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

Validerar trådlös gångsensor för fallriskklassificering för äldre

17 juni 2025 uppdaterad av: Sungchul Huh, Pusan National University Yangsan Hospital

En studie om validering av gånganalys Trådlös liten tröghetssensor och diagnostisk maskininlärningsmodell för klassificering av fallriskgrupp för äldre

Gåstatusen för äldre patienter över 65 år på sjukhuset kommer att verifieras genom politisk analys och objektiv fallriskbedömning genom trådlösa tröghetssensorer och diagnostiska maskininlärningsmodeller, och baserat på resultaten, som utredare, en grund för målet. utvärdering av risken för fall av patienter av sjuksköterskor på allmänna avdelningar i framtiden.

Studieöversikt

Status

Avslutad

Betingelser

Intervention / Behandling

Detaljerad beskrivning

För närvarande, när det gäller allmänna kliniska avdelningar i Korea, ändras utvärderaren som bedömer risken att falla under patientens sjukhusvistelse varje gång, och utvärderingen av fallrisk skiljer sig för samma patient beroende på utvärderarens subjektivitet. Därför kräver utvärdering av fall att patientens gång bedöms utifrån konsekventa kriterier. Genom gånganalys med en trådlös liten tröghetssensor finns en förväntan om att förekomsten av fallrisk kommer att minska. Vid analys av gång för att klassificera fallriskgrupper bör kvantitativ utvärdering göras för steglängd, gånghastighet, stegbredd, kadens och gångcykel, men för närvarande utförs inte fallbedömningar som tar hänsyn till detta korrekt. Därför är det nödvändigt att förbereda och tillämpa kvantitativa standarder för fallutvärdering genom gånganalys genom trådlösa små tröghetssensorer och datamaskininlärning för att klassificera fallrisken hos äldre sjukhuspatienter.

Studietyp

Interventionell

Inskrivning (Faktisk)

51

Fas

  • Inte tillämpbar

Kontakter och platser

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

Studieorter

Deltagandekriterier

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

Urvalskriterier

Åldrar som är berättigade till studier

  • Vuxen
  • Äldre vuxen

Tar emot friska volontärer

Nej

Beskrivning

Inklusionskriterier:

  1. en person över 55 år
  2. Personer som kan gå självständigt i minst en minut
  3. De som inte tar droger som påverkar deras förmåga att hålla balansen
  4. En person som inte har ett ortopediskt problem såsom en fraktur i nedre extremiteterna inom sex månader

Exklusions kriterier:

  1. De som har svårt att förstå gånganalysprogrammet eller svårt att uttrycka symtom
  2. En person som bedömts olämplig för denna studie av en rehabiliteringsspecialist på grund av andra tillstånd
  3. En person som inte kan tillämpa detta gånganalysprogram på grund av allvarliga hjärt-kärlsjukdomar

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: N/A
  • Interventionsmodell: Enskild gruppuppgift
  • Maskning: Ingen (Open Label)

Vapen och interventioner

Deltagargrupp / Arm
Intervention / Behandling
Experimentell: Gånggrupp
  1. De i åldern 55 år eller äldre
  2. De som kan gå självständigt i minst 1 minut
  3. De som inte tar mediciner som påverkar förmågan att upprätthålla balansen
  4. De som inte har haft några ortopediska problem som frakturer i nedre extremiteterna under de senaste 6 månaderna
Deltagargångsanalys med tröghetssensorn

Vad mäter studien?

Primära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Falls Risk Assessment Scale
Tidsram: Patientgångsdata samlas in kontinuerligt under studieperioden, vilket möjliggör kontinuerlig mätning av fallrisken.
En skala för fallriskbedömning mätt genom analys av patienternas gång med hjälp av trådlösa tröghetssensorer och en diagnostisk maskininlärningsmodell.
Patientgångsdata samlas in kontinuerligt under studieperioden, vilket möjliggör kontinuerlig mätning av fallrisken.

Samarbetspartners och utredare

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

Samarbetspartners

Utredare

  • Huvudutredare: Sungchul Huh, PhD, Pusan National University Yangsan Hospital

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 december 2023

Primärt slutförande (Faktisk)

5 januari 2024

Avslutad studie (Faktisk)

30 april 2024

Studieregistreringsdatum

Först inskickad

21 december 2023

Först inskickad som uppfyllde QC-kriterierna

2 maj 2024

Första postat (Faktisk)

3 maj 2024

Uppdateringar av studier

Senaste uppdatering publicerad (Faktisk)

22 juni 2025

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

17 juni 2025

Senast verifierad

1 juni 2025

Mer information

Termer relaterade till denna studie

Andra studie-ID-nummer

  • 11-2023-001

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