Oparta na wizji ocena wspólnej rozciągliwości w zespole Ehlersa Danlosa
27 listopada 2023 zaktualizowane przez: Nimish Mittal, University Health Network, Toronto
Ocena wykonalności opartej na smartfonach aplikacji do obrazowania wizualnego uczenia maszynowego do oceny hiperrozciągliwości stawów obwodowych w zespole Ehlersa Danlosa
Zespół Ehlersa Danlosa (EDS) to heterogenna grupa zaburzeń genetycznych z 13 zidentyfikowanymi podtypami. Hypermobile EDS (hEDS), chociaż jest najczęstszym podtypem EDS, nie ma jeszcze zidentyfikowanej mutacji genetycznej do potwierdzenia diagnostycznego. Uogólniona hipermobilność stawów (GJH) jest jedną z charakterystycznych cech hEDS. System punktacji stosowany w pomiarze GJH opisał Beighton. Wynik Beightona jest obliczany przy użyciu dychotomicznego systemu punktacji w celu oceny rozciągliwości dziewięciu stawów. Każdy staw jest oceniany jako hipermobilny (wynik = 1) lub nie hipermobilny (wynik = 0). Całkowity wynik (wynik Beightona) może wahać się od minimum 0 do maksimum 9, przy czym wyższe wyniki wskazują na większą wiotkość stawów.
Chociaż istnieje umiarkowana trafność i zmienność między oceniającymi w stosowaniu skali Beightona, nadal istnieje kilka wyzwań związanych z jej powszechnym i konsekwentnym stosowaniem przez klinicystów. Niektóre z barier opisanych w literaturze obejmują:
i) W otwartych, niestandaryzowanych systemach mogą występować znaczne różnice w metodzie przeprowadzania tych testów rozciągliwości stawów, w tym oceny pomiarów podstawowych, ii) Określenie spójnych i standardowych narzędzi/metodologii pomiarowych, np. użycie goniometru może się znacznie różnić iii) Ocena wiarygodności wartości odcięcia oraz iv) Przeprowadzenie pełnej oceny przed poinformowaniem pacjentów o możliwej klasyfikacji pozytywnego wyniku GJH (niska specyficzność i niska dodatnia wartość predykcyjna).
Niewłaściwe wdrożenie testów do oceny GJH skutkuje niedokładną identyfikacją GJH i potencjalnie niezamierzonymi negatywnymi konsekwencjami postawienia błędnej diagnozy EDS. Celem tego badania jest stworzenie solidniejszej i trafniejszej metody pomiaru ruchomości stawów i zmniejszenie błędu w badaniu przesiewowym EDS poprzez wykorzystanie systemów aplikacji do uczenia maszynowego opartych na smartfonach do pomiaru rozciągliwości stawów.
Projekt będzie:
i) Stworzyć aplikację do obrazowania wizualnego obsługującą smartfony, aby ocenić pomiar rozciągliwości stawów, ii) Ocenić wykonalność wykorzystania aplikacji na smartfona w warunkach klinicznych do badania przesiewowego potencjalnych pacjentów z EDS, iii) Określić ważność aplikacji w porównanie z osobistą oceną kliniczną w akademickim programie EDS opieki trzeciego stopnia. Jeśli się powiedzie, aplikacja na smartfony może pomóc w standaryzacji opieki nad potencjalnymi pacjentami z EDS w wydajny i opłacalny sposób.
Przegląd badań
Status
Rejestracja na zaproszenie
Warunki
Interwencja / Leczenie
Typ studiów
Obserwacyjny
Zapisy (Szacowany)
225
Kontakty i lokalizacje
Ta sekcja zawiera dane kontaktowe osób prowadzących badanie oraz informacje o tym, gdzie badanie jest przeprowadzane.
Lokalizacje studiów
-
-
Ontario
-
Toronto, Ontario, Kanada, M5G 2C4
- GoodHope EDS - Toronto General Hospital
-
-
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 dorosły)
Akceptuje zdrowych ochotników
Nie
Metoda próbkowania
Próbka bez prawdopodobieństwa
Badana populacja
Badana populacja obejmuje wszystkich pacjentów skierowanych lub widzianych w klinice GoodHope EDS.
Przychodnia przyjmuje skierowania od dorosłych pacjentów z objawami (w wieku >18 lat), z EDS lub z podejrzeniem EDS.
EDS jest zaburzeniem tkanki łącznej o 100% penetracji, ale zmiennym w ekspresji fenotypowej, podejrzewane przypadki EDS lub G-HSD mogą zatem obejmować inne dziedziczne lub nabyte choroby/zaburzenia tkanki łącznej i/lub złożone choroby przewlekłe charakteryzujące się lub taką cechą , nadmierna ruchomość stawów, ból i zmęczenie.
Opis
Kryteria przyjęcia:
- Wszyscy pacjenci widziani w klinice GoodHope EDS w Toronto General kwalifikują się do włączenia, niezależnie od przedstawionej przez nich diagnozy lub wyników ich ocen
Kryteria wyłączenia:
- Pacjenci, którzy nie wyrażą zgody na udział nie zostaną uwzględnieni (uczestnicy mogą wycofać zgodę w dowolnym momencie)
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
- Modele obserwacyjne: Tylko przypadek
- Perspektywy czasowe: Przekrojowe
Kohorty i interwencje
Grupa / Kohorta |
Interwencja / Leczenie |
|---|---|
|
Nowi pacjenci w klinice GoodHope EDS w Toronto General Hospital
Wszyscy pacjenci widziani w klinice EDS kwalifikują się do włączenia, niezależnie od przedstawionej przez nich diagnozy lub wyników ich ocen.
|
Żadna interwencja nie będzie stosowana.
Uczestnicy, którzy wyrażą na to zgodę, otrzymają nagrania wideo podczas badania hipermobilności stawów, które zostaną przeanalizowane w późniejszym czasie
|
Co mierzy badanie?
Podstawowe miary wyniku
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Porównanie zgodności przewidywanego kąta według biblioteki szacowania pozycji
Ramy czasowe: 4 miesiące
|
Wydajność opracowanych modeli uczenia maszynowego do przewidywania zakresu ruchu zostanie przeanalizowana przez zastosowaną bibliotekę szacowania pozycji.
Ta analiza zostanie przeprowadzona na podzbiorze danych zebranych w ciągu pierwszych 2 miesięcy zbierania danych.
Te informacje zostaną użyte do wybrania bibliotek szacowania pozy, które będą używane podczas udoskonalania modeli uczenia maszynowego.
|
4 miesiące
|
|
Porównanie zgodności w przewidywanym kącie według złącza
Ramy czasowe: 1 rok
|
Wydajność opracowanych modeli uczenia maszynowego do przewidywania zakresu ruchu w każdym stawie (kręgosłup, kolano, staw skokowy, łokieć, bark, kciuk, palec piąty) będzie analizowana niezależnie dla każdego stawu.
Zapewni to wgląd w to, które stawy system jest dokładniejszy w przewidywaniu na podstawie wideo.
|
1 rok
|
|
Oceń dokładność przewidywania zakresu ruchu za pomocą danych wizyjnych
Ramy czasowe: 1 rok
|
Zostaną opracowane modele uczenia maszynowego wytrenowane na filmach osób wykonujących wspólne manewry hipermobilności.
Ich wydajność zostanie porównana z zakresem ruchu zmierzonym przez doświadczonego klinicystę za pomocą goniometru.
|
1 rok
|
Współpracownicy i badacze
Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.
Śledczy
- Główny śledczy: Nimish Mittal, MD, GoodHope Ehlers Danlos Syndrome Clinic, Toronto General Hospital
Publikacje i pomocne linki
Osoba odpowiedzialna za wprowadzenie informacji o badaniu dobrowolnie udostępnia te publikacje. Mogą one dotyczyć wszystkiego, co jest związane z badaniem.
Publikacje ogólne
- 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/
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 (Rzeczywisty)
26 kwietnia 2022
Zakończenie podstawowe (Szacowany)
1 czerwca 2024
Ukończenie studiów (Szacowany)
1 grudnia 2024
Daty rejestracji na studia
Pierwszy przesłany
4 maja 2022
Pierwszy przesłany, który spełnia kryteria kontroli jakości
4 maja 2022
Pierwszy wysłany (Rzeczywisty)
9 maja 2022
Aktualizacje rekordów badań
Ostatnia wysłana aktualizacja (Rzeczywisty)
28 listopada 2023
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
27 listopada 2023
Ostatnia weryfikacja
1 listopada 2023
Więcej informacji
Terminy związane z tym badaniem
Słowa kluczowe
Dodatkowe istotne warunki MeSH
- Procesy patologiczne
- Choroby układu krążenia
- Choroby naczyniowe
- Choroby skórne
- Choroba
- Wady wrodzone
- Choroby hematologiczne
- Zaburzenia krwotoczne
- Choroby genetyczne, wrodzone
- Choroby tkanki łącznej
- Zaburzenia hemostatyczne
- Choroby skóry, genetyczne
- Nieprawidłowości skórne
- Choroby kolagenowe
- Zespół
- Zespół Ehlersa-Danlosa
Inne numery identyfikacyjne badania
- 22-5073
Plan dla danych uczestnika indywidualnego (IPD)
Planujesz udostępniać dane poszczególnych uczestników (IPD)?
NIE
Opis planu IPD
Żaden IPD nie zostanie udostępniony innym badaczom.
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 .
Badania kliniczne na Zespół Ehlersa-Danlosa
-
Medical University of South CarolinaMUSC Blue Sky initiativeZakończony
-
Cairo UniversityZakończonySzyny | Zakres ruchu | Anomalie ścięgien prostowników palcówEgipt
-
Pamukkale UniversityJeszcze nie rekrutacjaUrazy ścięgien | Anomalie ścięgien prostowników palcówTurcja (Türkiye)
-
Baylor College of MedicineZakończonyZespół hipermobilności Ehlersa-Danlosa | Ocena bóluStany Zjednoczone
-
ELewisUniversity of Massachusetts, LowellRekrutacyjnyZespół Ehlersa-Danlosa typu hipermobilności (hEDS)Stany Zjednoczone
-
Brigham and Women's HospitalNational Institutes of Health (NIH); Bernard Osher FoundationJeszcze nie rekrutacjaHipermobilny EDS (hEDS) | Zespół Ehlersa-Danlosa (EDS) | Zaburzenie widma hipermobilnegoStany Zjednoczone
-
University of CalgaryJeszcze nie rekrutacjaZespół hipermobilności Ehlersa-Danlosa | Hipermobilny EDS (hEDS) | Zespół hipermobilności typu Ehlersa-Danlosa | Zaburzenie widma hipermobilnegoKanada
-
University Hospital, CaenZakończonyZespół Ehlersa-Danlosa typu hipermobilności (hEDS)Francja
-
Medical College of WisconsinUniversity College, London; Indiana UniversityRekrutacyjnyFunkcjonalne zaburzenia żołądkowo-jelitowe | Zespół posturalnej tachykardii ortostatycznej | Zespół hipermobilności Ehlersa-Danlosa | Choroba Autonomicznego Układu Nerwowego | Brak równowagi autonomicznego układu nerwowegoStany Zjednoczone
-
Medical University of South CarolinaZakończonyZespół hipermobilności Ehlersa-Danlosa | Zespół Ehlersa-Danlosa | Zaburzenie widma hipermobilnegoStany Zjednoczone