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

Maskininlärning och 3D-bildbaserad modellering för uppskattning av kroppsvikt.

5 juni 2025 uppdaterad av: Florida Atlantic University

Maskininlärning och 3D-bildbaserad modellering för uppskattning av kroppsvikt och kroppssammansättning i realtid under akut medicinsk vård.

Målet med denna randomiserade kontrollerade kliniska prövning är att [lära om, testa, jämföra etc.] i kritiskt sjuka eller skadade kohorter av patienter som vänder sig till akutmottagningen. Huvudfrågorna som den syftar till att besvara är:

  • Är viktuppskattningar från ett 3D-kamerasystem mer exakta än standardmetoder för viktuppskattning?
  • Har patienter som får viktuppskattningar med ett 3D-kamerasystem färre läkemedelsdoseringsfel än patienter som får standardvård?

Deltagarna får antingen en viktuppskattning med hjälp av ett 3D-kamerasystem eller standardvårdsmetoder.

Forskare kommer att jämföra 3D-kameragruppen med de med standardvård för att se om viktuppskattningarna är mer exakta, för att se om läkemedelsdoseringen är mer exakt och för att jämföra förekomsten av biverkningar relaterade till mediciner i varje grupp.

Studieöversikt

Detaljerad beskrivning

Läkemedelsdoseringsfel kan ha en katastrofal effekt på akut sjuka patienter som strokepatienter som behöver trombolytisk behandling eller patienter som behöver akut sedering. Hos en akut sjuk patient är felaktiga viktuppskattningar en betydande orsak till doseringsfel, och viktuppskattningar som avviker med >10 % från faktisk vikt kan göra själva behandlingen livshotande. Felaktiga viktuppskattningar leder till felaktiga läkemedelsdoser, vilket kan resultera i potentiellt dödlig behandlingsmisslyckande (från subterapeutiska doser) eller potentiellt dödliga biverkningar (från supraterapeutiska doser). Nästan 75 % av behandlingsmisslyckanden hos överviktiga patienter kan vara relaterade till fel i viktuppskattningen. När den kliniska vården är tidskänslig kan det vara omöjligt att få en uppmätt vikt hos >50 % av patienterna. Under dessa omständigheter är en snabb, exakt metod för att uppskatta vikten avgörande. En ny innovation är användningen av ett billigt 3D-kamerasystem för att uppskatta vikten. 3D-kameraenheten (t.ex. Intel RealSense D415) används för att erhålla en punktmolnkarta över patientens kropp, från vilken en viktuppskattning kan uppskattas baserat på algoritmer härledda med hjälp av analys av invecklad neurala nätverk. Inledande studier har varit extremt lovande när det gäller den noggrannhet som kan uppnås med detta system för att uppskatta total kroppsvikt (TBW).

Det primära syftet med denna studie är att mäta noggrannheten av viktuppskattningar av 3D-kamerasystemet hos akut sjuka eller skadade ED-patienter och jämföra denna noggrannhet med den för standardvård. Vi kommer att jämföra prestanda och nedströmseffekter av viktuppskattning med hjälp av 3D-kamerasystemet mot standardvård i en randomiserad kontrollerad studie av akut sjuka eller skadade vuxna som presenterar sig för akuten.

Vår hypotes är att vårt 3D-kamerasystem kommer att ge realtidsuppskattningar av TBW, IBW och LBW i en nödsituation och kommer att överträffa noggrannheten hos befintliga metoder för viktuppskattning.

Stöd till icke-kliniska prövningar kommer att fastställa noggrannheten hos 3D-kamerasystemet i laboratorieförhållanden och i simulerade medicinska nödsituationer. Emellertid måste dess prestanda och dess inverkan på nedströms läkemedelsdoseringsnoggrannhet fastställas under akutvård i en verklig klinisk miljö. Denna studie kommer att ge ett väsentligt perspektiv på noggrannheten och funktionen hos 3D-kamerasystemet samt viktuppskattning i verkligheten under akutvård. Den kommer också att beskriva förmågan att mäta vikt med hjälp av vågar i sängen och att erhålla viktuppskattningar från patienter själva och familjemedlemmar i ED-patienter. Det sekundära målet, att bestämma exaktheten av läkemedelsdoserna i varje arm av studien, kommer att ge kritisk information om behovet av alternativa viktskalärer hos överviktiga och sjukligt feta patienter som presenterar sig för akutmottagningen. Studien kommer att fastställa behovet av standarder och policyer för att vägleda dosskalning hos överviktiga patienter i akuten. Information om den faktiska användningen av läkemedel som bör skalas till TBW och de som bör skalas till LBW kommer att ge användbar verklig insikt i omfattningen av problemet med hotet mot patientsäkerheten genom att använda en "one size fits all"-metod till läkemedelsdosberäkningar för alla patienter, oavsett viktstatus.

Akut sjuka patienter som kommer till akutmottagningen på ett stort regionalt sjukhus och som behöver viktbaserad läkemedelsbehandling kommer att inkluderas i studien. De kommer att randomiseras för att antingen få en viktuppskattning med hjälp av ett 3D-kamerasystem (som ger uppskattningar av TBW, IBW och LBW), eller för att få standardvård. Alla andra insatser och sjukvård kommer att vara standardvård.

Dessa patienter kommer att följas under de första 72 timmarna av sin sjukhusvistelse. Noggrannheten av viktuppskattningarna kommer att jämföras mellan grupperna, liksom läkemedelsdosnoggrannheten och eventuella biverkningar relaterade till läkemedelsbehandling.

Studietyp

Interventionell

Inskrivning (Beräknad)

320

Fas

  • Inte tillämpbar

Kontakter och platser

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

Studiekontakt

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

  • Vuxen
  • Äldre vuxen

Tar emot friska volontärer

Nej

Beskrivning

Inklusionskriterier:

- Varje patient som kommer till akutmottagningen på studieplatsen, som kommer att behöva någon form av viktbaserad intravenös läkemedelsbehandling och som kommer att läggas in på sjukhuset.

Exklusions kriterier:

  • Patienter som inte kan ge samtycke.
  • Patienter vars medicinska behandling kan påverkas negativt av deltagande i studien.

Studieplan

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

Hur är studien utformad?

Designdetaljer

  • Primärt syfte: Övrig
  • Tilldelning: Randomiserad
  • Interventionsmodell: Parallellt uppdrag
  • Maskning: Dubbel

Vapen och interventioner

Deltagargrupp / Arm
Intervention / Behandling
Experimentell: 3D-kamera viktuppskattning
TBW, LBW och IBW kommer att uppskattas automatiskt med hjälp av 3D-kamerasystemet. All relevant medicinsk vård kommer att baseras på denna vikt under de första 72 timmarna
Uppskattningar av total kroppsvikt, ideal kroppsvikt och mager kroppsvikt kommer att erhållas med hjälp av ett 3D-kamerasystem. Denna vikt kommer att användas för beräkning av viktbaserade läkemedelsdoser och andra viktbaserade interventioner.
Placebo-jämförare: Standardvårdsviktuppskattning
TBW, LBW och IBW kommer att uppskattas med hjälp av vanliga vårdprocesser. All relevant medicinsk vård kommer att baseras på denna vikt under de första 72 timmarna
Standardvård (ospecificerad) kommer att användas för att bestämma viktbaserad dosering och annan hantering.

Vad mäter studien?

Primära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Viktuppskattningsnoggrannhet
Tidsram: Omedelbar
Bestämning av noggrannhet mot referensstandard
Omedelbar
Dags att få viktuppskattning
Tidsram: Omedelbar
Bestämning av tid det tar att erhålla viktuppskattning
Omedelbar
Läkemedelsdoseringsnoggrannhet
Tidsram: Första 72 timmarna
Bestämning av noggrannhet mot referensstandard
Första 72 timmarna
Korrekt doseringsskalär används
Tidsram: Första 72 timmarna
Bestämning av noggrannhet mot referensstandard
Första 72 timmarna

Sekundära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Noggrannhet av vågar i sängen
Tidsram: Omedelbar
Bestämning av noggrannhet mot referensstandard
Omedelbar

Samarbetspartners och utredare

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

Utredare

  • Studierektor: Mike Wells, MD, PhD, Research Professor

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 (Beräknad)

1 juni 2026

Primärt slutförande (Beräknad)

1 juni 2027

Avslutad studie (Beräknad)

1 september 2027

Studieregistreringsdatum

Först inskickad

21 februari 2024

Först inskickad som uppfyllde QC-kriterierna

21 februari 2024

Första postat (Faktisk)

28 februari 2024

Uppdateringar av studier

Senaste uppdatering publicerad (Faktisk)

6 juni 2025

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

5 juni 2025

Senast verifierad

1 juni 2025

Mer information

Termer relaterade till denna studie

Ytterligare relevanta MeSH-villkor

Andra studie-ID-nummer

  • 1617209

Plan för individuella deltagardata (IPD)

Planerar du att dela individuella deltagardata (IPD)?

JA

IPD-planbeskrivning

Data som genereras under detta projekt kommer att delas i flera olika forum. Data kommer att delas lokalt vid Florida Atlantic University genom presentationer. Resultaten kommer att göras tillgängliga för det bredare forskarsamhället genom publikationer och presentationer vid nationella och internationella möten. Protokoll och/eller metoder som utvecklats under den föreslagna studien kommer att göras lätt tillgängliga för utbildnings-, forsknings- och ideella ändamål, förutsatt att ett avtal om datadelning undertecknas. Alla andra viktiga tekniker som utvecklas från detta arbete kommer att göras tillgängliga elektroniskt för alla icke-affärsändamål som beskrivs ovan. Det avsedda datumet för sådan tillgänglighet kommer att vara mindre än 6 månader efter uppfyllelsen av de specifika målen med detta förslag. Dessutom kommer en datauppsättning som innehåller icke-identifierbara punktmolnsdata och bilder, tillsammans med markviktsdata, att lagras i ett arkiv som kan nås genom ett datadelningsavtal.

Tidsram för IPD-delning

Inom 6 månader efter avslutad studie.

Kriterier för IPD Sharing Access

På förfrågan.

IPD-delning som stöder informationstyp

  • STUDY_PROTOCOL
  • ANALYTIC_CODE

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