- ICH GCP
- Amerikanska kliniska prövningsregistret
- Klinisk prövning NCT03685240
Falldetektering och förebyggande av minnesvård genom artificiell intelligens i realtid tillämpad på video
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
Betingelser
Intervention / Behandling
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
Inskrivning (Förväntat)
Fas
- Inte tillämpbar
Kontakter och platser
Studiekontakt
- Namn: Glen Xiong, MD
- Telefonnummer: 115 415-579-3630
- E-post: gxiong@safely-you.com
Studieorter
-
-
California
-
San Francisco, California, Förenta staterna, 94107
- SafelyYou
-
Kontakt:
- Jason Panganiban
- Telefonnummer: 415-579-3630
- E-post: jason@safely-you.com
-
Kontakt:
- Glen Xiong
- Telefonnummer: 115 4155793630
- E-post: gxiong@safely-you.com
-
-
Deltagandekriterier
Urvalskriterier
Åldrar som är berättigade till studier
Tar emot friska volontärer
Kön som är behöriga för studier
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
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
Sponsor
Samarbetspartners
Studieavstämningsdatum
Studera stora datum
Studiestart (FÖRVÄNTAT)
Primärt slutförande (FÖRVÄNTAT)
Avslutad studie (FÖRVÄNTAT)
Studieregistreringsdatum
Först inskickad
Först inskickad som uppfyllde QC-kriterierna
Första postat (FAKTISK)
Uppdateringar av studier
Senaste uppdatering publicerad (FAKTISK)
Senaste inskickade uppdateringen som uppfyllde QC-kriterierna
Senast verifierad
Mer information
Termer relaterade till denna studie
Ytterligare relevanta MeSH-villkor
Andra studie-ID-nummer
- SY-NIA-GX001
Plan för individuella deltagardata (IPD)
Planerar du att dela individuella deltagardata (IPD)?
Läkemedels- och apparatinformation, studiedokument
Studerar en amerikansk FDA-reglerad läkemedelsprodukt
Studerar en amerikansk FDA-reglerad produktprodukt
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 .