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

Czujniki do noszenia i uczenie maszynowe do oceny ryzyka biomechanicznego podczas podnoszenia ciężarów

21 grudnia 2023 zaktualizowane przez: Edda Capodaglio, Istituti Clinici Scientifici Maugeri SpA

Czujniki do noszenia i uczenie maszynowe: podejście technologiczne do biomechanicznej oceny ryzyka w zadaniach związanych z podnoszeniem

Podnoszenie ciężarów może powodować związane z pracą zaburzenia układu mięśniowo-szkieletowego. Narodowy Instytut Bezpieczeństwa i Higieny Pracy (NIOSH) ustanowił metodologię oceny czynności związanych z podnoszeniem za pomocą metody ilościowej opartej na intensywności, czasie trwania, częstotliwości i innych cechach geometrycznych podnoszenia. Technologia czujników inercyjnych noszonych na ciele zapewnia szereg możliwości poprawy bezpieczeństwa i zdrowia pracowników wykonujących pracę fizyczną. Systemy śledzenia ruchu wraz z algorytmami uczenia maszynowego (ML) są wykorzystywane w dziedzinie ergonomii do oceny ryzyka biomechanicznego za pomocą danych uzyskanych przez systemy inercyjne do noszenia. Badacze postawili pytanie, czy możliwe jest sklasyfikowanie zadań dźwigowych należących do różnych klas ryzyka według wartości LI przy użyciu podejścia uczenia maszynowego za pomocą cech wyodrębnionych z surowych sygnałów. Celem pracy było opracowanie i walidacja, za pomocą algorytmów ML, nieinwazyjnego systemu detekcji parametrów kinetyczno-kinematycznych z wykorzystaniem sensorów IMU i EMG, do ergonomicznej oceny ryzyka związanego z podnoszeniem ciężarów.

Przegląd badań

Status

Zakończony

Szczegółowy opis

Badanie przewiduje dobrowolny nabór osób zdrowych, zgłaszających się do poradni leczenia schorzeń związanych z pracą (z wyłączeniem osób w wieku <18 lub > 65 lat oraz osób ze schorzeniami układu mięśniowo-szkieletowego lub innymi patologiami powodującymi niepełnosprawność), do wykonania dwóch powtórnych prób podnoszenia . Dwa testy są skonfigurowane tak, aby odpowiadały odpowiednio dwóm klasom ryzyka NIOSH (LI<1, BEZ RYZYKA; i LI>1, RYZYKO). Czujniki IMU dostarczają bezprzewodowo szereg danych, z których za pomocą techniki cyfrowego przetwarzania sygnałów z wykorzystaniem dedykowanego oprogramowania (tj. Matlab, SPSS). W drugim kroku do analizy zostaną dodane dane pozyskane z czujników EMG. Wśród różnych algorytmów sztucznej inteligencji badacz będzie szukał tych, które najlepiej potrafią rozróżnić różne klasy ryzyka na podstawie parametrów wyodrębnionych z sygnałów wykrytych podczas zadania motorycznego.

Typ studiów

Obserwacyjny

Zapisy (Rzeczywisty)

41

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 do 65 lat (Dorosły, Starszy dorosły)

Akceptuje zdrowych ochotników

Tak

Metoda próbkowania

Próbka bez prawdopodobieństwa

Badana populacja

zdrowy ochotnik zgłaszający się do poradni leczenia patologii związanych z pracą

Opis

Kryteria przyjęcia:

  • zdrowe przedmioty

Kryteria wyłączenia:

  • pacjentów z patologiami układu mięśniowo-szkieletowego lub innymi trwającymi patologiami powodującymi niepełnosprawność

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

Co mierzy badanie?

Podstawowe miary wyniku

Miara wyniku
Opis środka
Ramy czasowe
Walidacja proponowanej strategii oceny ryzyka związanego z czynnościami dźwigowymi, zgodnie z RNLE
Ramy czasowe: pierwszy rok
stopień dokładności i AucRoc
pierwszy rok

Współpracownicy i badacze

Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.

Śledczy

  • Główny śledczy: Edda Capodaglio, PhD, ICS Maugeri IRCCS

Publikacje i pomocne linki

Osoba odpowiedzialna za wprowadzenie informacji o badaniu dobrowolnie udostępnia te publikacje. Mogą one dotyczyć wszystkiego, co jest związane z badaniem.

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)

7 października 2010

Zakończenie podstawowe (Rzeczywisty)

24 stycznia 2022

Ukończenie studiów (Rzeczywisty)

6 maja 2022

Daty rejestracji na studia

Pierwszy przesłany

2 marca 2023

Pierwszy przesłany, który spełnia kryteria kontroli jakości

17 marca 2023

Pierwszy wysłany (Rzeczywisty)

21 marca 2023

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (Rzeczywisty)

28 grudnia 2023

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

21 grudnia 2023

Ostatnia weryfikacja

1 grudnia 2023

Więcej informacji

Terminy związane z tym badaniem

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