Ta strona została przetłumaczona automatycznie i dokładność tłumaczenia nie jest gwarantowana. Proszę odnieść się do angielska wersja za tekst źródłowy.

Wykrywanie upadków i zapobieganie im w celu ochrony pamięci dzięki sztucznej inteligencji w czasie rzeczywistym stosowanej do wideo

5 maja 2022 zaktualizowane przez: SafelyYou

Wykrywanie upadków i zapobieganie im w celu ochrony pamięci dzięki sztucznej inteligencji w czasie rzeczywistym zastosowanej do wideo: losowa próba kontrolna

Celem badań jest zbadanie nowego systemu monitorowania bezpieczeństwa opracowanego przez SafelyYou, aby pomóc w opiece nad ukochaną osobą z demencją. Celem jest zapewnienie lepszego wsparcia w przypadku upadków bez świadków.

System SafelyYou opiera się na kamerach z obsługą sztucznej inteligencji, które wykrywają zdarzenia związane z upadkiem i przesyłają wideo tylko wtedy, gdy te zdarzenia zostaną wykryte. Dodanie Człowieka w Pętli (HIL) zaalarmuje personel placówki o wykryciu zdarzenia przez system.

Przegląd badań

Status

Jeszcze nie rekrutacja

Warunki

Interwencja / Leczenie

Szczegółowy opis

Ten proces pozwala personelowi dowiedzieć się o upadkach bez wymagania od mieszkańców noszenia urządzenia i zobaczyć, jak dochodzi do upadków mieszkańców, którzy nie mogą się bronić, jednocześnie chroniąc prywatność mieszkańców, przesyłając wideo tylko wtedy, gdy wykryte zostaną zdarzenia krytyczne dla bezpieczeństwa. Widzenie, jak mieszkaniec upadł na ziemię (1) zapobiega potrzebie wizyt na izbie przyjęć, gdy mieszkańcy celowo przesunęli się na ziemię bez ryzyka i (2) pozwala zespołowi opieki określić, co spowodowało zdarzenie takie jak upadek i jakie zmiany można wprowadzić aby zmniejszyć ryzyko.

DOWÓD WSTĘPNY. Proponowane badanie obejmuje serię projektów pilotażowych. W pilotażowym 1 pokazaliśmy techniczną wykonalność wykrywania upadków z wideo z 200 upadkami odgrywanymi przez zdrowe osoby. W programie pilotażowym 2, w placówce dla 40 mieszkańców, wykazaliśmy akceptację kompromisów między prywatnością a bezpieczeństwem i wykazaliśmy zmniejszenie całkowitej liczby upadków w placówce o 80% dzięki zapewnieniu systemu dla 10 osób wielokrotnie upadających. W pilotażu 3 zajęliśmy się powtarzalnością redukcji upadków w kohorcie 87 mieszkańców z ADRD w 11 placówkach trzech sieci partnerskich. W pilotażowym 4 (NIH SBIR Faza I) wykazaliśmy, że upadki można niezawodnie wykrywać w czasie rzeczywistym w placówkach partnerskich. Wykryliśmy 93% upadków; skrócono czas przebywania na ziemi o 42%; wykazało, że gdy dostępne było wideo, prawdopodobieństwo wizyty EMS zmniejszało się o 50%; i zmniejszony całkowity obiekt spada o 38%.

Typ studiów

Interwencyjne

Zapisy (Oczekiwany)

460

Faza

  • Nie dotyczy

Kontakty i lokalizacje

Ta sekcja zawiera dane kontaktowe osób prowadzących badanie oraz informacje o tym, gdzie badanie jest przeprowadzane.

Kontakt w sprawie studiów

Lokalizacje studiów

Kryteria uczestnictwa

Badacze szukają osób, które pasują do określonego opisu, zwanego kryteriami kwalifikacyjnymi. Niektóre przykłady tych kryteriów to ogólny stan zdrowia danej osoby lub wcześniejsze leczenie.

Kryteria kwalifikacji

Wiek uprawniający do nauki

18 lat i starsze (DOROSŁY, STARSZY_DOROŚLI)

Akceptuje zdrowych ochotników

Tak

Płeć kwalifikująca się do nauki

Wszystko

Opis

Badana populacja obejmuje mieszkańców placówek opiekuńczych, w których występuje wysokie ryzyko upadku, ze szczególnym uwzględnieniem placówek opiekuńczych z dużą populacją osób z chorobą Alzheimera i pokrewnymi demencjami. Nie ma wymagań dotyczących płci, rasy, pochodzenia etnicznego, języka ani umiejętności czytania i pisania, a wszyscy mieszkańcy są uprawnieni.

Kryteria włączenia - Mieszkanie w uczestniczącej wykwalifikowanej placówce pielęgniarskiej lub równoważnej, CCRC,

Kryteria wyłączenia

- 18 lat lub mniej

Plan studiów

Ta sekcja zawiera szczegółowe informacje na temat planu badania, w tym sposób zaprojektowania badania i jego pomiary.

Jak projektuje się badanie?

Szczegóły projektu

  • Główny cel: LECZENIE PODTRZYMUJĄCE
  • Przydział: LOSOWO
  • Model interwencyjny: RÓWNOLEGŁY
  • Maskowanie: PODWÓJNIE

Broń i interwencje

Grupa uczestników / Arm
Interwencja / Leczenie
EKSPERYMENTALNY: Interwencja
Wykrywanie upadku przez aparat z obsługą sztucznej inteligencji z przeglądem Human-in-the-Loop (HIP).
Behawioralne: System zapobiegania upadkom SafelyYou
Technologia + Usługi zapewniania jakości świadczone przez SafelyYou
NIE_INTERWENCJA: Kontrola
Brak wykrywania kamery

Co mierzy badanie?

Podstawowe miary wyniku

Miara wyniku
Opis środka
Ramy czasowe
Wskaźnik zapisów
Ramy czasowe: Dane dotyczące rekrutacji będą rejestrowane podczas rekrutacji w roku 1 i oceniane na koniec roku 1
Wykrywanie upadków będzie realizowane z rozmytym obrazem, a więc ze zwiększoną prywatnością. Oczekiwanym rezultatem będzie zmiana wskaźnika skolaryzacji w porównaniu z poprzednimi studiami wykonalności (tj. wpłynął na wskaźnik pozytywnych odpowiedzi na działania rekrutacyjne w obiektach).
Dane dotyczące rekrutacji będą rejestrowane podczas rekrutacji w roku 1 i oceniane na koniec roku 1
Współczynnik upadków spowodowany wykrywaniem przejścia z pozycji siedzącej na stojącą
Ramy czasowe: Dane będą gromadzone w ciągu roku 1 i oceniane pod koniec roku 1.
Personel opieki zostanie powiadomiony, gdy tylko wykryta zostanie zmiana (interwencja personelu pierwszej linii). Może to spowodować natychmiastowe zmniejszenie liczby upadków z powodu tego rodzaju przejścia.
Dane będą gromadzone w ciągu roku 1 i oceniane pod koniec roku 1.
Szybkość upadku z powodu wykrywania zmiany chodu
Ramy czasowe: Dane będą gromadzone przez rok 1 i oceniane pod koniec roku 1.
Gdy system się uczy, może wywrzeć natychmiastowy wpływ na wskaźnik upadków poprzez interwencję personelu pierwszej linii po wykryciu zmiany.
Dane będą gromadzone przez rok 1 i oceniane pod koniec roku 1.

Współpracownicy i badacze

Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.

Sponsor

SafelyYou

Współpracownicy

National Institute on Aging (NIA)

Daty zapisu na studia

Daty te śledzą postęp w przesyłaniu rekordów badań i podsumowań wyników do ClinicalTrials.gov. Zapisy badań i zgłoszone wyniki są przeglądane przez National Library of Medicine (NLM), aby upewnić się, że spełniają określone standardy kontroli jakości, zanim zostaną opublikowane na publicznej stronie internetowej.

Główne daty studiów

Rozpoczęcie studiów (OCZEKIWANY)

31 października 2023

Zakończenie podstawowe (OCZEKIWANY)

31 grudnia 2023

Ukończenie studiów (OCZEKIWANY)

31 grudnia 2023

Daty rejestracji na studia

Pierwszy przesłany

19 września 2018

Pierwszy przesłany, który spełnia kryteria kontroli jakości

24 września 2018

Pierwszy wysłany (RZECZYWISTY)

26 września 2018

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (RZECZYWISTY)

9 maja 2022

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

5 maja 2022

Ostatnia weryfikacja

1 maja 2022

Więcej informacji

Terminy związane z tym badaniem

Dodatkowe istotne warunki MeSH

Inne numery identyfikacyjne badania

  • SY-NIA-GX001

Plan dla danych uczestnika indywidualnego (IPD)

Planujesz udostępniać dane poszczególnych uczestników (IPD)?

NIE

Informacje o lekach i urządzeniach, dokumenty badawcze

Bada produkt leczniczy regulowany przez amerykańską FDA

Nie

Bada produkt urządzenia regulowany przez amerykańską FDA

Nie

Te informacje zostały pobrane bezpośrednio ze strony internetowej clinicaltrials.gov bez żadnych zmian. Jeśli chcesz zmienić, usunąć lub zaktualizować dane swojego badania, skontaktuj się z register@clinicaltrials.gov. Gdy tylko zmiana zostanie wprowadzona na stronie clinicaltrials.gov, zostanie ona automatycznie zaktualizowana również na naszej stronie internetowej .

Subskrybuj