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 och kroppssammansättning i realtid under akut medicinsk vård. Studie 1

15 december 2025 uppdaterad av: Florida Atlantic University

Maskininlärning och 3D-bildbaserad modellering för uppskattning av kroppsvikt och kroppssammansättning i realtid under akut medicinsk vård. Studie 1 - Etablera en modell med hjälp av en enda 3D-kamerabild av en liggande patient för att noggrant uppskatta TBW, IBW och LBW.

Målet med denna observationsstudie är att träna och validera ett AI-drivet 3D-kamerasystem för att uppskatta total kroppsvikt, ideal kroppsvikt och mager kroppsvikt hos manliga och kvinnliga vuxna frivilliga i alla åldrar. Huvudfrågorna som denna studie syftar till att besvara är:

  • Vilken grad av noggrannhet av viktuppskattning kan vi uppnå med ett AI-drivet 3D-kamera viktuppskattningssystem?
  • Är denna noggrannhet densamma hos vuxna av båda könen, alla åldrar och alla kroppstyper (underviktiga, normalviktiga, överviktiga)? Deltagarna kommer att genomgå några antropometriska mätningar (höjd, mittarmsomkrets, viktomkrets, höftomkrets, uppmätt vikt), en DXA-skanning (för att mäta mager kroppsvikt) och 3D-bilder med en 3D-kamera.

Det blir inga ingrepp.

Studieöversikt

Detaljerad beskrivning

Denna studie är en observationsstudie med ett centrum för att träna, internt validera och testa ett AI-drivet 3D-kameraviktuppskattningssystem. Vår hypotes är att detta system, när det används i hanteringen av akut sjuka patienter, kommer att kunna uppskatta total kroppsvikt, ideal kroppsvikt och mager kroppsvikt mer exakt än andra nuvarande point-of-care-system. Friska volontärer kommer att användas för att träna och testa systemet. Under en enda datainsamlingssession på cirka 30 minuter kommer antropometrisk baslinjedata, en DXA-skanning och 3D-kamerabilder av frivilliga som ligger på en medicinsk bår att fångas. Det kommer inga ingripanden och ingen uppföljning av deltagare. Den insamlade informationen kommer att användas för att träna en AI-algoritm (baserad på artificiella neurala nätverk) för att uppskatta vikten med hjälp av en enda djupbild. När AI-systemet är fullt utvecklat kommer noggrannheten i dess viktuppskattningsprestanda att utvärderas i en oberoende testdatauppsättning.

Studietyp

Observationell

Kontakter och platser

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

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

Ja

Testmetod

Icke-sannolikhetsprov

Studera befolkning

Studenter, personal och lärare vid Boca Raton campus vid Florida Atlantic University.

Beskrivning

Inklusionskriterier:

  • Vilken villig volontär som helst.

Uteslutningskriterier:

  • Deltagare med en kroppsvikt som överstiger DXA-maskinens kapacitet >204 kg (450 lbs);
  • Gravida deltagare;
  • Deltagare med medicinska tillstånd som kan förvirra studien;
  • Deltagare med metalliska kirurgiska implantat;
  • Deltagare som har gjort en röntgen med kontrast den senaste veckan;
  • Deltagare som har tagit kalciumtillskott under 24 timmar före studien.

Studieplan

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

Hur är studien utformad?

Designdetaljer

Vad mäter studien?

Primära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
TBW-uppskattning
Tidsram: Baslinje
Noggrannhet av TBW-uppskattning med 3D-kamerasystem
Baslinje
IBW-uppskattning
Tidsram: Baslinje
Noggrannhet av IBW-uppskattning med 3D-kamerasystem
Baslinje
LBW-uppskattning
Tidsram: Baslinje
Noggrannhet av LBW-uppskattning med 3D-kamerasystem
Baslinje

Sekundära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Sexrelaterad noggrannhet
Tidsram: Baslinje
Skillnad i noggrannhet mellan män och kvinnor
Baslinje
Åldersrelaterad noggrannhet
Tidsram: Baslinje
Noggrannhet av viktuppskattning per åldersgrupp
Baslinje
BMI-relaterad noggrannhet
Tidsram: Baslinje
Noggrannhet i viktuppskattningen efter undergrupp av viktstatus
Baslinje

Samarbetspartners och utredare

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

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 juli 2025

Primärt slutförande (Beräknad)

30 juni 2026

Avslutad studie (Beräknad)

30 juni 2026

Studieregistreringsdatum

Först inskickad

15 oktober 2024

Först inskickad som uppfyllde QC-kriterierna

16 oktober 2024

Första postat (Faktisk)

17 oktober 2024

Uppdateringar av studier

Senaste uppdatering publicerad (Faktisk)

19 december 2025

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

15 december 2025

Senast verifierad

1 december 2025

Mer information

Termer relaterade till denna studie

Andra studie-ID-nummer

  • 1791994(1)

Plan för individuella deltagardata (IPD)

Planerar du att dela individuella deltagardata (IPD)?

JA

IPD-planbeskrivning

Molnpunktsdata från 3D-bilder kommer att delas på begäran.

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