, Li L, Xu X. A computer-vision method to estimate joint angles and L5/S1 moments during lifting tasks through a single camera. J Biomech. 2021 Dec 2;129:110860. doi: 10.1016/j.jbiomech.2021.110860. Epub 2021 Nov 8.
- Yahya M, Shah JA, Warsi A, Kadir K, Khan S, Izani M. Real time elbow angle estimation using single RGB camera. 2018 Aug 21; Available from: https://arxiv.org/abs/1808.07017
- Shi B, Brentari D, Shakhnarovich G, Livescu K. Fingerspelling Detection in American Sign Language. In: Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2021. p. 4166-75
- Kim I-H, Jung I-H. A Study on Korea Sign Language Motion Recognition Using OpenPose Based on Deep Learning. 디지털콘텐츠학회논문지 (Journal of Digital Contents Society). 2021;22(4):681-7.
- Levy HP. Hypermobile Ehlers-Danlos Syndrome. 2004 Oct 22 [updated 2018 Jun 21]. In: Adam MP, Feldman J, Mirzaa GM, Pagon RA, Wallace SE, Bean LJH, Gripp KW, Amemiya A, editors. GeneReviews(R) [Internet]. Seattle (WA): University of Washington, Seattle; 1993-2023. Available from http://www.ncbi.nlm.nih.gov/books/NBK1279/
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
Nøkkelord
Ytterligere relevante MeSH-vilkår
- Patologiske prosesser
- Kardiovaskulære sykdommer
- Vaskulære sykdommer
- Hudsykdommer
- Sykdom
- Medfødte abnormiteter
- Hematologiske sykdommer
- Hemoragiske lidelser
- Genetiske sykdommer, medfødte
- Bindevevssykdommer
- Hemostatiske lidelser
- Hudsykdommer, genetisk
- Hudavvik
- Kollagen sykdommer
- Syndrom
- Ehlers-Danlos syndrom
Andre studie-ID-numre
- 22-5073
Plan for individuelle deltakerdata (IPD)
Planlegger du å dele individuelle deltakerdata (IPD)?
IPD-planbeskrivelse
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 Ehlers-Danlos syndrom
-
GlaxoSmithKlineHar ikke rekruttert ennå
-
Unravel Biosciences, Inc.RekrutteringPitt Hopkins syndromColombia
-
University of California, Los AngelesBoston Children's Hospital; Duke University; Children's Hospital Medical...RekrutteringBohring-Opitz syndrom | ASXL1 genmutasjon | Shashi-Pena syndrom | ASXL2 genmutasjon | Bainbridge-Ropers syndrom | ASXL3 genmutasjonForente stater
-
Helen Keller Eye Research FoundationFive Lakes Clinical Research Consulting, LLCRekrutteringStickler syndrom type 2 | Stickler syndrom type 1Forente stater
-
University of California, DavisNational Cancer Institute (NCI); Celgene; Pharmacyclics LLC.FullførtTidligere behandlet myelodysplastisk syndrom | Myelodysplastisk syndrom | Terapierelatert myelodysplastisk syndrom | Sekundært myelodysplastisk syndrom | Refraktært høyrisiko myelodysplastisk syndromForente stater
-
Assistance Publique - Hôpitaux de ParisRekrutteringIntensivavdelingens syndrom | Pediatrisk postintensiv syndromFrankrike
-
University of NottinghamMedical Research Council; National Institute for Health Research, United...RekrutteringSkrøpelig eldre syndrom | Skrøpelighet | Skrøpelighet syndromStorbritannia
-
Hospital Universitario GetafeKarolinska Institutet; Medical University of Lodz; Universidad Politecnica... og andre samarbeidspartnereUkjentSkrøpelig eldre syndrom | Skrøpelighet | Skrøpelighet syndromPolen, Spania, Sverige
-
Shaare Zedek Medical CenterUkjentPremenstruelt syndrom - PMS
-
Haleema SadiaFullførtPremenstruelt syndrom - PMSPakistan