使用传感器的住院患者中风恢复
可穿戴传感器平台在住院康复期间监测中风恢复情况
研究概览
详细说明
目标:
目标 1:评估使用可穿戴传感器对住院卒中患者进行连续长期监测的可行性。
研究人员将从临床环境中亚急性和慢性中风患者的研究级无线可穿戴传感器以及健康对照中获取定量健康数据。
研究人员将专门检查设备数据的可变性,以及整个临床研究期间传感器读数的一致性和周期性。 研究人员将分析将可穿戴传感器技术用于临床和监测应用的重测可靠性和评估者间可靠性。 此外,研究人员将确定传感器是否可以区分健康对照和中风患者之间的生物特征和活动特征。
目标 2:量化上肢和下肢运动障碍、移动相关活动、言语和吞咽活动以及中风恢复期间的临床参数。
研究人员将在执行经过验证的临床测试和一般住院活动(例如治疗、饮食, 和睡觉)。
研究人员将设备数据与经过临床验证的运动和语言功能测量值进行比较,例如改良的 Ashworth 量表或西方失语症电池组。 研究人员将描述临床医生评估的临床验证措施(10 米步行测试、迷你精神状态测试等)定义的受试者子组中设备数据的变化。 研究人员还将通过比较治疗前后的传感器数据来评估传感器捕捉治疗反应的能力,例如运动疗法、言语治疗、药物治疗和保妥适。 调查人员将提供有关测量变量相互关联程度的证据。 最后,研究人员将使用基于传感器的结果评估和比较出院时患者之间的恢复状态。 由于脑卒中后临床症状的异质性,不同的病因和恢复程度导致不同类型和程度的步态障碍,可以对特定的子数据集进行初步分析以确定哪些预测因子、数据类型和其他数据构成影响算法在应用和评估本研究结束时收集的数据集之前的性能。 可以根据(但不限于)人口特征、使用的传感器、分析时可用的数据对子数据集进行采样。
研究类型
注册 (估计的)
联系人和位置
学习联系方式
- 姓名:Arun Jayaraman, PT, PhD
- 电话号码:3122386875
- 邮箱:a-jayaraman@northwestern.edu
研究联系人备份
- 姓名:Sara Prokup, PT, DPT
- 电话号码:3122381355
- 邮箱:sprokup@ricres.org
学习地点
-
-
Illinois
-
Chicago、Illinois、美国、60611
- 招聘中
- Shirley Ryan AbilityLab
-
接触:
- Sara Prokup, DPT
- 电话号码:312-238-1355
- 邮箱:sprokup@ricres.org
-
首席研究员:
- Arun Jayaraman, PT,PhD
-
-
参与标准
资格标准
适合学习的年龄
接受健康志愿者
取样方法
研究人群
描述
纳入标准:
患者组
- 被诊断患有中风并入住 Shirley Ryan AbilityLab(住院患者)的个人,或社区中患有中风(慢性)的个人
- 年满 18 岁
- 能够并愿意给予书面同意并遵守研究程序
健康对照组
- 没有任何已知重大健康问题的个体(健康对照)
- 年满 18 岁
- 能够并愿意给予书面同意并遵守研究程序
排除标准:
患者组
- 神经退行性疾病作为合并症(如多发性硬化症、阿尔茨海默病、帕金森病等)
- 怀孕或哺乳
- 皮肤过敏或刺激;开放性伤口
- 利用动力植入式心脏装置监测或支持心脏功能(即 起搏器、除颤器或 LVAD)
健康对照组
- 无已知的脑血管意外或神经退化病史(如多发性硬化症、阿尔茨海默病、帕金森病等)
- 怀孕或哺乳
- 皮肤过敏或刺激;开放性伤口
- 利用动力植入式心脏装置监测或支持心脏功能(即 起搏器、除颤器或 LVAD)
学习计划
研究是如何设计的?
设计细节
- 观测模型:队列
- 时间观点:横截面
队列和干预
团体/队列 |
干预/治疗 |
---|---|
患者组
被诊断患有中风并入住 Shirley Ryan AbilityLab(住院患者)的个人,或社区中患有中风(慢性)的个人
|
利用无线可穿戴传感器,捕捉定量生物特征和基于运动的数据。
|
健康对照组
没有任何已知的重大健康问题的个人
|
利用无线可穿戴传感器,捕捉定量生物特征和基于运动的数据。
|
研究衡量的是什么?
主要结果指标
结果测量 |
措施说明 |
大体时间 |
---|---|---|
出院临床评分估计
大体时间:出院住院。平均停留时间为 22 天。
|
根据入院时间点的传感器数据训练的机器学习算法估计的临床分数与出院时评估的真实分数之间的误差。
|
出院住院。平均停留时间为 22 天。
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
---|---|---|
6 分钟步行测试 (6MWT) 的变化
大体时间:从入院时间点到卒中后1-2周、1个月、3个月、6个月、12个月
|
6MWT 测量受试者在 6 分钟内可以在室内平坦、坚硬的表面上行走的距离,必要时使用辅助设备。
该测试是对功能性运动能力的可靠且有效的评估,并用作有氧运动能力和耐力的次最大测试。
亚急性中风患者的最小可检测变化为 60.98 米。
可穿戴传感器用于监测测试期间受试者的运动。
|
从入院时间点到卒中后1-2周、1个月、3个月、6个月、12个月
|
10 米步行测试 (10MWT) 的变化
大体时间:从入院时间点到卒中后1-2周、1个月、3个月、6个月、12个月
|
10MWT 测量步行 10 米所需的时间。
时间将使用秒表记录并记录到百分之一秒。
通过在课程开始和结束时增加 1 米以隔离受试者的稳态速度,将加速和减速的影响降至最低。
测试将以正常的自选配速和较快的配速各记录 3 次,中间有足够的休息。
结果将从 3 次试验中取平均值。
任何辅助设备或矫形器应始终保持一致并记录在案。
可穿戴传感器用于监测测试期间受试者的运动。
|
从入院时间点到卒中后1-2周、1个月、3个月、6个月、12个月
|
Berg 平衡量表 (BBS) 的变化
大体时间:从入院时间点到卒中后1-2周、1个月、3个月、6个月、12个月
|
BBS 是一项 14 项测试,按 5 级顺序量表评分,并根据中风患者的住院时间和出院目的地进行验证。
总分表示为 0 到 56 之间的数字,其中较低的分数表示平衡障碍增加。
它测量静态和动态任务(坐、站、从坐到站的过渡等)期间临床环境中的功能平衡。
可穿戴传感器用于监测测试期间受试者的运动。
|
从入院时间点到卒中后1-2周、1个月、3个月、6个月、12个月
|
Timed Up and Go (TUG) 的变化
大体时间:从入院时间点到卒中后1-2周、1个月、3个月、6个月、12个月
|
TUG 通过测量一个人从椅子上站起来、步行 3 米、转身、走回椅子并坐下所需的时间来评估活动能力。
它可以检测中风患者活动能力的纵向变化。
受试者穿着他们的常规鞋类和矫形器,并可以使用他们的助行器。
可穿戴传感器用于监测测试期间受试者的运动。
|
从入院时间点到卒中后1-2周、1个月、3个月、6个月、12个月
|
功能性步态评估 (FGA) 的变化
大体时间:从入院时间点到卒中后1-2周、1个月、3个月、6个月、12个月
|
FGA 由 10 个项目组成,其中包含来自动态步态指数的 8 个项目中的 7 个(绕过障碍物行走除外)和 3 个附加任务,包括在狭窄的支撑基础上行走、闭眼行走和向后行走。
受试者对每个测试项目的表现采用 4 分制(0-3)评分,总分在 0 到 30 之间。
可穿戴传感器用于监测测试期间受试者的运动。
|
从入院时间点到卒中后1-2周、1个月、3个月、6个月、12个月
|
步态变化分析
大体时间:从入院时间点到卒中后1-2周、1个月、3个月、6个月、12个月
|
步态分析提供了一种基于步态时空参数评估步行功能的定量方法。
受试者在 GaitRite 系统上以既舒适又快速的步伐行走,GaitRite 系统是一种带有集成传感器的电子人行道。
来自 GaitRite 的数据对于评估步行特性是可靠和有效的,并且为验证来自传感器的步态参数提供了黄金标准。
可穿戴传感器用于监测测试期间受试者的运动。
|
从入院时间点到卒中后1-2周、1个月、3个月、6个月、12个月
|
三个月临床评分估计
大体时间:中风事件后 3 个月
|
根据入院时间点的传感器数据训练的机器学习算法估计的临床分数与中风事件后三个月评估的真实分数之间的误差。
|
中风事件后 3 个月
|
六个月临床评分估计
大体时间:中风事件后 6 个月
|
根据入院时间点的传感器数据训练的机器学习算法估计的临床分数与中风事件后六个月评估的真实分数之间的误差。
|
中风事件后 6 个月
|
十二个月的临床评分估计
大体时间:中风事件后 12 个月
|
根据入院时间点的传感器数据训练的机器学习算法估计的临床分数与中风事件后 12 个月评估的真实分数之间的误差。
|
中风事件后 12 个月
|
合作者和调查者
调查人员
- 首席研究员:Arun Jayaraman, PT, PhD、Study Principal Investigator
研究记录日期
研究主要日期
学习开始 (实际的)
初级完成 (估计的)
研究完成 (估计的)
研究注册日期
首次提交
首先提交符合 QC 标准的
首次发布 (实际的)
研究记录更新
最后更新发布 (实际的)
上次提交的符合 QC 标准的更新
最后验证
更多信息
此信息直接从 clinicaltrials.gov 网站检索,没有任何更改。如果您有任何更改、删除或更新研究详细信息的请求,请联系 register@clinicaltrials.gov. clinicaltrials.gov 上实施更改,我们的网站上也会自动更新.