Esta página foi traduzida automaticamente e a precisão da tradução não é garantida. Por favor, consulte o versão em inglês para um texto fonte.

Sensores vestíveis e aprendizado de máquina para avaliação de risco biomecânico em tarefas de levantamento

21 de dezembro de 2023 atualizado por: Edda Capodaglio, Istituti Clinici Scientifici Maugeri SpA

Sensores vestíveis e aprendizado de máquina: uma abordagem tecnológica para avaliação de risco biomecânico em tarefas de levantamento

Levantar cargas pode causar distúrbios musculoesqueléticos relacionados ao trabalho. O Instituto Nacional de Segurança e Saúde Ocupacional (NIOSH) estabeleceu uma metodologia para avaliar as ações de levantamento por meio de um método quantitativo baseado na intensidade, duração, frequência e outras características geométricas do levantamento. A tecnologia de sensor inercial usado no corpo oferece uma série de oportunidades para melhorar a segurança e a saúde dos trabalhadores envolvidos no trabalho físico. Sistemas de rastreamento de movimento juntamente com algoritmos de aprendizado de máquina (ML) são usados ​​no campo ergonômico para avaliação de risco biomecânico por meio de dados adquiridos por sistemas inerciais vestíveis. Os investigadores questionaram se é possível classificar tarefas de elevação pertencentes a diferentes classes de risco de acordo com o valor de LI usando uma abordagem de aprendizado de máquina por meio de recursos extraídos de sinais brutos. O objetivo deste estudo foi desenvolver e validar, por meio de algoritmos de ML, um sistema não invasivo de detecção de parâmetros cinético-cinemáticos por meio de sensores IMU e EMG, para a avaliação ergonômica do risco associado a uma atividade de levantamento de carga.

Visão geral do estudo

Status

Concluído

Intervenção / Tratamento

Descrição detalhada

O estudo prevê a inscrição voluntária de indivíduos saudáveis, referenciados em clínicas de tratamento de patologias relacionadas com o trabalho (excluindo indivíduos com idade <18 ou > 65 anos, e com patologias músculo-esqueléticas ou outras patologias incapacitantes em curso), para a realização de dois testes de levantamento repetidos . Os dois testes são configurados para corresponder respectivamente às duas classes de risco do NIOSH (LI<1, SEM RISCO; e LI>1, RISCO). Os sensores IMU disponibilizam sem fios um conjunto de dados dos quais se pretende extrair um conjunto de características (extração de características) que tenham um elevado poder preditivo, através da técnica de processamento digital de sinais com recurso a software dedicado (i.e. Matlab, SPSS). Em uma segunda etapa, os dados obtidos dos sensores EMG serão adicionados à análise. Entre os diferentes algoritmos de inteligência artificial, o investigador procurará aqueles mais capazes de discriminar as várias classes de risco com base nos parâmetros extraídos dos sinais detectados durante a tarefa motora.

Tipo de estudo

Observacional

Inscrição (Real)

41

Critérios de participação

Os pesquisadores procuram pessoas que se encaixem em uma determinada descrição, chamada de critérios de elegibilidade. Alguns exemplos desses critérios são a condição geral de saúde de uma pessoa ou tratamentos anteriores.

Critérios de elegibilidade

Idades elegíveis para estudo

18 anos a 65 anos (Adulto, Adulto mais velho)

Aceita Voluntários Saudáveis

Sim

Método de amostragem

Amostra Não Probabilística

População do estudo

voluntário saudável referindo-se a clínicas de tratamento de patologias relacionadas ao trabalho

Descrição

Critério de inclusão:

  • indivíduos saudáveis

Critério de exclusão:

  • sujeitos com patologias músculo-esqueléticas ou outras patologias incapacitantes em curso

Plano de estudo

Esta seção fornece detalhes do plano de estudo, incluindo como o estudo é projetado e o que o estudo está medindo.

Como o estudo é projetado?

Detalhes do projeto

O que o estudo está medindo?

Medidas de resultados primários

Medida de resultado
Descrição da medida
Prazo
Validação da estratégia proposta para avaliar o risco das atividades de elevação, de acordo com o RNLE
Prazo: primeiro ano
grau de precisão e AucRoc
primeiro ano

Colaboradores e Investigadores

É aqui que você encontrará pessoas e organizações envolvidas com este estudo.

Investigadores

  • Investigador principal: Edda Capodaglio, PhD, ICS Maugeri IRCCS

Publicações e links úteis

A pessoa responsável por inserir informações sobre o estudo fornece voluntariamente essas publicações. Estes podem ser sobre qualquer coisa relacionada ao estudo.

Datas de registro do estudo

Essas datas acompanham o progresso do registro do estudo e os envios de resumo dos resultados para ClinicalTrials.gov. Os registros do estudo e os resultados relatados são revisados ​​pela National Library of Medicine (NLM) para garantir que atendam aos padrões específicos de controle de qualidade antes de serem publicados no site público.

Datas Principais do Estudo

Início do estudo (Real)

7 de outubro de 2010

Conclusão Primária (Real)

24 de janeiro de 2022

Conclusão do estudo (Real)

6 de maio de 2022

Datas de inscrição no estudo

Enviado pela primeira vez

2 de março de 2023

Enviado pela primeira vez que atendeu aos critérios de CQ

17 de março de 2023

Primeira postagem (Real)

21 de março de 2023

Atualizações de registro de estudo

Última Atualização Postada (Real)

28 de dezembro de 2023

Última atualização enviada que atendeu aos critérios de controle de qualidade

21 de dezembro de 2023

Última verificação

1 de dezembro de 2023

Mais Informações

Termos relacionados a este estudo

Plano para dados de participantes individuais (IPD)

Planeja compartilhar dados de participantes individuais (IPD)?

NÃO

Informações sobre medicamentos e dispositivos, documentos de estudo

Estuda um medicamento regulamentado pela FDA dos EUA

Não

Estuda um produto de dispositivo regulamentado pela FDA dos EUA

Não

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 .

Se inscrever