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

Utveckling och validering av ett system för att förutse utmanande beteenden

29 december 2022 uppdaterad av: Meir Lotan, Ariel University

Utveckling och validering av ett system för att förutse utmanande beteenden hos personer med autismspektrumtillstånd baserat på en smart skjorta: en design med blandad metod

De flesta personer med autismspektrumstörning (ASD) uppvisar minst en form av utmanande beteende (CB). Självskadande, aggressiva och störande CB:er kopplade till social interaktion, gemenskapsbaserad tjänsteuteslutning och en minskning av livskvaliteten för personer med ASD, deras vårdgivare och vårdpersonal. Den aktuella studien har tre syften: 1) att bedöma skillnaderna i den fysiologiska reaktionen hos högfungerande vuxna med ASD och typiskt utvecklade jämnåriga, med hjälp av biosignalmätningar såsom hjärtfrekvens från bärbar Smart Shirt (SS), 2) till lära sig vilka fysiologiska parametrar som bäst kan förutsäga den förestående uppkomsten av en CB, och 3) att utveckla ett system som kan förutsäga den inkommande förekomsten av en CB i realtid och informera vårdgivaren genom ett varningsmeddelande som skickas på en smartphoneapplikation.

Metoder och analys: jämförelse mellan fysiologiska parametrar kommer att utföras med två grupper om 20 deltagare med och utan ASD. Varje deltagare kommer att bli ombedd att titta på två femminutersvideor medan de bär SS: en som visar avslappnande bilder och den andra imponerande deformiteter på människokroppen. För att identifiera matchningen mellan de fysiologiska parametrarnas variationer som samlats in av SS och CBs kommer tio deltagare med ASD och aggressiva eller störande CB att rekryteras. Var och en av dessa deltagare kommer att bära SS i sju dagar i följd under vakna timmar och utföra sina vanliga dagliga aktiviteter. Under samma sju dagar kommer vårdgivarna som tar hand om deltagaren att fylla i en beteendedagbok med deltagarens status och rapportera de tider på dygnet då han är tyst, upprörd och förekomsten av CB. En inlärningsalgoritm som kan förutsäga omedelbar förekomst av CB baserat på fysiologiska parametervariationer kommer att utvecklas tillsammans med en ad hoc smartphone-applikation. Om algoritmen upptäcker möjligheten för en inkommande CB, kommer ett meddelande att skickas till vårdgivarens smartphone för att informera om eventuell tillkomst av en CB, vilket möjliggör implementering av den valda interventionsstrategin. Efter att ha utvecklat algoritmen och tillhörande smartphone-applikation kommer ett systemeffektivitetsprov på koncept (POC) att genomföras med en deltagare med ASD och CB under sju dagar i en speciell skolmiljö med vårdpersonal och lärare. En fokusgrupp som inkluderar hälso- och sjukvårdspersonal kommer att genomföras efter POC för att identifiera styrkorna och svagheterna i det utvecklade systemet.

Studieöversikt

Detaljerad beskrivning

Studiemål

Det nuvarande protokollet består av tre faser, var och en med ett specifikt mål. Det första syftet är att bedöma skillnaderna i fysiologisk reaktion mätt med en Smart Wearable Shirt (SWS) mellan vuxna med högfungerande Autism Spectrum Disorder (ASD) och typiskt utvecklade jämnåriga. Det andra målet är att lära sig vilka fysiologiska parametrar som bäst kan förutsäga den förestående uppkomsten av ett utmanande beteende (CB). Det tredje syftet är att utveckla ett system som kan förutsäga den inkommande förekomsten av en CB i realtid och informera vårdgivaren genom ett varningsmeddelande som skickas på en smartphoneapplikation.

Studera design

En observationsstudiedesign kommer att implementeras i de två första faserna av den pågående forskningen. I fas ett kommer deltagarnas fysiologiska reaktioner på två visuella stimuli att samlas in och analyseras. I fas två kommer de fysiologiska egenskaperna hos CB presenterade av personer med ASD att samlas in. En enskild fallstudie med en mixed-metod design kommer att implementeras i fas tre, där systemets validitetsproof of concept kommer att utföras.

Etik och säkerhetsfrågor

Forskningsförslaget godkändes av Ariel University institutionella granskningsnämnd (AU-HEA-ML-20201203). Studien kommer att genomföras enligt Helsingforsdeklarationens principer. Vid rekryteringen kommer skriftligt informerat samtycke att samlas in från alla deltagare eller deras vårdnadshavare. Den SWS som planeras att användas i det nuvarande protokollet är en icke-invasiv medicinteknisk produkt. Men om en deltagare inte tolererar SWS kan han när som helst dra sig ur studien utan efterverkningar.

Deltagare

Enligt en provstorleksberäkningsanalys utvecklade en grupp på 20 försökspersoner med diagnosen högfungerande ASD i åldern mellan 20 och 40 år bosatta hemma (observationsgrupp - OG) tillsammans med en ålders- och könsmatchad kontrollgrupp (CG) på 20 typiskt Peers kommer att registreras i den första protokollfasen. För studiens andra fas kommer 10 personer med ASD som presenterar aggressiva eller störande CB i åldern mellan 20 och 40 år och deras vårdgivare att rekryteras. Slutligen kommer en deltagare med ASD, mellan 20 och 40 år som går i en specialskola och bor hemma, som uppvisar aggressiva eller störande CB:s, att delta i den tredje fasen av forskningen.

Procedur

Fas ett - jämförelse mellan personer med och utan ASD fysiologiska utfall.

För den första fasen av det nuvarande protokollet kommer de fysiologiska parametrarna för personerna i OG och CG att förvärvas med hjälp av SWS medan deltagarna tittar på två femminutersvideor. En video visar avkopplande bilder och avger avkopplande musik (avslappnande video). Den andra videon kommer att presentera imponerande människokroppsdeformiteter ackompanjerad av orolig musik (störande video). Båda videorna kommer att presenteras för deltagaren i sittande läge. Innan du börjar den avslappnande videon kommer deltagaren att bjudas in att koppla av och luta sig tillbaka på stolens ryggstöd. Deltagaren kan blunda eller hålla dem öppna efter eget gottfinnande för att främja avslappning. Deltagarna kommer att uppmanas att inte luta sig mot stolens ryggstöd och hålla ögonen öppna under den tid som den störande videon tittar på. Den första videon som varje deltagare tittar på kommer att väljas slumpmässigt mellan de två videorna. Hela sessionen tar cirka 15 minuter.

Fas två - Klassificera de fysiologiska parametrarnas variationer hos personer med ASD.

Varje deltagare som är inskriven i fas två av protokollet kommer att bära SWS i sju på varandra följande dagar under vakna timmar och utföra sina vanliga dagliga aktiviteter. Under samma sju dagar kommer de vårdgivare som vårdar deltagaren att redovisa deltagarens status i beteendedagboken. Varje kväll kommer data som samlas in av SWS att laddas upp till ett onlinemoln tillsammans med dagens beteendedagbok. När data från alla de 10 deltagarna har samlats in kommer en Deep Learning (DL) algoritm att utvecklas för att lära sig variationerna i individens fysiologiska parametrar som inträffar innan en CB och förutsäga framtida CB. Dessutom kommer en smartphoneapplikation att utvecklas för att ta emot SWS-data i realtid och skicka den till en fjärrserver där den analyseras genom den utvecklade algoritmen och de klassificerade CB-händelserna kommer att extraheras och presenteras på applikationernas meddelandeskärm. Med andra ord: om algoritmen upptäcker möjligheten för en inkommande CB, skickas ett meddelande till vårdgivarens smartphone för att informera om eventuell tillkomst av en CB, vilket möjliggör implementeringen av den valda interventionsstrategin.

Fas tre - System proof of concept.

Under en vecka kommer den utvecklade systemprototypen och dess effektivitet att testas på en deltagare med ASD under sju dagar med vårdpersonal och lärare i en speciell skolmiljö. Deltagaren kommer att bära SWS under alla timmar av närvaro på särskolan. I slutet av de sju dagarna kommer QUEST 2.0 att administreras till varje professionell och lärare som kommer att interagera med systemet, och en fokusgrupp kommer att genomföras med dem för att ta itu med forskningsfrågorna som nämns ovan. Fokusgruppen kommer att sträva efter att svara på följande forskningsfrågor:

  • Upprörde deltagarna att bära den smarta tröjan?
  • Kunde systemet detektera alla relevanta CB?
  • Var systemets drifthastighet tillräcklig för att möjliggöra tillämpning i tid av lämpliga förebyggande strategier?
  • Har användningen av systemet minskat mängden CB?
  • Vilka förbättringar kan tillämpas på systemet för att öka dess effektivitet?

Information erhållen från QUEST 2.0-administrationen kommer att diskuteras inom fokusgruppen. I den sista delen av fokusgruppen kommer en summering av lösningar på varje forskningsfråga att föreslås gruppen, och antalet deltagare som instämmer eller inte håller med de föreslagna summeringssvaren kommer att samlas in.

Dataanalyser

Fas ett

Data som samlas in av SWS från deltagare i OG och CG kommer att analyseras och jämföras. Från EKG mottagna data kommer hjärtfrekvensen (HR) att beräknas mellan två på varandra följande QRS-komplex. Med tanke på tidsintervallet mellan två QRS-komplex som "t", kommer motsvarande temporal HR att vara 60/t. Ett procentuellt tröskelvärde kommer att ställas in med skjutfönstermetoden, och den minsta tillåtna toppbredden kommer att identifieras för att ta bort oönskade artefakter från HR. Borttagningsprocessen kommer att utföras för positiva och negativa toppar i två omgångar. Ett fönster kommer att skjutas över HR-signalen och dess medianvärde kommer att beräknas. Den maximala (positiva och negativa) tillåtna toppamplituden kommer att bestämmas för varje fönster genom att multiplicera fönstrets medianvärde för ett tröskelvärde. Tröskelvärdet för positiva toppar sattes till 30 % (för den första borttagningsomgången) och 25 % (för den andra borttagningsomgången) av fönstrets medelvärde. Tröskelvärdet sattes för negativa toppar till 50 % (för den första borttagningsomgången) och 30 % (för den andra borttagningsomgången) av fönstrets medelvärde. Sedan kommer alla toppar med amplitud större än det tillåtna värdet att identifieras från varje fönster. Om en av dessa toppar är smalare än den minsta tillåtna toppbredden kommer den att ersättas med referensfönstrets medianvärde. Annars, om en identifierad toppbredd är större än den tillåtna toppbredden, kommer dess värde att ersättas med den maximalt tillåtna HR (för positiva toppar) eller den minsta tillåtna HR (för negativa toppar). Den maximalt tillåtna HR kommer att beräknas med följande formel: "209-(0,7×(Deltagare ålder))". Minsta tillåtna HR kommer att vara 60 bpm. Efter att ha tagit bort onormala toppar kommer signalen att filtreras med ett Gaussiskt filter med en sigma lika med 1. Efter HR-signalfiltreringsprocessen kommer den erhållna rensade HR-signalen att användas för att klassificera deltagarnas stress inom följande nivåer: "ingen stress", "mild stress", "måttlig stress" och "hög stress". Varje stressnivå kommer att referera till en HR-signal placerad inom ett specifikt värdeintervall. "Ingen stress"-nivån kommer att inkludera HR-värdena under 90 % av den rengjorda HR-signalens lägsta topp. Om detta HR-värde är lägre än "High stress"-nivån kommer att omfatta värden över 90 % av den rengjorda HR-signalens högsta topp. Om detta värde är över den maximalt tillåtna HR-värdet ersätts det med 90 % av det maximalt tillåtna HR-värdet. Området som finns kvar mellan dessa två trösklar kommer att delas upp i två lika delar (nedre och övre halvan). HR-data placerade i den nedre halvan av detta intervall kommer att klassificeras som "mild stress" och de som placeras i den övre halvan som "måttlig stress". Varje HR-värde kommer att klassificeras och tilldelas med ett numeriskt värde som motsvarar en stressnivå ("ingen stress" = 0, "mild stress" = 1, "måttlig stress" = 2 och "hög stress" = 3). Efter att ha förvärvat sekvenserna för stressnivåerna för alla deltagare i fas ett, kommer sekvenserna för försökspersonerna i OG och CG att jämföras med en version av Smith-Waterman-algoritmen anpassad för analys av de erhållna data.

Fas två

Data som samlas in av SWS från deltagare inskrivna i fas två kommer att analyseras enligt beskrivningen ovan, och en DL-algoritm kommer att utvecklas för att förutsäga de inkommande deltagarnas stressnivåer. För att hitta CBs mönster bland försökspersoner, kommer en klassificerare baserad på övervakad inlärning att hitta anomalier i försökspersonens data som kan tyda på CB att det är på väg att inträffa. En algoritm för långtidsminne (LSTM) kommer att läras att känna igen datamönster som motsvarar CBs förekomst med hjälp av data som samlats in av deltagarnas vårdgivare genom beteendedagboken och informationen som samlats in i fas ett. LSTM är en förlängning av det återkommande neurala nätverket (RNN). I motsats till andra tillämpningar av Machine Learning (ML) och DL, i processen att analysera och förutsäga tidsserieinformation, baseras varje datapunkt på tidigare information, som också måste undersökas. RNN är det mest använda nätverket för tidsserietillämpningar eftersom det kan bilda målvektorn genom att observera den aktuella indatahistoriken, med hjälp av delade vikter mellan nätverkets gömningsenheter över varje tidssteg av datan. Författarna väljer LSTM, inte RNN, eftersom RNN har ett betydande problem med försvinnande gradient. Gradienten av utdatafel baseras på tidigare indata försvinner när tidsfördröjningar mellan inmatningar och fel ökar. För att övervinna detta problem introduceras LSTM. LSTM har ett minne som kommer till användning genom att ersätta de olinjära enheterna av RNN i de dolda lagren med minnesblock. Nätverket sprider fel i hela nätverket, och som ett resultat kan det lära sig långsiktiga beroenden och glömma onödig information baserat på tillgängliga data. Prediktionsmodellens noggrannhet kommer att beräknas enligt standarduppskattningsmetoder såsom förvirringsmatrisen och området under kurvan (AUC)-värden. Dessa värden sträcker sig från 0,5 till 1, där 1 är perfekt klassificering och 0,5 inte är bättre än tur.

Fas tre

De teman som kommer fram från fokusgruppen kommer att extraheras från diskussionstranskriptionen. Axial kodningsstrategi kommer att tillämpas för att beräkna omfattningen av varje temadiskussion. Denna kvalitativa dataanalys består av att tilldela ett referensnummer till varje tema och sedan markera en mening som är relaterad till det temat med det numret. En tillförlitlighetskontroll för kod-till-sats-matchningar kommer att tillämpas genom att ge listan med koder till en oberoende forskare med erfarenhet av kvalitativ analys och be honom att identifiera meningen som matchar varje kod. Graden av samtycke till summeringssvar på forskningsfrågorna erhålls genom att beräkna andelen deltagare som instämmer i det föreslagna påståendet. Författarna kommer att diskutera de framtagna svaren i ljuset av de relevanta framkomna teman och nivån av enighet i diskussionsgruppen.

Studietyp

Observationell

Inskrivning (Faktisk)

51

Kontakter och platser

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

Studieorter

      • Ariel, Israel, 4070000
        • Ariel University

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

20 år till 40 år (Vuxen)

Tar emot friska volontärer

Nej

Kön som är behöriga för studier

Allt

Testmetod

Icke-sannolikhetsprov

Studera befolkning

Deltagarna i observationsgrupperna (One and Two) och Proof of Concept kommer att rekryteras från den israeliska vuxna befolkningen med Autism Spectrum Disorder till och med.

Beskrivning

Inklusionskriterier för observationsgrupp ett:

  • diagnos av högfungerande autismspektrumstörning;
  • ålder mellan 20 och 40 år.

Uteslutningskriterier för observationsgrupp ett:

  • förekomsten av hjärtsjukdom;
  • komorbiditet med andra neuroutvecklingsstörningar.

Inklusionskriterier för observationsgrupp två:

  • diagnos av autismspektrumstörning;
  • frekvent utsläpp av aggressiva och störande utmanande beteenden (minst tre gånger per vecka);
  • ålder mellan 20 och 40 år.

Uteslutningskriterier för observationsgrupp två:

  • förekomsten av hjärtsjukdom;
  • komorbiditet med andra neuroutvecklingsstörningar.

Inklusionskriterier för bevis på koncept:

  • diagnos av autismspektrumstörning;
  • frekvent utsläpp av aggressiva och störande utmanande beteenden (minst tre gånger per vecka);
  • gå i en specialskola minst åtta timmar om dagen;
  • ålder mellan 20 och 40 år.

Uteslutningskriterier för Proof of Concept:

  • förekomsten av hjärtsjukdom;
  • komorbiditet med andra neuroutvecklingsstörningar.

Studieplan

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

Hur är studien utformad?

Designdetaljer

  • Observationsmodeller: Kohort
  • Tidsperspektiv: Tvärsnitt

Kohorter och interventioner

Grupp / Kohort
Intervention / Behandling
Observationsgrupp ett
Tjugo försökspersoner med högfungerande autismspektrumstörning, i åldern mellan 20 och 40 år, bosatta hemma.
Observationsgrupp ett och kontrollgrupp - Deltagare i dessa grupper kommer att bli ombedda att bära en smart, icke-invasiv skjorta medan de tittar på två olika femminutersvideor. En video visar avkopplande bilder och avger avkopplande musik (avslappnande video). Den andra videon kommer att presentera imponerande människokroppsdeformiteter ackompanjerad av orolig musik (störande video). Båda videorna kommer att presenteras med deltagaren i sittande läge. Hela sessionen tar cirka 15 minuter. Under hela sessionen kommer den smarta tröjan att samla in data om deltagarnas fysiologiska parametrar (elektrokardiogram, hjärtfrekvens, hjärtfrekvensvariabilitet, andningsfrekvens, minutventilation och kroppsrörelser). Insamlad data kommer att användas för att utveckla en ad-hoc-algoritm för att förutse det utmanande beteendet hos deltagare med autismspektrumstörning baserat på fysiologiska data som samlats in av den smarta tröjan.
Andra namn:
  • Hexoskin smarta plagg
Kontrollgrupp
Tjugo typiskt utvecklade försökspersoner matchade för kön och åldersfördelning med deltagare i observationsgrupp ett.
Observationsgrupp ett och kontrollgrupp - Deltagare i dessa grupper kommer att bli ombedda att bära en smart, icke-invasiv skjorta medan de tittar på två olika femminutersvideor. En video visar avkopplande bilder och avger avkopplande musik (avslappnande video). Den andra videon kommer att presentera imponerande människokroppsdeformiteter ackompanjerad av orolig musik (störande video). Båda videorna kommer att presenteras med deltagaren i sittande läge. Hela sessionen tar cirka 15 minuter. Under hela sessionen kommer den smarta tröjan att samla in data om deltagarnas fysiologiska parametrar (elektrokardiogram, hjärtfrekvens, hjärtfrekvensvariabilitet, andningsfrekvens, minutventilation och kroppsrörelser). Insamlad data kommer att användas för att utveckla en ad-hoc-algoritm för att förutse det utmanande beteendet hos deltagare med autismspektrumstörning baserat på fysiologiska data som samlats in av den smarta tröjan.
Andra namn:
  • Hexoskin smarta plagg
Observationsgrupp två
Denna grupp kommer att inkludera tio personer med autismspektrumstörningar, i åldern mellan 20 och 40 år, som bor hemma och uppvisar aggressiva eller störande utmanande beteenden, och deras vårdgivare.
Observationsgrupp två - Varje deltagare i denna grupp kommer att bli ombedd att bära den smarta, icke-invasiva tröjan i sju dagar i följd under vakna timmar, och utföra sina vanliga dagliga aktiviteter. Under samma sju dagar kommer vårdgivarna som tar hand om deltagaren att uppmanas att korrekt rapportera deltagarens status i en beteendedagbok. Varje kväll kommer data som samlas in av den smarta tröjan att laddas upp till ett onlinemoln tillsammans med dagens beteendedagbok. Insamlad data kommer att användas för att utveckla en ad-hoc-algoritm som kan förutse det utmanande beteendet hos deltagare med autismspektrumstörning baserat på fysiologiska data som samlas in av den smarta tröjan.
Andra namn:
  • Hexoskin smarta plagg
Bevis på koncept
En deltagare med autismspektrumstörning, i åldern mellan 20 och 40 år som går i en specialskola och bor hemma och uppvisar aggressivt eller störande utmanande beteende, och sjukvårdspersonal och lärare som tar hand om honom i skolmiljön, kommer att delta i bevisningen av -konceptfas för denna studie.
Proof of Concept - Deltagaren med autismspektrumstörning som är inskriven i proof-of-concept-fasen av denna studie kommer att bära den smarta, icke-invasiva tröjan i sju dagar under alla timmar av närvaro på specialskolan. I slutet av de sju dagarna kommer vårdpersonalen och läraren som interagerat med det utvecklade systemet på särskolan att delta i en fokusgrupp för att analysera sina erfarenheter och åsikter relaterade till systemanvändningen.
Andra namn:
  • Hexoskin smarta plagg

Vad mäter studien?

Primära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Puls - Fas ett (1)
Tidsram: Fem minuter under studien Fas ett.
Elektrokardiogram (EKG) kommer att samlas in genom en elektrokardiograf med 1 avledning (256 Hz - 12 bitar - Upplösning LSB: 0,0064 mV). Hjärtfrekvensen (HR) kommer att beräknas från det erhållna EKG:et mellan två på varandra följande QRS-komplex. Med tanke på tidsintervallet mellan två QRS-komplex som "t", kommer motsvarande temporal HR att vara 60/t. EKG kommer att samlas in under studiens fas ett medan deltagarna tittar på en fem minuters avslappnande video.
Fem minuter under studien Fas ett.
Puls - Fas ett (2)
Tidsram: Fem minuter under studien Fas ett.
Elektrokardiogram (EKG) kommer att samlas in genom en elektrokardiograf med 1 avledning (256 Hz - 12 bitar - Upplösning LSB: 0,0064 mV). Hjärtfrekvensen (HR) kommer att beräknas från det erhållna EKG:et mellan två på varandra följande QRS-komplex. Med tanke på tidsintervallet mellan två QRS-komplex som "t", kommer motsvarande temporal HR att vara 60/t. EKG kommer att samlas in i studiens fas ett medan deltagarna tittar på en fem minuters störande video.
Fem minuter under studien Fas ett.
Puls - Fas två
Tidsram: Sju dagar i följd under studiefas två.
Elektrokardiogram (EKG) kommer att samlas in genom en elektrokardiograf med 1 avledning (256 Hz - 12 bitar - Upplösning LSB: 0,0064 mV). Hjärtfrekvensen (HR) kommer att beräknas från det erhållna EKG:et mellan två på varandra följande QRS-komplex. Med tanke på tidsintervallet mellan två QRS-komplex som "t", kommer motsvarande temporal HR att vara 60/t. EKG kommer att samlas in inom studiens fas två under deltagarnas vakna timmar.
Sju dagar i följd under studiefas två.
Puls - Fas tre
Tidsram: Sju dagar i följd under studiefas tre.
Elektrokardiogram (EKG) kommer att samlas in genom en elektrokardiograf med 1 avledning (256 Hz - 12 bitar - Upplösning LSB: 0,0064 mV). Hjärtfrekvensen (HR) kommer att beräknas från det erhållna EKG:et mellan två på varandra följande QRS-komplex. Med tanke på tidsintervallet mellan två QRS-komplex som "t", kommer motsvarande temporal HR att vara 60/t. EKG kommer att samlas in inom studien Fas tre under deltagarens närvaro i särskolan.
Sju dagar i följd under studiefas tre.
Beteendedagbok
Tidsram: Sju dagar i följd under studiefas två.
Deltagarens upphetsningsnivå rapporterad av deltagarens vårdgivare. Tre upphetsningsnivåer kommer att rapporteras: "Tyst", "Agiterad" och "Utmanande beteende". Deltagarnas beteendedagbok kommer att samlas in inom studiens fas två.
Sju dagar i följd under studiefas två.
Quebec User Evaluation of Satisfaction with Assistive Technology andra upplagan (QUEST 2.0)
Tidsram: Fas tre, i slutet av den sju dagar långa proof of concept-prövningen - en administration.
Det är ett frågeformulär med 12 punkter utformat för att bedöma användarnas tillfredsställelse med ett brett utbud av hjälpmedel. Det kommer att administreras till vårdpersonal och lärare som interagerat med systemet på deltagarens särskola.
Fas tre, i slutet av den sju dagar långa proof of concept-prövningen - en administration.
Fokusgrupp
Tidsram: Fas tre, i slutet av den sju dagar långa proof of concept-prövningen - en tre timmar lång session.
Det är en teknik för att skapa en kontrollerad diskussion om specifika frågor inom en grupp människor som delar olika relationer med de fokuserade ämnena. Det kommer att genomföras med forskaren och vårdpersonal och lärare som interagerat med systemet på deltagarens särskola för att svara på följande forskningsfrågor: a) Upprörde deltagarna att bära SWS? b) Kunde systemet detektera alla relevanta CB? c) Tillät att lämpliga förebyggande strategier tillämpas i tid efter att ha blivit informerad om förekomsten av CB? d) Har användningen av systemet minskat mängden CB? e) Vilka förbättringar kan tillämpas på systemet för att öka dess effektivitet?
Fas tre, i slutet av den sju dagar långa proof of concept-prövningen - en tre timmar lång session.

Samarbetspartners och utredare

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

Utredare

  • Huvudutredare: Moti Zwilling, PhD, Department of Economics and Business Administration, Ariel University

Publikationer och användbara länkar

Den som ansvarar för att lägga in information om studien tillhandahåller frivilligt dessa publikationer. Dessa kan handla om allt som har med studien att göra.

Allmänna publikationer

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 (Faktisk)

1 juni 2022

Primärt slutförande (Faktisk)

30 september 2022

Avslutad studie (Faktisk)

30 september 2022

Studieregistreringsdatum

Först inskickad

9 april 2022

Först inskickad som uppfyllde QC-kriterierna

15 april 2022

Första postat (Faktisk)

22 april 2022

Uppdateringar av studier

Senaste uppdatering publicerad (Faktisk)

30 december 2022

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

29 december 2022

Senast verifierad

1 december 2022

Mer information

Termer relaterade till denna studie

Andra studie-ID-nummer

  • AU-HEA-ML-20201203
  • 72359 (Annat bidrag/finansieringsnummer: Israel Innovation Authority)

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