Aprendizado de máquina e modelagem baseada em imagens 3D para estimativa de peso corporal e composição corporal em tempo real durante atendimento médico de emergência. Estudo 1
15 de dezembro de 2025 atualizado por: Florida Atlantic University
Aprendizado de máquina e modelagem baseada em imagens 3D para estimativa de peso corporal e composição corporal em tempo real durante atendimento médico de emergência. Estudo 1 - Estabelecer um modelo usando uma única imagem de câmera 3D de um paciente em posição supina para estimar com precisão TBW, PCI e BPN.
O objetivo deste estudo observacional é treinar e validar um sistema de câmera 3D baseado em IA para estimar o peso corporal total, peso corporal ideal e peso corporal magro em voluntários adultos do sexo masculino e feminino de todas as idades. As principais questões que este estudo pretende responder são:
- Que grau de precisão na estimativa de peso podemos alcançar com um sistema de estimativa de peso de câmera 3D baseado em IA?
- Essa precisão é a mesma em adultos de ambos os sexos, de todas as idades e de todos os tipos de corpo (baixo peso, peso normal, excesso de peso)? Os participantes serão submetidos a algumas medidas antropométricas (altura, circunferência do meio do braço, circunferência do peso, circunferência do quadril, peso medido), uma varredura DXA (para medir o peso corporal magro) e imagens 3D usando uma câmera 3D.
Não haverá intervenções.
Visão geral do estudo
Status
Retirado
Descrição detalhada
Este estudo é um estudo observacional de centro único para treinar, validar internamente e testar um sistema de estimativa de peso de câmera 3D baseado em IA.
Nossa hipótese é que este sistema, quando usado no manejo de pacientes gravemente enfermos, será capaz de estimar o peso corporal total, o peso corporal ideal e o peso corporal magro com mais precisão do que outros sistemas atuais de atendimento no local de atendimento.
Voluntários saudáveis serão usados para treinar e testar o sistema.
Durante uma única sessão de coleta de dados de aproximadamente 30 minutos, serão capturados dados antropométricos iniciais, uma varredura DXA e imagens de câmeras 3D de voluntários deitados em uma maca médica.
Não haverá intervenções e nem acompanhamento dos participantes.
Os dados coletados serão usados para treinar um algoritmo de IA (baseado em redes neurais artificiais) para estimar o peso usando uma única imagem de profundidade.
Assim que o sistema de IA estiver totalmente evoluído, a precisão do desempenho da estimativa de peso será avaliada em um conjunto de dados de teste independente.
Tipo de estudo
Observacional
Contactos e Locais
Esta seção fornece os detalhes de contato para aqueles que conduzem o estudo e informações sobre onde este estudo está sendo realizado.
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
- Adulto
- Adulto mais velho
Aceita Voluntários Saudáveis
Sim
Método de amostragem
Amostra Não Probabilística
População do estudo
Alunos, funcionários e professores do campus Boca Raton da Florida Atlantic University.
Descrição
Critérios de inclusão:
- Qualquer voluntário disposto.
Critérios de exclusão:
- Participantes com peso corporal superior à capacidade da máquina DXA >204kg (450lbs);
- Participantes grávidas;
- Participantes com condições médicas que pudessem confundir o estudo;
- Participantes com quaisquer implantes cirúrgicos metálicos;
- Participantes que realizaram radiografia com contraste na última semana;
- Participantes que tomaram suplementos de cálcio nas 24 horas anteriores ao estudo.
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 |
|---|---|---|
|
Estimativa de TBW
Prazo: Linha de base
|
Precisão da estimativa de TBW usando sistema de câmeras 3D
|
Linha de base
|
|
Estimativa de IBW
Prazo: Linha de base
|
Precisão da estimativa do IBW usando sistema de câmera 3D
|
Linha de base
|
|
Estimativa de BPN
Prazo: Linha de base
|
Precisão da estimativa de BPN usando sistema de câmeras 3D
|
Linha de base
|
Medidas de resultados secundários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Precisão relacionada ao sexo
Prazo: Linha de base
|
Diferença na precisão entre homens e mulheres
|
Linha de base
|
|
Precisão relacionada à idade
Prazo: Linha de base
|
Precisão da estimativa de peso por faixa etária
|
Linha de base
|
|
Precisão relacionada ao IMC
Prazo: Linha de base
|
Precisão da estimativa de peso por subgrupo de status de peso
|
Linha de base
|
Colaboradores e Investigadores
É aqui que você encontrará pessoas e organizações envolvidas com este estudo.
Patrocinador
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.
Publicações Gerais
- Wells M, Goldstein L. Appropriate Statistical Analysis and Data Reporting for Weight Estimation Studies. Pediatr Emerg Care. 2023 Jan 1;39(1):62-63. doi: 10.1097/PEC.0000000000002862. Epub 2022 Oct 1. No abstract available.
- Wells M, Goldstein LN, Cattermole G. Development and Validation of a Length- and Habitus-Based Method of Ideal and Lean Body Weight Estimation for Adults Requiring Urgent Weight-Based Medical Intervention. Eur J Drug Metab Pharmacokinet. 2022 Nov;47(6):841-853. doi: 10.1007/s13318-022-00796-3. Epub 2022 Sep 19.
- Wells M, Goldstein LN. Estimating Lean Body Weight in Adults With the PAWPER XL-MAC Tape Using Actual Measured Weight as an Input Variable. Cureus. 2022 Sep 17;14(9):e29278. doi: 10.7759/cureus.29278. eCollection 2022 Sep.
- Wells M, Goldstein LN, Alter SM, Solano JJ, Engstrom G, Shih RD. The accuracy of total body weight estimation in adults - A systematic review and meta-analysis. Am J Emerg Med. 2024 Feb;76:123-135. doi: 10.1016/j.ajem.2023.11.037. Epub 2023 Nov 29.
- Wells M, Goldstein LN, Wells T, Ghazi N, Pandya A, Furht B, Engstrom G, Jan MT, Shih R. Total body weight estimation by 3D camera systems: Potential high-tech solutions for emergency medicine applications? A scoping review. J Am Coll Emerg Physicians Open. 2024 Oct 4;5(5):e13320. doi: 10.1002/emp2.13320. eCollection 2024 Oct.
- Sonar VG, Jan MT, Wells M, Pandya A, Engstrom G, Shih R, Furht B. Estimating Body Volume and Height Using 3D Data. arxiv. 2024 September; 2410.02800
- Jan MT, Kumar A, Wells M, Pandya A, Engstrom G, Shih R, Furht B. Comprehensive Survey of Body Weight Estimation: Techniques, Datasets and Applications. Multimedia Tools and Applications. 2024 October
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)
1 de julho de 2025
Conclusão Primária (Estimado)
30 de junho de 2026
Conclusão do estudo (Estimado)
30 de junho de 2026
Datas de inscrição no estudo
Enviado pela primeira vez
15 de outubro de 2024
Enviado pela primeira vez que atendeu aos critérios de CQ
16 de outubro de 2024
Primeira postagem (Real)
17 de outubro de 2024
Atualizações de registro de estudo
Última Atualização Postada (Real)
19 de dezembro de 2025
Última atualização enviada que atendeu aos critérios de controle de qualidade
15 de dezembro de 2025
Última verificação
1 de dezembro de 2025
Mais Informações
Termos relacionados a este estudo
Termos MeSH relevantes adicionais
Outros números de identificação do estudo
- 1791994(1)
Plano para dados de participantes individuais (IPD)
Planeja compartilhar dados de participantes individuais (IPD)?
SIM
Descrição do plano IPD
Dados de pontos de nuvem de imagens 3D serão compartilhados, mediante solicitação.
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 .