- ICH GCP
- Amerikanska kliniska prövningsregistret
- Klinisk prövning NCT06596993
Utveckla ett balansrehabiliteringssystem för äldre vuxna, baserat på IMU och AI: Personlig träning och förebyggande strategier
Utveckla ett balansrehabiliteringssystem för äldre vuxna, baserat på avkänning av tröghetsmätenheter och artificiell intelligens: Personlig träning och förebyggande strategier
Studieöversikt
Status
Betingelser
Intervention / Behandling
Detaljerad beskrivning
Utvecklingen av ett balansrehabiliteringssystem för äldre vuxna, som integrerar avkänning av tröghetsmätenheter (IMU) och artificiell intelligens (AI). De viktigaste tekniska komponenterna och metodiken är följande:
Teknologisk grund:
IMU-sensorer kommer att användas för att övervaka och bedöma mänskliga rörelser och hållning. Dessa sensorer upptäcker rörelse genom accelerometrar, gyroskop och magnetometrar, vilket möjliggör exakt gånganalys.
AI och Generative Adversarial Networks (GAN) kommer att bearbeta data för att anpassa träningsregimer baserat på individens fysiologiska och rörelseegenskaper.
Ett Vicon 3D motion capture-system kommer att användas tillsammans med IMU:er för att validera och samla in data under utvecklingsfasen.
Forskningsfaser:
År 1: Utveckla ett AI-baserat gångträningssystem med hjälp av IMU. Detta innebär att skapa en gångdatabas och balansträningsprotokoll med bilaterala och unilaterala rörelser.
År 2: Optimera träningssystemet med hjälp av AI och GAN för att diversifiera data och förbättra träningseffektiviteten.
År 3: Klinisk validering av systemet genom att jämföra resultat mellan deltagare som genomgår IMU-baserad träning kontra vanliga fysiska övningar.
Utbildningsprotokoll:
Exergame Environment: Deltagarna deltar i övningar i en virtuell miljö, som efterliknar verkliga förhållanden men innehåller konstgjorda element för att utmana balans och koordination.
Balansträning: Skateboardbaserad träning fokuserar på ensidiga benrörelser, övervakade av IMU:er för att ge feedback och anpassa svårighetsgraden baserat på prestation.
Dataanalys:
Gångdata: AI och GAN används för att skapa personliga gångprofiler som kommer att matas in i träningssystemet.
Statistisk analys: Olika statistiska tester (t.ex. ANOVA) kommer att bedöma effektiviteten hos systemet jämfört med konventionella rehabiliteringsmetoder.
Detta system syftar till att ge äldre vuxna personlig rehabilitering, minska fallrisken och förbättra deras livskvalitet.
Studietyp
Inskrivning (Beräknad)
Fas
- Inte tillämpbar
Kontakter och platser
Studiekontakt
- Namn: Hsu Wei-Li, Ph. D
- Telefonnummer: 886-2-33668127
- E-post: wlhsu@ntu.edu.tw
Studieorter
-
-
-
Taipei, Taiwan, 100
- Rekrytering
- National Taiwan University, College of Medicine, School and Graduate Institute of Physical Therapy
-
Kontakt:
- Hsu Wei-Li, Ph. D
- Telefonnummer: 886-2-33668127
- E-post: wlhsu@ntu.edu.tw
-
-
Deltagandekriterier
Urvalskriterier
Åldrar som är berättigade till studier
- Vuxen
- Äldre vuxen
Tar emot friska volontärer
Beskrivning
Inklusionskriterier:
Ålder mellan 18 och 80 år som kan gå självständigt
Uteslutningskriterier:
- historia av ortopedisk kirurgi i nedre extremiteterna, ankyloserande spondylit, reumatoid artrit, artros och andra medicinska ledsjukdomar
- De som inte kan kommunicera eller följa instruktioner, och de med grava syn- eller hörselnedsättningar
- den neurologiska försämringen eller vestibulära störningar, såsom stroke, ryggmärgsskada, Menières syndrom.
Studieplan
Hur är studien utformad?
Designdetaljer
- Primärt syfte: Förebyggande
- Tilldelning: Randomiserad
- Interventionsmodell: Parallellt uppdrag
- Maskning: Ingen (Open Label)
Vapen och interventioner
Deltagargrupp / Arm |
Intervention / Behandling |
|---|---|
|
Experimentell: experimentgrupp
IMU-baserad balansträning
|
Med hjälp av AI-teknik för att identifiera rörelsebrister kommer experimentgruppen att genomgå IMU-baserad balansträning
|
|
Övrig: kontrollgrupp
Allmän hälsoutbildning eller träningsträning
|
allmän hälsoutbildning eller träningsträning
|
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Statisk stående balanstest
Tidsram: förträning, efterträning (efter 6 veckor), uppföljning (efter 2 veckor)
|
Balansbedömningar
|
förträning, efterträning (efter 6 veckor), uppföljning (efter 2 veckor)
|
|
Single Leg Standing Test
Tidsram: förträning, efterträning (efter 6 veckor), uppföljning (efter 2 veckor)
|
Balansbedömningar
|
förträning, efterträning (efter 6 veckor), uppföljning (efter 2 veckor)
|
|
Sitt fem gånger för att stå prov
Tidsram: förträning, efterträning (efter 6 veckor), uppföljning (efter 2 veckor)
|
Funktionstester
|
förträning, efterträning (efter 6 veckor), uppföljning (efter 2 veckor)
|
|
Timed Up and Go Test
Tidsram: förträning, efterträning (efter 6 veckor), uppföljning (efter 2 veckor)
|
Funktionstester
|
förträning, efterträning (efter 6 veckor), uppföljning (efter 2 veckor)
|
|
Sex minuters promenadtest
Tidsram: förträning, efterträning (efter 6 veckor), uppföljning (efter 2 veckor)
|
Funktionstester
|
förträning, efterträning (efter 6 veckor), uppföljning (efter 2 veckor)
|
|
Gå över marken
Tidsram: förträning, efterträning (efter 6 veckor), uppföljning (efter 2 veckor)
|
Gångtest
|
förträning, efterträning (efter 6 veckor), uppföljning (efter 2 veckor)
|
|
Går på ett löpband
Tidsram: förträning, efterträning (efter 6 veckor), uppföljning (efter 2 veckor)
|
Gångtest
|
förträning, efterträning (efter 6 veckor), uppföljning (efter 2 veckor)
|
|
Delsys Trigno EMG analyssystem
Tidsram: förträning, efterträning (efter 6 veckor), uppföljning (efter 2 veckor)
|
Tredimensionell rörelseanalys
|
förträning, efterträning (efter 6 veckor), uppföljning (efter 2 veckor)
|
|
Vicon Bonita
Tidsram: förträning, efterträning (efter 6 veckor), uppföljning (efter 2 veckor)
|
Tredimensionell rörelseanalys
|
förträning, efterträning (efter 6 veckor), uppföljning (efter 2 veckor)
|
|
Forcera plattor
Tidsram: förträning, efterträning (efter 6 veckor), uppföljning (efter 2 veckor)
|
Tredimensionell rörelseanalys
|
förträning, efterträning (efter 6 veckor), uppföljning (efter 2 veckor)
|
Samarbetspartners och utredare
Studieavstämningsdatum
Studera stora datum
Studiestart (Faktisk)
Primärt slutförande (Beräknad)
Avslutad studie (Beräknad)
Studieregistreringsdatum
Först inskickad
Först inskickad som uppfyllde QC-kriterierna
Första postat (Faktisk)
Uppdateringar av studier
Senaste uppdatering publicerad (Faktisk)
Senaste inskickade uppdateringen som uppfyllde QC-kriterierna
Senast verifierad
Mer information
Termer relaterade till denna studie
Ytterligare relevanta MeSH-villkor
Andra studie-ID-nummer
- 202309084RIND
Läkemedels- och apparatinformation, studiedokument
Studerar en amerikansk FDA-reglerad läkemedelsprodukt
Studerar en amerikansk FDA-reglerad produktprodukt
produkt tillverkad i och exporterad från U.S.A.
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 .