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

Autonomiczny Robot Nawigacyjny do Wykrywania Upadków i Ryzyka Upadków u Mieszkańców Domów Opieki z Chorobą Alzheimera/ADRD - Badanie Wykonalności

27 lutego 2026 zaktualizowane przez: Yuval Malinsky, Vigorous Mind, Inc.

Autonomiczny Robot Nawigujący do Wykrywania Upadków i Ryzyka Upadków u Mieszkańców Domów Opieki z Chorobą Alzheimera/ADRD

To badanie jest badaniem wykonalności, mające na celu udowodnienie, że autonomicznie nawigujący robot może patrolować pokoje domu opieki dzień i noc, wykrywać, czy mieszkaniec upadł, włączać oświetlenie otoczenia w nocy oraz kamerę wideo i umożliwiać personelowi pielęgniarskiemu oglądanie i ocenę sytuacji przez kamerę wideo robota oraz komunikację z mieszkańcem przez ekran robota.

Przegląd badań

Status

Zakończony

Szczegółowy opis

Protokół interwencji Przed wysłaniem robota na patrol w celu wykrycia, czy mieszkaniec próbuje wstać z krzesła lub łóżka, czy też upadł, przyzwyczaimy mieszkańców do robota. Zrobimy to poprzez poranne obchody muzycznego budzenia, odtwarzając utwór „Oh What a Beautiful Morning” przez miesiąc. Wyjaśnimy mieszkańcom, że robot będzie ich regularnie „odwiedzał”, aby sprawdzić, jak się czują, i pokażemy, jak robot przychodzi i ich obserwuje. Za pomocą kamery na podczerwień i sztucznej inteligencji robot może znaleźć, gdzie znajduje się człowiek w pokoju i w jakiej pozycji. Jeśli odwiedza pokój prywatny i robot „widzi”, że mieszkaniec nie leży na podłodze, lecz jest na swoim wózku inwalidzkim, kanapie lub w łóżku i nie próbuje wstać lub wstać z łóżka, po prostu się odwróci i opuści pokój, nie przeszkadzając mieszkańcowi. Jeśli wykryje, że człowiek leży na podłodze, powie: „To robot temi, sprowadzam pomoc”. Włączy oświetlenie otoczenia, powiadomi personel i włączy kamerę wideo robota, aby ułatwić komunikację między personelem a mieszkańcem, dzięki czemu personel będzie mógł ocenić sytuację i podjąć odpowiednie działania. Jeśli wykryje, że w pokoju jest więcej niż jedna osoba i żadna nie leży na podłodze, opuści pokój. Jeśli w pokoju jest inna osoba, a jedna leży na podłodze, powiadomi personel. Jeśli druga osoba w pokoju to członek personelu, będzie mógł/mogła kliknąć przycisk na ekranie robota, aby wysłać go dalej na patrol, a on opuści pokój i kontynuuje patrol. Jeśli pokój jest półprywatny i mieszkają tam dwaj mieszkańcy, robot sprawdzi stan jednego mieszkańca, a jeśli nie jest on zagrożony, odwróci się i sprawdzi stan drugiego mieszkańca. Jeśli obaj odpoczywają, robot opuści pokój, nie przeszkadzając mieszkańcom. Jeśli robot wykryje, że mieszkaniec próbuje wstać lub wstać z łóżka, powie: „To robot temi, proszę usiąść, sprowadzam pomoc”. Włączy oświetlenie otoczenia i swoją kamerę wideo oraz powiadomi personel. Jeśli wykryje, że mieszkaniec leży na podłodze, wykona procedurę opisaną powyżej. Jeśli członek personelu jest już w półprywatnym pokoju, w którym doszło do upadku, będzie mógł/mogła wysłać robota, aby kontynuował patrol lub zadanie, jak opisano w przypadku pokoju prywatnego. Wszystkie upadki zgłoszone przez robota będą miały zrobione zdjęcie, aby personel badawczy mógł zweryfikować upadek. Upadki zgłoszone przez personel i robota będą zestawiane w tabeli zgodnie z ich zgodnością: 1) Robot poprawnie wykrył i zgłosił, ale personel nie odnotował upadku; 2) personel zgłosił upadek, ale robot nie; 3) robot poprawnie i personel zgłosili upadek; oraz 4) robot zgłasza upadek: brak obrazu w nagraniu robota potwierdzającego, że upadek miał miejsce, a personel nie zgłasza upadku.

Typ studiów

Obserwacyjny

Zapisy (Rzeczywisty)

40

Kontakty i lokalizacje

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

Lokalizacje studiów

    • Rhode Island
      • Providence, Rhode Island, Stany Zjednoczone, 02903
        • Steere House Nursing & Rehabilitation Center

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

  • Starszy dorosły

Akceptuje zdrowych ochotników

Nie

Metoda próbkowania

Próbka bez prawdopodobieństwa

Badana populacja

Mieszkańcy domów opieki żyjący z demencją

Opis

Kryteria włączenia:

  • Mieszkaniec domu opieki żyjący z demencją

Kryteria wykluczenia:

  • Mieszkańcy poddani izolacji (np. Clostridoides difficile, COVID-19, MRSA)
  • Mieszkaniec w stanie terminalnym
  • Sprzeciw mieszkańca i/lub rodziny
  • Funkcjonalny lub strukturalny tetraplegia z niemożnością mobilizacji przy niewielkim lub braku ryzyka upadku
  • Mieszkańcy stają się pobudzeni, gdy robot wchodzi z nimi w interakcję

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

Kohorty i interwencje

Grupa / Kohorta
Robot będzie patrolował pokoje mieszkańców domu opieki, aby wykrywać upadki
Mieszkańcy domu opieki w długoterminowej jednostce pamięci

Co mierzy badanie?

Podstawowe miary wyniku

Miara wyniku
Opis środka
Ramy czasowe
Wykonalność zastosowania robota do wykrywania upadków w domu opieki
Ramy czasowe: przez trzy miesiące
Podstawowym miernikiem skuteczności jest to, że w 95% przypadków robot poprawnie wykrył upadek mieszkańca, był w stanie włączyć światło otoczenia, zaalarmować personel pielęgniarski, włączyć kamerę wideo i ułatwić komunikację między mieszkańcem a personelem pielęgniarskim.
przez trzy miesiące

Miary wyników drugorzędnych

Miara wyniku
Opis środka
Ramy czasowe
Zadowolenie personelu pielęgniarskiego z wykrywania upadków przez robota
Ramy czasowe: w ciągu trzech miesięcy
75% personelu pielęgniarskiego stwierdziło, że system wykrywania upadków poprawił ich zdolność do zapewnienia bezpiecznej opieki
w ciągu trzech miesięcy
Robot był w stanie wykryć upadki w domu opieki przed personelem pielęgniarskim
Ramy czasowe: W ciągu trzech miesięcy
Że w ponad 30% upadków robot wykrywał upadki przed personelem pielęgniarskim.
W ciągu trzech miesięcy

Współpracownicy i badacze

Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.

Śledczy

  • Główny śledczy: Lynn McNicoll, BS, MDCM, Brown University Health

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

  • Malinsky Y,McNicoll L,Gravenstein S

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)

31 lipca 2025

Zakończenie podstawowe (Rzeczywisty)

31 lipca 2025

Ukończenie studiów (Rzeczywisty)

31 sierpnia 2025

Daty rejestracji na studia

Pierwszy przesłany

27 lutego 2026

Pierwszy przesłany, który spełnia kryteria kontroli jakości

27 lutego 2026

Pierwszy wysłany (Rzeczywisty)

5 marca 2026

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (Rzeczywisty)

5 marca 2026

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

27 lutego 2026

Ostatnia weryfikacja

1 lutego 2026

Więcej informacji

Terminy związane z tym badaniem

Inne numery identyfikacyjne badania

  • VMRFalls1
  • 1R43AG082599-01 (Grant/umowa NIH USA)

Plan dla danych uczestnika indywidualnego (IPD)

Planujesz udostępniać dane poszczególnych uczestników (IPD)?

NIE

Opis planu IPD

Nie gromadzi się IPD

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