Denne siden ble automatisk oversatt og nøyaktigheten av oversettelsen er ikke garantert. Vennligst referer til engelsk versjon for en kildetekst.

AI-basert fysioterapi evalueringssystem for bevegelsesutstrekning hos pasienter med munnhulekreft

6. april 2026 oppdatert av: National Taiwan University Hospital

Gyldighet og pålitelighet av et KI-basert fysioterapi-evaluering system for oromandibulær og nakke-skulder bevegelsesutstrekning hos pasienter med munnhulekreft

Denne studien har som mål å evaluere gyldigheten og påliteligheten av et nytt AI-basert fysioterapi-evalueringssystem for å måle oromandibulær og nakke-skulder bevegelsesutfoldelse (ROM). Tradisjonelle ROM-vurderinger er avhengige av manuelle målinger, som kan påvirkes av vurdererens erfaring og variasjon. Det foreslåtte AI-systemet bruker automatisk nøkkelpunktsporing for å gi objektive og standardiserte målinger.

I denne tverrsnittsstudien vil friske voksne deltakere utføre standardiserte ROM-oppgaver. Målinger fra AI-systemet vil bli sammenlignet med målinger fra to uavhengige vurderere som bruker konvensjonelle kliniske verktøy. Gjentatte målinger vil bli utført for å vurdere intra-vurderer og inter-vurderer pålitelighet. Overensstemmelsen mellom AI-systemet og menneskelige vurderere vil bli evaluert for å fastslå systemets kliniske anvendbarhet.

Studieoversikt

Status

Rekruttering

Forhold

Detaljert beskrivelse

Denne studien er en tverrsnittsmålingsstudie designet for å evaluere påliteligheten og samtidig validiteten til et AI-basert fysioterapi-evalueringssystem for å vurdere oromandibulær og nakke-skulder bevegelsesutstrekning (ROM). Deltakere vil være friske voksne i alderen 20 til 70 år som oppfyller forhåndsdefinerte inklusjons- og eksklusjonskriterier. Etter å ha gitt informert samtykke, vil deltakerne utføre standardiserte bevegelser, inkludert munnåpning og nakke- og skulder ROM-oppgaver.<\/p>

Hver deltaker vil gjennomgå tre gjentatte målinger for hver bevegelse. ROM vil bli vurdert ved hjelp av tre metoder: (1) et AI-basert system som bruker sanntids nøkkelpunktsporing og automatisk vinkelberegning, (2) manuell måling av Rater 1, og (3) uavhengig manuell måling av Rater 2 ved bruk av en goniometer eller TheraBite ROM-skala.<\/p>

For å minimere målingsbias og tretthetseffekter, vil rekkefølgen av de tre vurderingsmetodene være randomisert for hver deltaker. Raterne vil være blindet for hverandres målinger og for de AI-genererte resultatene.<\/p>

De primære resultatene inkluderer inter-rater pålitelighet og intra-rater pålitelighet for AI-systemet, samt overensstemmelse mellom AI-baserte og manuelle målinger. Pålitelighet vil bli vurdert ved hjelp av intraklasse korrelasjonskoeffisienter (ICC), mens overensstemmelse vil bli evaluert ved hjelp av Bland-Altman-analyse og gjennomsnittlig absolutt feil (MAE).<\/p>

Denne studien forventes å gi bevis som støtter den kliniske anvendbarheten til AI-baserte fysioterapi-vurderingsverktøy, spesielt for standardiserte og skalerbare muskelskjelettvurderinger.<\/p>

Studietype

Observasjonsmessig

Registrering (Antatt)

20

Kontakter og plasseringer

Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.

Studiekontakt

Studiesteder

  • Taiwan
      • Taipei, Taiwan, 100
        • Rekruttering
        • School and Graduate Institute of Physical Therapy, College of Medicine, National Taiwan University
        • Ta kontakt med:
          • Yueh-Hsia Chen, Ph.D

Deltakelseskriterier

Forskere ser etter personer som passer til en bestemt beskrivelse, kalt kvalifikasjonskriterier. Noen eksempler på disse kriteriene er en persons generelle helsetilstand eller tidligere behandlinger.

Kvalifikasjonskriterier

Alder som er kvalifisert for studier

  • Voksen
  • Eldre voksen

Tar imot friske frivillige

Ja

Prøvetakingsmetode

Ikke-sannsynlighetsprøve

Studiepopulasjon

Studiepopulasjonen består av friske voksne frivillige i alderen 20 til 70 år rekruttert gjennom ikke-sannsynlighetsutvalg. Deltakere uten historikk om trismus, hode- og halskreft eller muskelskjelettlidelser som påvirker hodet, nakken eller skulderregionene er kvalifiserte. Alle deltakere er i stand til å følge instruksjoner og utføre standardiserte bevegelsesoppgaver. Denne populasjonen er valgt for å etablere baseline måleprestasjon og for å evaluere påliteligheten og validiteten til det AI-baserte fysioterapi-evalueringssystemet under kontrollerte forhold.

Beskrivelse

Inklusjonskriterier:

  • Friske voksne i alderen 20 til 70 år
  • Ingen trismus
  • Ingen tidligere hode-, nakke- eller skade- eller operasjon
  • Ingen tidligere strålebehandling eller kjemoterapi relatert til hode- og halskreft

Eksklusjonskriterier:

  • Manglende evne til å kommunisere eller følge instruksjoner
  • Enhver tilstand som kan påvirke bevegelsesytelsen

Studieplan

Denne delen gir detaljer om studieplanen, inkludert hvordan studien er utformet og hva studien måler.

Hvordan er studiet utformet?

Designdetaljer

Kohorter og intervensjoner

Gruppe / Kohort
Frisk gruppe
Friske voksne i alderen 20 til 70 år uten tidligere trismus, hode-, nakke- eller skulderskader eller operasjoner, HNC-relatert strålebehandling eller kjemostrålebehandling ble rekruttert.

Hva måler studien?

Primære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Avtale mellom AI- og manuelle målinger
Tidsramme: Utgangspunkt
Avtale mellom AI-baserte og manuelle målinger vurdert ved bruk av intraklasse korrelasjonskoeffisienter (ICC) og Bland-Altman-analyse
Utgangspunkt

Sekundære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Gjennomsnittlig absolutt feil (MAE)
Tidsramme: Utgangspunkt
Gjennomsnittlig absolutt forskjell mellom AI-målinger og manuelle målinger
Utgangspunkt
Intrarater reliabilitet av menneskelige vurderere
Tidsramme: Baselinte
Konsistens av manuelle målinger av Rater 1 og Rater 2 over gjentatte forsøk ved bruk av intraklasse korrelasjonskoeffisienter (ICC)
Baselinte
Intervurderer pålitelighet blant alle vurderere
Tidsramme: Utgangspunkt
Avtale mellom målinger oppnådd fra AI-systemet, Rater 1 og Rater 2 vil bli vurdert ved hjelp av intraklasse korrelasjonskoeffisienter (ICC)
Utgangspunkt
Intra-rater reliabilitet av AI-system
Tidsramme: Utgangspunkt
Konsistens av AI-baserte målinger over tre gjentatte forsøk ved bruk av intraklassekorrelasjonskoeffisienter (ICC)
Utgangspunkt
Systematisk målefeil
Tidsramme: Utgangspunkt
Gjennomsnittlig forskjell mellom AI-baserte og manuelle målinger
Utgangspunkt

Samarbeidspartnere og etterforskere

Det er her du vil finne personer og organisasjoner som er involvert i denne studien.

Sponsor

National Taiwan University Hospital

Etterforskere

  • Hovedetterforsker: Yueh-Hsia Chen, Ph.D., School and Graduate Institute of Physical Therapy, College of Medicine, National Taiwan University

Publikasjoner og nyttige lenker

Den som er ansvarlig for å legge inn informasjon om studien leverer frivillig disse publikasjonene. Disse kan handle om alt relatert til studiet.

Generelle publikasjoner

Studierekorddatoer

Disse datoene sporer fremdriften for innsending av studieposter og sammendragsresultater til ClinicalTrials.gov. Studieposter og rapporterte resultater gjennomgås av National Library of Medicine (NLM) for å sikre at de oppfyller spesifikke kvalitetskontrollstandarder før de legges ut på det offentlige nettstedet.

Studer hoveddatoer

Studiestart (Faktiske)

7. april 2026

Primær fullføring (Antatt)

31. mai 2026

Studiet fullført (Antatt)

31. desember 2027

Datoer for studieregistrering

Først innsendt

29. mars 2026

Først innsendt som oppfylte QC-kriteriene

29. mars 2026

Først lagt ut (Faktiske)

3. april 2026

Oppdateringer av studieposter

Sist oppdatering lagt ut (Faktiske)

13. april 2026

Siste oppdatering sendt inn som oppfylte QC-kriteriene

6. april 2026

Sist bekreftet

1. mars 2026

Mer informasjon

Begreper knyttet til denne studien

Nøkkelord

Ytterligere relevante MeSH-vilkår

Andre studie-ID-numre

  • 202603023RIND

Plan for individuelle deltakerdata (IPD)

Planlegger du å dele individuelle deltakerdata (IPD)?

NEI

IPD-planbeskrivelse

Individuelle deltakerdata (IPD) vil ikke bli delt på grunn av personvernhensyn og institusjonelle forskrifter. Selv om AI-systemet behandler anonymiserte nøkkelpunktsdata, kan datasettet fortsatt inneholde informasjon som potensielt kan re-identifiseres. Datadeling kan vurderes ved rimelig forespørsel og underlagt institusjonell gjennomgang og databeskyttelsespolitikker.

Legemiddel- og utstyrsinformasjon, studiedokumenter

Studerer et amerikansk FDA-regulert medikamentprodukt

Nei

Studerer et amerikansk FDA-regulert enhetsprodukt

Nei

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. .

Abonnere