Denna sida har översatts automatiskt och översättningens korrekthet kan inte garanteras. Vänligen se engelsk version för en källtext.

Falldetektering och förebyggande av minnesvård genom artificiell intelligens i realtid tillämpad på video

5 maj 2022 uppdaterad av: SafelyYou

Falldetektering och förebyggande av minnesvård genom artificiell intelligens i realtid tillämpad på video: en randomiserad kontrollprövning

Syftet med forskningen är att studera ett nytt säkerhetsövervakningssystem utvecklat av SafelyYou för att hjälpa till att ta hand om en närstående med demens. Målet är att ge bättre stöd för obevittnade fall.

SafelyYou-systemet är baserat på AI-aktiverade kameror som upptäcker fallrelaterade händelser och laddar upp video endast när dessa händelser upptäcks. Tillägget av en människa i slingan (HIL) kommer att varna anläggningspersonalen när en händelse upptäcks av systemet.

Studieöversikt

Status

Har inte rekryterat ännu

Detaljerad beskrivning

Denna process gör det möjligt för personalen att veta om fall utan att kräva att invånarna bär en enhet och att se hur fall inträffar för invånare som inte kan förespråka sig själva samtidigt som de skyddar de boendes integritet genom att bara ladda upp video när säkerhetskritiska händelser upptäcks. Att se hur den boende gick till marken (1) förhindrar behovet av akutbesök när de boende avsiktligt flyttat till marken utan risk och (2) låter vårdteamet avgöra vad som orsakade en händelse som ett fall och vilka förändringar som kan göras för att minska risken.

PRELIMINÄRA BEVIS. Den föreslagna studien följer en serie piloter. I pilot 1 visade vi den tekniska möjligheten att upptäcka fall från video med 200 fall utspelade av friska försökspersoner. I pilot 2, i en anläggning med 40 invånare, visade vi acceptansen av avvägningar mot integritetssäkerhet och visade en minskning av totala anläggningsminskningar med 80 % genom att tillhandahålla systemet för 10 återkommande fallare. I pilot 3 tog vi upp repeterbarheten av fallminskning i en kohort av 87 invånare med ADRD i 11 anläggningar i tre partnernätverk. I pilot 4 (NIH SBIR Fas I) visade vi att fall kan detekteras tillförlitligt i realtid inom partneranläggningarna. Vi upptäckte 93% av fallen; minskade tiden på marken med 42 %; visade att när video var tillgänglig minskade sannolikheten för EMS-besök med 50 %; och minskad total anläggning minskar med 38%.

Studietyp

Interventionell

Inskrivning (Förväntat)

460

Fas

  • Inte tillämpbar

Kontakter och platser

Det här avsnittet innehåller kontaktuppgifter för dem som genomför studien och information om var denna studie genomförs.

Studiekontakt

Studieorter

Deltagandekriterier

Forskare letar efter personer som passar en viss beskrivning, så kallade behörighetskriterier. Några exempel på dessa kriterier är en persons allmänna hälsotillstånd eller tidigare behandlingar.

Urvalskriterier

Åldrar som är berättigade till studier

18 år och äldre (VUXEN, OLDER_ADULT)

Tar emot friska volontärer

Ja

Kön som är behöriga för studier

Allt

Beskrivning

Studiepopulationen inkluderar invånare på vårdinrättningar med hög fallrisk med särskilt fokus på vårdinrättningar med höga populationer av individer med Alzheimers sjukdom och relaterade demenssjukdomar. Det finns inga krav på kön, ras, etnicitet, språk eller läskunnighet för deltagande och alla invånare är berättigade.

Inklusionskriterier - Bor på en deltagande kvalificerad vårdanstalt eller motsvarande, CCRC,

Exklusions kriterier

- 18 år eller yngre

Studieplan

Det här avsnittet ger detaljer om studieplanen, inklusive hur studien är utformad och vad studien mäter.

Hur är studien utformad?

Designdetaljer

  • Primärt syfte: SUPPORTIVE_CARE
  • Tilldelning: RANDOMISERAD
  • Interventionsmodell: PARALLELL
  • Maskning: DUBBEL

Vapen och interventioner

Deltagargrupp / Arm
Intervention / Behandling
EXPERIMENTELL: Intervention
AI-aktiverad kamerafallsdetektering med Human-in-the-Loop (HIP) granskning
Teknik + kvalitetssäkringstjänster som tillhandahålls av SafelyYou
NO_INTERVENTION: Kontrollera
Ingen kameradetektering

Vad mäter studien?

Primära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Inskrivningstakt
Tidsram: Data om inskrivning kommer att registreras vid rekryteringen i årskurs 1 och bedömas i slutet av år 1
Detektering av fall kommer att utföras med suddig video, därför med ökad integritet. Förväntat resultat kommer att vara förändringen i inskrivningsgrad jämfört med tidigare genomförbarhetsstudier (dvs. påverkade andelen positiva svar på rekryteringsinsatser inom anläggningar).
Data om inskrivning kommer att registreras vid rekryteringen i årskurs 1 och bedömas i slutet av år 1
Fallhastighet på grund av övergångsdetektering sitt-till-stå
Tidsram: Data kommer att samlas in under år 1 och bedöms i slutet av år 1.
Vårdpersonalen larmas så snart övergången upptäcks (ingripande av frontlinjepersonalen). Detta kan ge en omedelbar minskning av fallen på grund av denna typ av övergång.
Data kommer att samlas in under år 1 och bedöms i slutet av år 1.
Fallhastighet på grund av gångändringsdetektering
Tidsram: Data kommer att samlas in till och med år 1 och bedöms i slutet av år 1.
När systemet lär sig kan det ge en omedelbar inverkan på fallhastigheten genom ingripande av frontlinjepersonalen när förändringen upptäcks.
Data kommer att samlas in till och med år 1 och bedöms i slutet av år 1.

Samarbetspartners och utredare

Det är här du hittar personer och organisationer som är involverade i denna studie.

Sponsor

Studieavstämningsdatum

Dessa datum spårar framstegen för inlämningar av studieposter och sammanfattande resultat till ClinicalTrials.gov. Studieposter och rapporterade resultat granskas av National Library of Medicine (NLM) för att säkerställa att de uppfyller specifika kvalitetskontrollstandarder innan de publiceras på den offentliga webbplatsen.

Studera stora datum

Studiestart (FÖRVÄNTAT)

31 oktober 2023

Primärt slutförande (FÖRVÄNTAT)

31 december 2023

Avslutad studie (FÖRVÄNTAT)

31 december 2023

Studieregistreringsdatum

Först inskickad

19 september 2018

Först inskickad som uppfyllde QC-kriterierna

24 september 2018

Första postat (FAKTISK)

26 september 2018

Uppdateringar av studier

Senaste uppdatering publicerad (FAKTISK)

9 maj 2022

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

5 maj 2022

Senast verifierad

1 maj 2022

Mer information

Termer relaterade till denna studie

Plan för individuella deltagardata (IPD)

Planerar du att dela individuella deltagardata (IPD)?

NEJ

Läkemedels- och apparatinformation, studiedokument

Studerar en amerikansk FDA-reglerad läkemedelsprodukt

Nej

Studerar en amerikansk FDA-reglerad produktprodukt

Nej

Denna information hämtades direkt från webbplatsen clinicaltrials.gov utan några ändringar. Om du har några önskemål om att ändra, ta bort eller uppdatera dina studieuppgifter, vänligen kontakta register@clinicaltrials.gov. Så snart en ändring har implementerats på clinicaltrials.gov, kommer denna att uppdateras automatiskt även på vår webbplats .

Prenumerera