- ICH GCP
- Registro de ensaios clínicos dos EUA
- Ensaio Clínico NCT05366114
Avaliação baseada na visão da extensibilidade articular na síndrome de Ehlers Danlos
Avaliando a viabilidade de um aplicativo de imagem visual de aprendizado de máquina baseado em smartphone para avaliação da hiperextensibilidade das articulações periféricas na síndrome de Ehlers Danlos
A Síndrome de Ehlers Danlos (EDS) é um grupo heterogêneo de doenças genéticas com 13 subtipos identificados. A SED hipermóvel (SEDh), embora seja o subtipo mais comum de SDE, ainda não possui uma mutação genética identificada para confirmação diagnóstica. A hipermobilidade articular generalizada (HAG) é uma das características marcantes da SEDh. O sistema de pontuação usado na medição da HAG foi descrito por Beighton. A pontuação de Beighton é calculada usando um sistema de pontuação dicotômica para avaliar a extensibilidade de nove articulações. Cada articulação é pontuada como hipermóvel (pontuação = 1) ou não hipermóvel (pontuação = 0). O escore total (escore de Beighton) pode variar entre um mínimo de 0 e um máximo de 9, com escores mais altos indicando maior frouxidão articular.
Embora haja validade moderada e variabilidade entre avaliadores no uso do escore de Beighton, continua a haver vários desafios com sua aplicação ampla e consistente pelos médicos. Algumas das barreiras relatadas na literatura incluem:
i) Em sistemas abertos e não padronizados, pode haver variação significativa no método para realizar esses testes de extensibilidade conjunta, incluindo a avaliação de medições de linha de base, ii) Determinação de ferramentas/metodologia de medição consistentes e padrão, por exemplo o uso do goniômetro pode variar amplamente iii) Avaliar a confiabilidade dos valores de corte e, iv) Realizar uma avaliação completa antes de informar os pacientes sobre a possível classificação da positividade da GJH (baixa especificidade e baixo preditivo positivo).
A implementação inadequada de testes para avaliar GJH resulta em identificação imprecisa de GJH e consequências negativas potencialmente não intencionais de fazer o diagnóstico errado de SDE. O objetivo deste estudo é criar um método mais robusto e válido de medição de mobilidade articular e reduzir o erro na triagem de EDS por meio do uso de sistemas de aplicativo de aprendizado de máquina baseados em smartphone para medição de extensibilidade articular.
O projeto irá:
i) Criar um aplicativo de imagem visual habilitado para smartphone para avaliar a medição da extensibilidade articular, ii) Avaliar a viabilidade de usar o aplicativo para smartphone em um ambiente clínico para rastrear possíveis pacientes com EDS, iii) Determinar a validade do aplicativo em comparação com a avaliação clínica presencial em um programa acadêmico de EDS de atendimento terciário. Se for bem-sucedido, o aplicativo para smartphone pode ajudar a padronizar o atendimento de pacientes com EDS em potencial de maneira eficiente e econômica.
Visão geral do estudo
Status
Condições
Intervenção / Tratamento
Tipo de estudo
Inscrição (Estimado)
Contactos e Locais
Locais de estudo
-
-
Ontario
-
Toronto, Ontario, Canadá, M5G 2C4
- GoodHope EDS - Toronto General Hospital
-
-
Critérios de participação
Critérios de elegibilidade
Idades elegíveis para estudo
Aceita Voluntários Saudáveis
Método de amostragem
População do estudo
Descrição
Critério de inclusão:
- Todos os pacientes atendidos na clínica GoodHope EDS no Toronto General são elegíveis para inclusão, independentemente do diagnóstico apresentado ou dos resultados de suas avaliações
Critério de exclusão:
- Os pacientes que não consentirem em participar não serão incluídos (os participantes podem retirar o consentimento a qualquer momento)
Plano de estudo
Como o estudo é projetado?
Detalhes do projeto
- Modelos de observação: Caso-somente
- Perspectivas de Tempo: Transversal
Coortes e Intervenções
Grupo / Coorte |
Intervenção / Tratamento |
|---|---|
|
Novos pacientes na clínica GoodHope EDS no Toronto General Hospital
Todos os pacientes atendidos na clínica de EDS são elegíveis para inclusão, independentemente do diagnóstico apresentado ou dos resultados de suas avaliações.
|
Nenhuma intervenção será usada.
Os participantes que consentirem terão gravações de vídeo feitas durante o exame de hipermobilidade articular, que serão analisadas posteriormente
|
O que o estudo está medindo?
Medidas de resultados primários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Comparação da concordância no ângulo previsto pela biblioteca de estimativa de pose
Prazo: 4 meses
|
O desempenho dos modelos de aprendizado de máquina desenvolvidos para prever a amplitude de movimento será analisado pela biblioteca de estimativa de postura utilizada.
Esta análise será realizada no subconjunto dos dados coletados durante os primeiros 2 meses de coleta de dados.
Essas informações serão usadas para selecionar as bibliotecas de estimativa de pose para prosseguir ao refinar os modelos de aprendizado de máquina.
|
4 meses
|
|
Comparação da concordância no ângulo previsto por junta
Prazo: 1 ano
|
O desempenho dos modelos de aprendizado de máquina desenvolvidos para prever a amplitude de movimento em cada articulação (coluna, joelho, tornozelo, cotovelo, ombro, polegar, quinto dedo) será analisado independentemente para cada articulação.
Isso fornecerá informações sobre quais juntas o sistema é mais preciso na previsão de vídeo.
|
1 ano
|
|
Avalie a precisão da previsão de amplitude de movimento usando dados baseados em visão
Prazo: 1 ano
|
Serão desenvolvidos modelos de aprendizado de máquina treinados em vídeos de indivíduos realizando as manobras de hipermobilidade articular.
Seu desempenho será comparado com a amplitude de movimento medida por um clínico especialista usando um goniômetro.
|
1 ano
|
Colaboradores e Investigadores
Patrocinador
Investigadores
- Investigador principal: Nimish Mittal, MD, GoodHope Ehlers Danlos Syndrome Clinic, Toronto General Hospital
Publicações e links úteis
Publicações Gerais
- 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/
Datas de registro do estudo
Datas Principais do Estudo
Início do estudo (Real)
Conclusão Primária (Estimado)
Conclusão do estudo (Estimado)
Datas de inscrição no estudo
Enviado pela primeira vez
Enviado pela primeira vez que atendeu aos critérios de CQ
Primeira postagem (Real)
Atualizações de registro de estudo
Última Atualização Postada (Real)
Última atualização enviada que atendeu aos critérios de controle de qualidade
Última verificação
Mais Informações
Termos relacionados a este estudo
Palavras-chave
Termos MeSH relevantes adicionais
- Processos Patológicos
- Doenças cardiovasculares
- Doenças Vasculares
- Doenças de pele
- Doença
- Anomalias congénitas
- Doenças Hematológicas
- Distúrbios hemorrágicos
- Doenças Genéticas, Congênitas
- Doenças do Tecido Conjuntivo
- Distúrbios hemostáticos
- Doenças de Pele Genéticas
- Anormalidades da pele
- Doenças do colágeno
- Síndrome
- Síndrome de Ehlers-Danlos
Outros números de identificação do estudo
- 22-5073
Plano para dados de participantes individuais (IPD)
Planeja compartilhar dados de participantes individuais (IPD)?
Descrição do plano IPD
Informações sobre medicamentos e dispositivos, documentos de estudo
Estuda um medicamento regulamentado pela FDA dos EUA
Estuda um produto de dispositivo regulamentado pela FDA dos EUA
Essas informações foram obtidas diretamente do site clinicaltrials.gov sem nenhuma alteração. Se você tiver alguma solicitação para alterar, remover ou atualizar os detalhes do seu estudo, entre em contato com register@clinicaltrials.gov. Assim que uma alteração for implementada em clinicaltrials.gov, ela também será atualizada automaticamente em nosso site .
Ensaios clínicos em Síndrome de Ehlers-Danlos
-
University of ZurichUniversity Children's Hospital, Zurich; Ehlers-Danlos Network, SwitzerlandConcluídoApneia obstrutiva do sono | Síndrome de Danlos de EhlerSuíça