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

AI-baserat fysioterapievaluationssystem för rörelseomfång hos patienter med munhålacancer

6 april 2026 uppdaterad av: National Taiwan University Hospital

Validitet och reliabilitet hos ett AI-baserat fysioterapiutvärderingssystem för oromandibulär och nacke-skuldra rörelseomfång hos patienter med munhålacancer

Denna studie syftar till att utvärdera validiteten och reliabiliteten hos ett nytt AI-baserat fysioterapibedömningssystem för att mäta oromandibulär och nacke-skuldra rörelseomfång (ROM). Traditionella ROM-bedömningar förlitar sig på manuella mätningar, vilka kan påverkas av bedömarens erfarenhet och variationer. Det föreslagna AI-systemet använder automatiserad nyckelpunktsuppföljning för att tillhandahålla objektiva och standardiserade mätningar.

I denna tvärsnittsstudie kommer friska vuxna deltagare att utföra standardiserade ROM-uppgifter. Mätningar från AI-systemet kommer att jämföras med mätningar från två oberoende bedömare som använder konventionella kliniska verktyg. Upprepade mätningar kommer att genomföras för att bedöma intra- och interbedömarreliabilitet. Överensstämmelsen mellan AI-systemet och mänskliga bedömare kommer att utvärderas för att fastställa systemets kliniska tillämpbarhet.

Studieöversikt

Status

Rekrytering

Detaljerad beskrivning

Denna studie är en tvärsnittsstudie som är utformad för att utvärdera tillförlitligheten och samtidig validitet av ett AI-baserat fysioterapibedömningssystem för att bedöma oromandibulär och nacke-skuldra rörelseomfång (ROM). Deltagare kommer att vara friska vuxna i åldrarna 20 till 70 år som uppfyller fördefinierade inklusions- och exklusionskriterier. Efter att ha gett informerat samtycke kommer deltagarna att utföra standardiserade rörelser, inklusive munnöppning samt cervikala och skulderrörelseuppgifter.

Varje deltagare kommer att genomgå tre upprepade mätningar för varje rörelse. ROM kommer att bedömas med tre metoder: (1) ett AI-baserat system som använder realtidsnyckelpunktsspårning och automatisk vinkelberäkning, (2) manuell mätning av Bedömare 1, och (3) oberoende manuell mätning av Bedömare 2 med hjälp av en goniometer eller TheraBite ROM-skala.

För att minimera mätbias och trötthetseffekter kommer ordningen för de tre bedömningsmetoderna att randomiseras för varje deltagare. Bedömarna kommer att vara blindade för varandras mätningar och för de AI-genererade resultaten.

De primära utfallen inkluderar interbedömarreliabilitet och intra-bedömarreliabilitet för AI-systemet, samt överensstämmelse mellan AI-baserade och manuella mätningar. Tillförlitlighet kommer att bedömas med intraklasskorrelationskoefficienter (ICC), medan överensstämmelse kommer att utvärderas med Bland-Altman-analys och medelabsolut fel (MAE).

Denna studie förväntas ge evidens som stöder den kliniska tillämpbarheten av AI-baserade fysioterapibedömningsverktyg, särskilt för standardiserade och skalbara muskuloskeletala utvärderingar.

Studietyp

Observationell

Inskrivning (Beräknad)

20

Kontakter och platser

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

Studiekontakt

Studieorter

      • Taipei, Taiwan, 100
        • Rekrytering
        • School and Graduate Institute of Physical Therapy, College of Medicine, National Taiwan University
        • Kontakt:
          • Yueh-Hsia Chen, Ph.D

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

Studiepopulationen består av friska vuxna volontärer i åldrarna 20 till 70 år som rekryterats genom icke-sannolikhetsurval. Deltagare utan tidigare trismus, huvud- och halscancer eller muskuloskeletala tillstånd som påverkar huvud-, hals- eller skulderregioner är berättigade. Alla deltagare kan följa instruktioner och utföra standardiserade rörelseuppgifter. Denna population väljs för att etablera baslinjemätningar och utvärdera tillförlitligheten och validiteten hos det AI-baserade fysioterapiutvärderingssystemet under kontrollerade förhållanden.

Beskrivning

Inklusionskriterier:

  • Friska vuxna i åldern 20 till 70 år
  • Ingen trismus
  • Ingen historia av huvud-, nack- eller axelskada eller operation
  • Ingen historia av strålbehandling eller kemoterapi relaterad till huvud- och halscancer

Exklusionskriterier:

  • Oförmåga att kommunicera eller följa instruktioner
  • Allt tillstånd som kan påverka rörelseprestation

Studieplan

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

Hur är studien utformad?

Designdetaljer

Kohorter och interventioner

Grupp / Kohort
Frisk grupp
Friska vuxna i åldern 20 till 70 år utan tidigare trismus, huvud-, nacke- eller axelskador eller operationer, eller strålbehandling/kemostrålbehandling relaterad till HNC rekryterades.

Vad mäter studien?

Primära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Avtal mellan AI och manuella mätningar
Tidsram: Baslinje
Överensstämmelse mellan AI-baserade och manuella mätningar bedömda med intraklasskorrelationskoefficienter (ICC) och Bland-Altman-analys
Baslinje

Sekundära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Mean Absolute Error (MAE)
Tidsram: Baslinje
Genomsnittlig absolut skillnad mellan AI-mätningar och manuella mätningar
Baslinje
Intrabedömarens reliabilitet hos mänskliga bedömare
Tidsram: Baselinte
Konsistens av manuella mätningar av Bedömare 1 och Bedömare 2 över upprepade försök med intraklasskorrelationskoefficienter (ICC)
Baselinte
Interbedömars reliabilitet mellan alla bedömare
Tidsram: Baslinje
Överensstämmelse mellan mätningar som erhållits från AI-systemet, Bedömare 1 och Bedömare 2 kommer att bedömas med intraklasskorrelationskoefficienter (ICC)
Baslinje
Intrabedömartillförlitlighet för AI-system
Tidsram: Baslinje
Konsistens för AI-baserade mätningar över tre upprepade försök med intraklasskorrelationskoefficienter (ICC)
Baslinje
Systematisk mätbias
Tidsram: Baslinje
Genomsnittlig skillnad mellan AI-baserade och manuella mätningar
Baslinje

Samarbetspartners och utredare

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

Utredare

  • Huvudutredare: Yueh-Hsia Chen, Ph.D., School and Graduate Institute of Physical Therapy, College of Medicine, National Taiwan University

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.

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)

7 april 2026

Primärt slutförande (Beräknad)

31 maj 2026

Avslutad studie (Beräknad)

31 december 2027

Studieregistreringsdatum

Först inskickad

29 mars 2026

Först inskickad som uppfyllde QC-kriterierna

29 mars 2026

Första postat (Faktisk)

3 april 2026

Uppdateringar av studier

Senaste uppdatering publicerad (Faktisk)

13 april 2026

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

6 april 2026

Senast verifierad

1 mars 2026

Mer information

Termer relaterade till denna studie

Plan för individuella deltagardata (IPD)

Planerar du att dela individuella deltagardata (IPD)?

NEJ

IPD-planbeskrivning

Individuella deltagardata (IPD) kommer inte att delas på grund av integritetsskäl och institutionella föreskrifter. Även om AI-systemet bearbetar avidentifierade nyckelpunktsdata, kan datasetet fortfarande innehålla information som potentiellt skulle kunna återidentifieras. Datadelning kan övervägas vid rimlig begäran och med hänsyn till institutionell granskning och dataskyddspolicyer.

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