- ICH GCP
- Amerikanska kliniska prövningsregistret
- Klinisk prövning NCT05340608
Utveckling och validering av ett system för att förutse utmanande beteenden
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
Status
Betingelser
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
Inskrivning (Faktisk)
Kontakter och platser
Studieorter
-
-
-
Ariel, Israel, 4070000
- Ariel University
-
-
Deltagandekriterier
Urvalskriterier
Åldrar som är berättigade till studier
Tar emot friska volontärer
Kön som är behöriga för studier
Testmetod
Studera befolkning
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
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:
|
|
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:
|
|
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:
|
|
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:
|
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
Sponsor
Utredare
- Huvudutredare: Moti Zwilling, PhD, Department of Economics and Business Administration, Ariel University
Publikationer och användbara länkar
Allmänna publikationer
- Gold C, Wigram T, Elefant C. Music therapy for autistic spectrum disorder. Cochrane Database Syst Rev. 2006 Apr 19;(2):CD004381. doi: 10.1002/14651858.CD004381.pub2.
- Case-Smith J, Weaver LL, Fristad MA. A systematic review of sensory processing interventions for children with autism spectrum disorders. Autism. 2015 Feb;19(2):133-48. doi: 10.1177/1362361313517762. Epub 2014 Jan 29.
- Watling R, Hauer S. Effectiveness of Ayres Sensory Integration(R) and Sensory-Based Interventions for People With Autism Spectrum Disorder: A Systematic Review. Am J Occup Ther. 2015 Sep-Oct;69(5):6905180030p1-12. doi: 10.5014/ajot.2015.018051.
- Tanaka H, Monahan KD, Seals DR. Age-predicted maximal heart rate revisited. J Am Coll Cardiol. 2001 Jan;37(1):153-6. doi: 10.1016/s0735-1097(00)01054-8.
- Baron-Cohen S, Scott FJ, Allison C, Williams J, Bolton P, Matthews FE, Brayne C. Prevalence of autism-spectrum conditions: UK school-based population study. Br J Psychiatry. 2009 Jun;194(6):500-9. doi: 10.1192/bjp.bp.108.059345. Erratum In: Br J Psychiatry. 2009 Aug;195(2):182.
- American Psychiatric Association. Diagnostic and Statistical Manual of Mental Disorders. 5th ed. Washington (DC): American Psychiatric Association; 2013.
- Knapp M, Romeo R, Beecham J. Economic cost of autism in the UK. Autism. 2009 May;13(3):317-36. doi: 10.1177/1362361309104246.
- Arnold S, Reed P. Reading assessments for students with ASD: a survey of summative reading assessments used in special educational schools in the UK. Br J Spec Educ. 2016;43(2):122-141.
- Chiang HM. Expressive communication of children with autism: the use of challenging behaviour. J Intellect Disabil Res. 2008 Nov;52(11):966-72. doi: 10.1111/j.1365-2788.2008.01042.x. Epub 2008 Jan 18.
- O'Donnell S, Deitz J, Kartin D, Nalty T, Dawson G. Sensory processing, problem behavior, adaptive behavior, and cognition in preschool children with autism spectrum disorders. Am J Occup Ther. 2012 Sep-Oct;66(5):586-94. doi: 10.5014/ajot.2012.004168.
- Baker AE, Lane A, Angley MT, Young RL. The relationship between sensory processing patterns and behavioural responsiveness in autistic disorder: a pilot study. J Autism Dev Disord. 2008 May;38(5):867-75. doi: 10.1007/s10803-007-0459-0.
- Prizant BM, Wetherby AM. Critical Issues in Enhancing Communication Abilities for Persons with Autism Spectrum Disorders. In: Volkmar FR, Paul R, Klin A, Cohen D, editors. Handbook of Autism and Pervasive Developmental Disorders. Hoboken, NJ. John Wiley & Sons, Inc.; 2005. p. 925-945.
- Reese RM, Richman DM, Belmont JM, Morse P. Functional characteristics of disruptive behavior in developmentally disabled children with and without autism. J Autism Dev Disord. 2005 Aug;35(4):419-28. doi: 10.1007/s10803-005-5032-0.
- Emerson E. Challenging behaviour: Analysis and intervention in people with severe intellectual disabilities. 2nd ed. Cambridge: Cambridge University Press; 2001.
- Jang J, Dixon DR, Tarbox J, Granpeesheh D. Symptom severity and challenging behavior in children with ASD. Res Autism Spectr Disord. 2011;5(3):1028-1032. doi: 10.1016/j.rasd.2010.11.008.
- Matson JL, Wilkins J, Macken J. The relationship of challenging behaviors to severity and symptoms of autism spectrum disorders. J Ment Health Res Intellect Disabil. 2008;2(1):29-44. doi:10.1080/19315860802611415.
- Murphy O, Healy O, Leader G. Risk factors for challenging behaviors among 157 children with autism spectrum disorder in Ireland. Res Autism Spectr Disord. 2009;3(2):474-482. doi:10.1016/j.rasd.2008.09.008.
- Woodbury-Smith MR, Clare ICH, Holland AJ, Kearns A. High functioning autistic spectrum disorders, offending and other law-breaking: findings from a community sample. J Forensic Psychiatry Psychol. 2006;17(1):108-120. doi:10.1080/14789940600589464.
- Nissen JM, Haveman MJ. Mortality and avoidable death in people with severe self-injurious behaviour: results of a Dutch study. J Intellect Disabil Res. 1997 Jun;41 ( Pt 3):252-7.
- Felce D, Perry J, Lowe K, Jones E. The Impact of Autism or Severe Challenging Behaviour on Lifestyle Outcome in Community Housing. J Appl Res Intellect Disabil. 2011;24(2):95-104. doi:10.1111/J.1468-3148.2010.00571.X.
- Sigafoos J, Arthur-Kelly M, O'Reilly MF. Challenging behaviour and developmental disability. Paul H, editor. Baltimore (MD): Brookes Publishing Co; 2003.
- Allen D. Positive behavioural support as a service system for people with challenging behaviour. Psychiatry. 2009;8(10):408-412.
- Scheifes A, Walraven S, Stolker JJ, Nijman HL, Egberts TC, Heerdink ER. Adverse events and the relation with quality of life in adults with intellectual disability and challenging behaviour using psychotropic drugs. Res Dev Disabil. 2016 Feb-Mar;49-50:13-21. doi: 10.1016/j.ridd.2015.11.017. Epub 2015 Nov 29.
- Rose D, Horne S, Rose JL, Hastings RP. Negative emotional reactions to challenging behaviour and staff burnout: Two replication studies. J Appl Res Intellect Disabil. 2004;17(3):219-223. doi:10.1111/j.1468-3148.2004.00194.x.
- McPheeters ML, Warren Z, Sathe N, Bruzek JL, Krishnaswami S, Jerome RN, Veenstra-Vanderweele J. A systematic review of medical treatments for children with autism spectrum disorders. Pediatrics. 2011 May;127(5):e1312-21. doi: 10.1542/peds.2011-0427. Epub 2011 Apr 4.
- Sawyer A, Lake JK, Lunsky Y, Liu SK, Desarkar P. Psychopharmacological treatment of challenging behaviours in adults with autism and intellectual disabilities: A systematic review. Res Autism Spectr Disord. 2014;8(7):803-813. doi:10.1016/J.RASD.2014.03.021.
- Blankenship K, Erickson CA, McDougle CJ. Pharmacotherapy of Autism and related disorders. Psychiatr Ann. 2010;40(4):203-209. doi:10.3928/00485713-20100330-06.
- Scotti JR, Ujcich KJ, Weigle KL, Holland CM, Kirk KS. Interventions with Challenging Behavior of Persons with Developmental Disabilities: A Review of Current Research Practices. J Assoc Pers with Sev Handicap. 1996;21(3):123-134. doi:10.1177/154079699602100303.
- Fettig A, Barton EE. Parent Implementation of Function-Based Intervention to Reduce Children's Challenging Behavior: A Literature Review. Topics Early Child Spec Educ. 2014;34(1):49-61. doi:10.1177/0271121413513037.
- Machalicek W, O'Reilly MF, Beretvas N, Sigafoos J, Lancioni GE. A review of interventions to reduce challenging behavior in school settings for students with autism spectrum disorders. Res Autism Spectr Disord. 2007;1(3):229-246. doi:10.1016/J.RASD.2006.10.005.
- Machalicek W, Raulston T, Knowles C, Ruppert T, Carnett A, Alresheed F. Challenging behavior. In: Matson JL, editor. Comorbid Conditions Among Children with Autism Spectrum Disorders. Cham: Springer; 2016. p. 137-170.
- MacNaul HL, Neely LC. Systematic Review of Differential Reinforcement of Alternative Behavior Without Extinction for Individuals With Autism. Behav Modif. 2018 May;42(3):398-421. doi: 10.1177/0145445517740321. Epub 2017 Nov 8.
- Erturk B, Machalicek W, Drew C. Self-Injurious Behavior in Children With Developmental Disabilities: A Systematic Review of Behavioral Intervention Literature. Behav Modif. 2018 Jul;42(4):498-542. doi: 10.1177/0145445517741474. Epub 2017 Nov 27.
- Weston R, Hodges A, Davis TN. Differential Reinforcement of Other Behaviors to Treat Challenging Behaviors Among Children With Autism: A Systematic and Quality Review. Behav Modif. 2018 Jul;42(4):584-609. doi: 10.1177/0145445517743487. Epub 2017 Nov 24.
- Doyle KL, Morgan EE, Morris S, Smith DM, Little S, Iudicello JE, Blackstone K, Moore DJ, Grant I, Letendre SL, Woods SP; Translational Methamphetamine AIDS Research Center (TMARC) Group. Real-world impact of neurocognitive deficits in acute and early HIV infection. J Neurovirol. 2013 Dec;19(6):565-73. doi: 10.1007/s13365-013-0218-2. Epub 2013 Nov 26.
- Subramaniam P, Woods B. The impact of individual reminiscence therapy for people with dementia: systematic review. Expert Rev Neurother. 2012 May;12(5):545-55. doi: 10.1586/ern.12.35.
- Cotelli M, Manenti R, Zanetti O. Reminiscence therapy in dementia: a review. Maturitas. 2012 Jul;72(3):203-5. doi: 10.1016/j.maturitas.2012.04.008. Epub 2012 May 16.
- Wan Yunus F, Liu KP, Bissett M, Penkala S. Sensory-Based Intervention for Children with Behavioral Problems: A Systematic Review. J Autism Dev Disord. 2015 Nov;45(11):3565-79. doi: 10.1007/s10803-015-2503-9.
- Lang R, O'Reilly M, Healy O, Rispoli M, Lydon H, Streusand W, et al. Sensory integration therapy for autism spectrum disorders: A systematic review. Res Autism Spectr Disord. 2012;6(3):1004-1018. doi:10.1016/j.rasd.2012.01.006.
- Barton EE, Reichow B, Schnitz A, Smith IC, Sherlock D. A systematic review of sensory-based treatments for children with disabilities. Res Dev Disabil. 2015 Feb;37:64-80. doi: 10.1016/j.ridd.2014.11.006. Epub 2014 Nov 25.
- Stephenson J. Music therapy and the education of students with severe disabilities. Educ Train Dev Disabil. 2006;41(3):290-299.
- James R, Sigafoos J, Green VA, Lancioni GE, O'Reilly MF, Lang R, et al. Music Therapy for Individuals with Autism Spectrum Disorder: a Systematic Review. Rev J Autism Dev Disord. 2015;2:39-54. doi: 10.1007/s40489-014-0035-4.
- Lim JM. Emotion regulation and intervention in adults with autism spectrum disorder: a synthesis of the literature. Adv Autism. 2019;6(1):48-62. doi:10.1108/AIA-12-2018-0050.
- Bishop-Fitzpatrick L, Minshew NJ, Eack SM. A systematic review of psychosocial interventions for adults with autism spectrum disorders. J Autism Dev Disord. 2013 Mar;43(3):687-94. doi: 10.1007/s10803-012-1615-8.
- Vanderkerken L, Heyvaert M, Maes B, Onghena P. Psychosocial interventions for reducing vocal challenging behavior in persons with autistic disorder: a multilevel meta-analysis of single-case experiments. Res Dev Disabil. 2013 Dec;34(12):4515-33. doi: 10.1016/j.ridd.2013.09.030. Epub 2013 Oct 31.
- Mirenda P. Supporting individuals with challenging behavior through functional communication training and AAC: Research review. Augment Altern Commun. 1997;13(4):207-225. doi:10.1080/07434619712331278048.
- Lequia J, MacHalicek W, Rispoli MJ. Effects of activity schedules on challenging behavior exhibited in children with autism spectrum disorders: A systematic review. Res Autism Spectr Disord. 2012;6(1):480-492. doi:10.1016/j.rasd.2011.07.008.
- Gerow S, Hagan-Burke S, Rispoli M, Gregori E, Mason R, Ninci J. A Systematic Review of Parent-Implemented Functional Communication Training for Children With ASD. Behav Modif. 2018 May;42(3):335-363. doi: 10.1177/0145445517740872. Epub 2017 Dec 3.
- Gregori E, Wendt O, Gerow S, Peltier C, Genc-Tosun D, Lory C, et al. Functional Communication Training for Adults with Autism Spectrum Disorder: A Systematic Review and Quality Appraisal. J Behav Educ. 2020;29:42-63. doi:10.1007/s10864-019-09339-4.
- Forbes D, Forbes SC, Blake CM, Thiessen EJ, Forbes S. Exercise programs for people with dementia. Cochrane Database Syst Rev. 2015 Apr 15;2015(4):CD006489. doi: 10.1002/14651858.CD006489.pub4.
- Eggermont LHP, Scherder EJA. Physical activity and behaviour in dementia: A review of the literature and implications for psychosocial intervention in primary care. Dementia. 2006;5(3):411-428. doi:10.1177/1471301206067115.
- Sorensen C, Zarrett N. Benefits of Physical Activity for Adolescents with Autism Spectrum Disorders: A Comprehensive Review. Rev J Autism Dev Disord. 2014;1:344-353. doi:10.1007/S40489-014-0027-4/TABLES/4.
- Ferguson J, Craig EA, Dounavi K. Telehealth as a Model for Providing Behaviour Analytic Interventions to Individuals with Autism Spectrum Disorder: A Systematic Review. J Autism Dev Disord. 2019 Feb;49(2):582-616. doi: 10.1007/s10803-018-3724-5.
- Walker VL, Carpenter ME, Lyon KJ, Button L. A Meta-Analysis of Paraprofessional-Delivered Interventions to Address Challenging Behavior Among Students With Disabilities. J Posit Behav Interv. 2021;23(2):68-80. doi:10.1177/1098300720911147.
- McDonnell A, Sturmey P, Oliver C, Cunningham J, Hayes S, Galvin M, et al. The effects of staff training on staff confidence and challenging behavior in services for people with autism spectrum disorders. Res Autism Spectr Disord. 2008,2(2):311-319. doi:10.1016/J.RASD.2007.08.001.
- Wahman CL, Pustejovsky JE, Ostrosky MM, Santos RM. Examining the Effects of Social StoriesTM on Challenging Behavior and Prosocial Skills in Young Children: A Systematic Review and Meta-Analysis. Topics Early Child Spec Educ. 2022,41(4):267-279. doi:10.1177/0271121419855692.
- Hutt C, Hutt SJ. Effects of environmental complexity on stereotyped behaviours of children. Anim Behav. 1965;13(1):1-4. doi:10.1016/0003-3472(65)90064-3.
- Levine TP, Conradt E, Goodwin MS, Sheinkopf SJ, Lester B. Psychophysiological Arousal to Social Stress in Autism Spectrum Disorders. In: Patel V, Preedy V, Martin C, editors. Comprehensive Guide to Autism. New York: Springer, New York; 2014. p. 1177-1193.
- Cohen IL, Yoo JH, Goodwin MS, Moskowitz L. Assessing Challenging Behaviors in Autism Spectrum Disorders: Prevalence, Rating Scales, and Autonomic Indicators. In: Matson J, Sturmey P, editors. International Handbook of Autism and Pervasive Developmental Disorders. New York: Springer, New York; 2011. p. 247-270.
- Schoen SA, Miller LJ, Brett-Green B, Hepburn SL. Psychophysiology of children with autism spectrum disorder. Res Autism Spectr Disord. 2008;2(3):417-429. doi:10.1016/J.RASD.2007.09.002.
- Ozdenizci O, Cumpanasoiu C, Mazefsky C, Siegel M, Erdoggmus D, Ioannidis S, Goodwin MS. Time-Series Prediction of Proximal Aggression Onset in Minimally-Verbal Youth with Autism Spectrum Disorder Using Physiological Biosignals. Annu Int Conf IEEE Eng Med Biol Soc. 2018 Jul;2018:5745-5748. doi: 10.1109/EMBC.2018.8513524.
- Goodwin MS, Mazefsky CA, Ioannidis S, Erdogmus D, Siegel M. Predicting aggression to others in youth with autism using a wearable biosensor. Autism Res. 2019 Aug;12(8):1286-1296. doi: 10.1002/aur.2151. Epub 2019 Jun 21.
- Goodwin MS, Ozdenizci O, Cumpanasoiu C, Tian P, Guo Y, Stedman A, Peura C, Mazefsky C, Siegel M, Erdogmus D, Ioannidis S. Predicting Imminent Aggression Onset in Minimally-Verbal Youth with Autism Spectrum Disorder Using Preceding Physiological Signals. Int Conf Pervasive Comput Technol Healthc. 2018 May;2018:201-207. doi: 10.1145/3240925.3240980.
- Nuske HJ, Finkel E, Hedley D, Parma V, Tomczuk L, Pellecchia M, Herrington J, Marcus SC, Mandell DS, Dissanayake C. Heart rate increase predicts challenging behavior episodes in preschoolers with autism. Stress. 2019 May;22(3):303-311. doi: 10.1080/10253890.2019.1572744. Epub 2019 Mar 1.
- Koo SH, Gaul K, Rivera S, Pan T, Fong D. Wearable technology design for autism spectrum disorders. Arch Des Res. 2018;31(1):37-55. doi:10.15187/adr.2018.02.31.1.37.
- Black MH, Milbourn B, Chen NTM, McGarry S, Wali F, Ho ASV, Lee M, Bolte S, Falkmer T, Girdler S. The use of wearable technology to measure and support abilities, disabilities and functional skills in autistic youth: a scoping review. Scand J Child Adolesc Psychiatr Psychol. 2020 Jul 2;8:48-69. doi: 10.21307/sjcapp-2020-006. eCollection 2020.
- Murphy KP. Machine learning: a probabilistic perspective. Cambridge: MIT press; 2012.
- Gulshan V, Peng L, Coram M, Stumpe MC, Wu D, Narayanaswamy A, Venugopalan S, Widner K, Madams T, Cuadros J, Kim R, Raman R, Nelson PC, Mega JL, Webster DR. Development and Validation of a Deep Learning Algorithm for Detection of Diabetic Retinopathy in Retinal Fundus Photographs. JAMA. 2016 Dec 13;316(22):2402-2410. doi: 10.1001/jama.2016.17216.
- Guo Y, Liu Y, Oerlemans A, Lao S, Wu S, Lew MS. Deep learning for visual understanding: A review. Neurocomputing. 2016;187:27-48. doi:10.1016/j.neucom.2015.09.116.
- Munla N, Khalil M, Shahin A, Mourad A. Driver stress level detection using HRV analysis. ICABME 2015: International Conference on Advances in Biomedical Engineering, 2015 Sept 16-18; Beirut, Lebanon. IEEE; 2015. p. 61-64. doi:10.1109/ICABME.2015.7323251.
- Wu M, Cao H, Nguyen HL, Surmacz K, Hargrove C. Modeling perceived stress via HRV and accelerometer sensor streams. Annu Int Conf IEEE Eng Med Biol Soc. 2015 Aug;2015:1625-8. doi: 10.1109/EMBC.2015.7318686.
- Coutts LV, Plans D, Brown AW, Collomosse J. Deep learning with wearable based heart rate variability for prediction of mental and general health. J Biomed Inform. 2020 Dec;112:103610. doi: 10.1016/j.jbi.2020.103610. Epub 2020 Oct 31.
- Goldberger AL, Goldberger ZD, Shvilkin A. Goldberger's Clinical Electrocardiography: A Simplified Approach. 9th ed. Philadelphia: Elsevier; 2017.
- Peltola MA. Role of editing of R-R intervals in the analysis of heart rate variability. Front Physiol. 2012 May 23;3:148. doi: 10.3389/fphys.2012.00148. eCollection 2012.
- Demers L, Weiss-Lambrou R, Ska B. Item analysis of the Quebec User Evaluation of Satisfaction with Assistive Technology (QUEST). Assist Technol. 2000;12(2):96-105. doi: 10.1080/10400435.2000.10132015.
- Scherer MJ. Living in the State of Stuck: How Technology Impacts the Lives of Persons with Disabilities. 4th ed. Brookline: Brookline Books; 2005.
- Demers L, Weiss-Lambrou R, Ska B. The Quebec User Evaluation of Satisfaction with Assistive Technology (QUEST 2.0): An overview and recent progress. Technol Disabil. 2002;14(3):101-105. doi:10.3233/TAD-2002-14304.
- Kitzinger J. The methodology of Focus Groups: the importance of interaction between research participants. Sociol Health Illn. 1994;16(1):103-121. doi:10.1111/1467-9566.ep11347023.
- Flores JG, Alonso CG. Using Focus Groups in Educational Research: Exploring Teachers' Perspectives on Educational Change. Eval Rev. 1995;19(1):84-101. doi:10.1177/0193841X9501900104.
- Breen RL. A practical guide to focus-group research. J Geogr High Educ. 2006;30(3):463-475. doi:10.1080/03098260600927575.
- El Boujnouni I, Tali A. Heart Rate Variability Prediction based on the combination of Wavelet Decomposition and LSTM Networks. Int J Sci Eng Res. 2019;10(9):61-65.
- Murphy GH, Beadle-Brown J, Wing L, Gould J, Shah A, Holmes N. Chronicity of challenging behaviours in people with severe intellectual disabilities and/or autism: a total population sample. J Autism Dev Disord. 2005 Aug;35(4):405-18. doi: 10.1007/s10803-005-5030-2.
- Holden B, Gitlesen JP. A total population study of challenging behaviour in the county of Hedmark, Norway: prevalence, and risk markers. Res Dev Disabil. 2006 Jul-Aug;27(4):456-65. doi: 10.1016/j.ridd.2005.06.001. Epub 2005 Aug 30.
- Mukaddes NM, Topcu Z. Case report: homicide by a 10-year-old girl with autistic disorder. J Autism Dev Disord. 2006 May;36(4):471-4. doi: 10.1007/s10803-006-0087-0.
- Blacher J, McIntyre LL. Syndrome specificity and behavioural disorders in young adults with intellectual disability: cultural differences in family impact. J Intellect Disabil Res. 2006 Mar;50(Pt 3):184-98. doi: 10.1111/j.1365-2788.2005.00768.x.
- Hieneman M. Positive Behavior Support for Individuals with Behavior Challenges. Behav Anal Pract. 2015 Apr 23;8(1):101-108. doi: 10.1007/s40617-015-0051-6. eCollection 2015 May.
- Chadwick O, Piroth N, Walker J, Bernard S, Taylor E. Factors affecting the risk of behaviour problems in children with severe intellectual disability. J Intellect Disabil Res. 2000 Apr;44 ( Pt 2):108-23. doi: 10.1046/j.1365-2788.2000.00255.x.
- Berg WK, Peck S, Wacker DP, Harding J, McComas J, Richman D, Brown K. The effects of presession exposure to attention on the results of assessments of attention as a reinforcer. J Appl Behav Anal. 2000 Winter;33(4):463-77. doi: 10.1901/jaba.2000.33-463.
- Malone RP, Gratz SS, Delaney MA, Hyman SB. Advances in drug treatments for children and adolescents with autism and other pervasive developmental disorders. CNS Drugs. 2005;19(11):923-34. doi: 10.2165/00023210-200519110-00003.
- Lydon S, Healy O, O'Reilly M, McCoy A. A systematic review and evaluation of response redirection as a treatment for challenging behavior in individuals with developmental disabilities. Res Dev Disabil. 2013 Oct;34(10):3148-58. doi: 10.1016/j.ridd.2013.06.010. Epub 2013 Jul 22.
- Didden R, Korzilius H, van Oorsouw W, Sturmey P. Behavioral treatment of challenging behaviors in individuals with mild mental retardation: meta-analysis of single-subject research. Am J Ment Retard. 2006 Jul;111(4):290-8. doi: 10.1352/0895-8017(2006)111[290:BTOCBI]2.0.CO;2.
- Inoue M. Assessments and Interventions to Address Challenging Behavior in Individuals with Intellectual Disability and Autism Spectrum Disorder in Japan: A Consolidated Review. Yonago Acta Med. 2019 Jun 20;62(2):169-181. doi: 10.33160/yam.2019.06.001. eCollection 2019 Jun.
- O'Neil ME, Freeman M, Christensen V, Telerant R, Addleman A, Kansagara D. A Systematic Evidence Review of Non-pharmacological Interventions for Behavioral Symptoms of Dementia [Internet]. Washington (DC): Department of Veterans Affairs (US); 2011 Mar. Available from http://www.ncbi.nlm.nih.gov/books/NBK54971/
- Zetteler J. Effectiveness of simulated presence therapy for individuals with dementia: a systematic review and meta-analysis. Aging Ment Health. 2008 Nov;12(6):779-85. doi: 10.1080/13607860802380631.
- Neal M, Barton Wright P. Validation therapy for dementia. Cochrane Database Syst Rev. 2003;(3):CD001394. doi: 10.1002/14651858.CD001394.
- Leong HM, Carter M, Stephenson J. Systematic review of sensory integration therapy for individuals with disabilities: Single case design studies. Res Dev Disabil. 2015 Dec;47:334-51. doi: 10.1016/j.ridd.2015.09.022. Epub 2015 Oct 23.
- Simpson K, Keen D. Music interventions for children with autism: narrative review of the literature. J Autism Dev Disord. 2011 Nov;41(11):1507-14. doi: 10.1007/s10803-010-1172-y.
- Fakhoury N, Wilhelm N, Sobota KF, Kroustos KR. Impact of Music Therapy on Dementia Behaviors: A Literature Review. Consult Pharm. 2017 Oct 1;32(10):623-628. doi: 10.4140/TCP.n.2017.623.
- Reichow B, Servili C, Yasamy MT, Barbui C, Saxena S. Non-specialist psychosocial interventions for children and adolescents with intellectual disability or lower-functioning autism spectrum disorders: a systematic review. PLoS Med. 2013 Dec;10(12):e1001572; discussion e1001572. doi: 10.1371/journal.pmed.1001572. Epub 2013 Dec 17.
- Seida JK, Ospina MB, Karkhaneh M, Hartling L, Smith V, Clark B. Systematic reviews of psychosocial interventions for autism: an umbrella review. Dev Med Child Neurol. 2009 Feb;51(2):95-104. doi: 10.1111/j.1469-8749.2008.03211.x.
- Walker VL, Snell ME. Effects of augmentative and alternative communication on challenging behavior: a meta-analysis. Augment Altern Commun. 2013 Jun;29(2):117-31. doi: 10.3109/07434618.2013.785020.
- Goldstein H. Communication intervention for children with autism: a review of treatment efficacy. J Autism Dev Disord. 2002 Oct;32(5):373-96. doi: 10.1023/a:1020589821992.
- Ogg-Groenendaal M, Hermans H, Claessens B. A systematic review on the effect of exercise interventions on challenging behavior for people with intellectual disabilities. Res Dev Disabil. 2014 Jul;35(7):1507-17. doi: 10.1016/j.ridd.2014.04.003. Epub 2014 Apr 21.
- Bremer E, Crozier M, Lloyd M. A systematic review of the behavioural outcomes following exercise interventions for children and youth with autism spectrum disorder. Autism. 2016 Nov;20(8):899-915. doi: 10.1177/1362361315616002. Epub 2016 Jan 28.
- Tanner K, Hand BN, O'Toole G, Lane AE. Effectiveness of Interventions to Improve Social Participation, Play, Leisure, and Restricted and Repetitive Behaviors in People With Autism Spectrum Disorder: A Systematic Review. Am J Occup Ther. 2015 Sep-Oct;69(5):6905180010p1-12. doi: 10.5014/ajot.2015.017806.
- Lindgren S, Wacker D, Suess A, Schieltz K, Pelzel K, Kopelman T, Lee J, Romani P, Waldron D. Telehealth and Autism: Treating Challenging Behavior at Lower Cost. Pediatrics. 2016 Feb;137 Suppl 2(Suppl 2):S167-75. doi: 10.1542/peds.2015-2851O.
- Kinsbourne M. Do repetitive movement patterns in children and animals serve a dearousing function? J Dev Behav Pediatr. 1980 Mar;1(1):39-42. No abstract available.
- Ornitz EM, Ritvo ER. Perceptual inconstancy in early infantile autism. The syndrome of early infant autism and its variants including certain cases of childhood schizophrenia. Arch Gen Psychiatry. 1968 Jan;18(1):76-98. doi: 10.1001/archpsyc.1968.01740010078010. No abstract available.
- Klusek J, Roberts JE, Losh M. Cardiac autonomic regulation in autism and Fragile X syndrome: a review. Psychol Bull. 2015 Jan;141(1):141-75. doi: 10.1037/a0038237. Epub 2014 Nov 24.
- Lydon S, Healy O, Reed P, Mulhern T, Hughes BM, Goodwin MS. A systematic review of physiological reactivity to stimuli in autism. Dev Neurorehabil. 2016 Dec;19(6):335-355. doi: 10.3109/17518423.2014.971975. Epub 2014 Oct 30.
- Hirstein W, Iversen P, Ramachandran VS. Autonomic responses of autistic children to people and objects. Proc Biol Sci. 2001 Sep 22;268(1479):1883-8. doi: 10.1098/rspb.2001.1724.
- Taj-Eldin M, Ryan C, O'Flynn B, Galvin P. A Review of Wearable Solutions for Physiological and Emotional Monitoring for Use by People with Autism Spectrum Disorder and Their Caregivers. Sensors (Basel). 2018 Dec 4;18(12):4271. doi: 10.3390/s18124271.
- Banaee H, Ahmed MU, Loutfi A. Data mining for wearable sensors in health monitoring systems: a review of recent trends and challenges. Sensors (Basel). 2013 Dec 17;13(12):17472-500. doi: 10.3390/s131217472.
- Becker DE. Fundamentals of electrocardiography interpretation. Anesth Prog. 2006 Summer;53(2):53-63; quiz 64. doi: 10.2344/0003-3006(2006)53[53:FOEI]2.0.CO;2.
- Sidhu S, Marine JE. Evaluating and managing bradycardia. Trends Cardiovasc Med. 2020 Jul;30(5):265-272. doi: 10.1016/j.tcm.2019.07.001. Epub 2019 Jul 9.
Studieavstämningsdatum
Studera stora datum
Studiestart (Faktisk)
Primärt slutförande (Faktisk)
Avslutad studie (Faktisk)
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
Nyckelord
Ytterligare relevanta MeSH-villkor
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)?
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 .