模式识别假肢控制 (Adaptation)
2022年10月19日 更新者：Coapt, LLC
控制系统自适应在现实环境中改善上肢假肢磨损时间的效果，一项随机交叉试验
许多不同的因素会降低用户使用基于肌电图 (EMG) 的模式识别控制来控制的上肢假肢的性能。
传统的控制系统需要经常重新校准以实现一致的性能，这可能导致假肢用户选择减少佩戴他们的设备。
本研究调查了一种新的自适应模式识别控制算法，该算法在每个实例用户重新校准时重新训练而不是覆盖现有控制系统。
研究假设是这种自适应控制系统将导致更令人满意的假肢控制，从而减少重新校准的需要并增加用户佩戴设备的频率。
参与者将像平时在家使用每个控制系统（自适应和非自适应）一样佩戴假肢 8 周，中间有 1 周的清洗期（总共 17 周）。
将在每个时期监测假肢的使用情况，以便在使用自适应或非自适应控制时比较用户佩戴时间和重新校准频率。
参与者还将在每个阶段的开始（0 个月）、中点（1 个月）和结束（2 个月）时在计算机上玩一组虚拟游戏，测试他们使用每个阶段控制假肢运动的能力控制系统。
将在每个时期评估用户性能的变化，并在两个控制系统之间进行比较。
这项研究不仅将评估自适应模式识别控制的有效性，而且将在典型和现实的假肢使用条件下在家中进行。
研究概览
研究类型
介入性
注册 (实际的)
9
阶段
- 不适用
联系人和位置
本节提供了进行研究的人员的详细联系信息，以及有关进行该研究的地点的信息。
学习地点
-
-
Illinois
-
Chicago、Illinois、美国、60654
- Coapt, LLC
-
-
参与标准
研究人员寻找符合特定描述的人，称为资格标准。这些标准的一些例子是一个人的一般健康状况或先前的治疗。
资格标准
适合学习的年龄
18年 至 70年 (成人、年长者)
接受健康志愿者
不
有资格学习的性别
全部
描述
纳入标准：
- 受试者在经桡动脉（手腕和肘部之间）、肘部关节脱位（肘部）、肱骨关节脱位（肘部和肩部之间）或肩部关节脱位（肩部）水平上存在上肢差异（先天性或后天性）。
- 受试者适合或已经是 Coapt 模式识别用户（Coapt Complete Control Gen 2）。
- 受试者年龄在 18 至 70 岁之间。
排除标准：
- 具有严重认知缺陷或视觉障碍的受试者，这将妨碍他们在实验期间给予知情同意或遵循指示，或获得相关用户反馈讨论的能力。
- 不会说英语的受试者。
- 怀孕的受试者。
学习计划
本节提供研究计划的详细信息，包括研究的设计方式和研究的衡量标准。
研究是如何设计的？
设计细节
- 主要用途：治疗
- 分配：随机化
- 介入模型：交叉作业
- 屏蔽：单身的
武器和干预
参与者组/臂 |
干预/治疗 |
|---|---|
|
实验性的：自适应控制
自适应控制系统通过结合新的 EMG 数据来更新模式识别控制算法，每次假肢用户重新校准他们的设备。
|
使用基于肌电图 (EMG) 的模式识别控制器在家庭试验中移动上肢假肢装置。
其他名称：
|
|
有源比较器：非自适应控制
每次假肢用户重新校准他们的设备时，传统的非自适应控制系统通过删除旧的 EMG 数据来重置模式识别控制算法。
|
使用基于肌电图 (EMG) 的模式识别控制器在家庭试验中移动上肢假肢装置。
其他名称：
|
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 |
|---|---|---|
|
假肢佩戴时间的差异
大体时间：我们将记录每个居家 8 周期间的假肢总磨损时间。
|
我们将记录参与者在整个家庭试用期间打开或关闭其模式识别设备的每个实例。
假肢佩戴时间定义为参与者在每个居家 8 周期间保持其模式识别设备开启的累计时间。
我们将执行统计分析以比较使用每种类型的模式识别控制系统（自适应和非自适应）时的磨损时间。
我们将完成重复测量方差分析，其中受试者为随机因素，控制系统的阶数为固定变量，磨损时间为固定变量。
|
我们将记录每个居家 8 周期间的假肢总磨损时间。
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
校准频率的差异
大体时间：我们将在每个居家 8 周期间记录校准频率。
|
我们将记录参与者在整个家庭试用期间重新校准他们的模式识别设备的每个实例。
我们将执行统计分析，以比较使用每个控制系统（自适应和非自适应）时的校准频率。
我们将完成一个重复测量的方差分析，其中受试者为随机因素，控制系统的阶数为固定变量，磨损时间为固定变量。
|
我们将在每个居家 8 周期间记录校准频率。
|
|
虚拟游戏性能的变化
大体时间：参与者将在每个居家 8 周期间的开始（0 个月）、中点（1 个月）和结束（2 个月）完成虚拟游戏。
|
参与者将使用 Coapt Complete ControlRoom 桌面应用程序完成两个名为 Simon Says 和 In-the-Zone 的虚拟游戏。
这两款游戏都将测试参与者如何使用他们的模式识别设备控制虚拟物体的运动。
我们将通过计算完成率、移动时间、路径效率来衡量它们的整体控制性能。
我们将进行统计分析，以比较使用每个控制系统时的虚拟游戏性能。
我们将完成一个重复测量方差分析，以受试者为随机因素，模式识别控制系统的顺序为固定变量，每个性能指标为固定变量。
|
参与者将在每个居家 8 周期间的开始（0 个月）、中点（1 个月）和结束（2 个月）完成虚拟游戏。
|
|
RIC 的矫形假肢用户调查
大体时间：参与者将在每个 8 周的开始（0 个月）和结束（2 个月）时完成 OPUS。每个在家 8 周的时间。
|
参与者将完成 RIC 矫形假肢用户调查 (OPUS) 中的上肢功能状态模块。
OPUS 要求假肢使用者对使用他们的模式识别设备执行上臂/手部功能的难度级别（从非常容易到非常困难）进行评分。
调查数据将使用等级量表分析（Rasch 模型）进行评估。
|
参与者将在每个 8 周的开始（0 个月）和结束（2 个月）时完成 OPUS。每个在家 8 周的时间。
|
|
假肢用户调查
大体时间：参与者将在他们的研究参与（17 周）结束时完成调查。
|
参与者将完成一项调查或电话采访，以提供关于他们更喜欢自适应还是非自适应控制系统的反馈。
参与者将告知他们是否更喜欢他们在第一个或第二个 8 周期间使用的控制系统。
|
参与者将在他们的研究参与（17 周）结束时完成调查。
|
|
分类精度的差异
大体时间：我们将在每个居家 8 周期间的开始（0 个月）、中点（1 个月）和结束（2 个月）记录分类准确性。
|
将指导参与者使用他们的模式识别设备进行一组独立的假肢动作，并保持每个动作 3 秒钟。
对于每个动作，我们将每 50 毫秒记录一次由其模式识别分类器确定的输出动作类别。
我们将通过计算分类精度来衡量使用每个控制系统（自适应和非自适应）时分类器的性能，分类精度定义为每个运动的正确分类数占总分类数的比值。
我们将执行统计分析以比较使用每个控制系统时的分类准确性。
我们将完成一次重复测量方差分析，其中受试者为随机因素，模式识别控制系统的顺序为固定变量，分类准确率为固定变量。
|
我们将在每个居家 8 周期间的开始（0 个月）、中点（1 个月）和结束（2 个月）记录分类准确性。
|
合作者和调查者
在这里您可以找到参与这项研究的人员和组织。
赞助
调查人员
- 首席研究员：Blair Lock, MScE、Coapt, LLC
出版物和有用的链接
负责输入研究信息的人员自愿提供这些出版物。这些可能与研究有关。
一般刊物
- Simon AM, Hargrove LJ, Lock BA, Kuiken TA. Target Achievement Control Test: evaluating real-time myoelectric pattern-recognition control of multifunctional upper-limb prostheses. J Rehabil Res Dev. 2011;48(6):619-27. doi: 10.1682/jrrd.2010.08.0149.
- Chicoine CL, Simon AM, Hargrove LJ. Prosthesis-guided training of pattern recognition-controlled myoelectric prosthesis. Annu Int Conf IEEE Eng Med Biol Soc. 2012;2012:1876-9. doi: 10.1109/EMBC.2012.6346318.
- Scheme E, Englehart K. Electromyogram pattern recognition for control of powered upper-limb prostheses: state of the art and challenges for clinical use. J Rehabil Res Dev. 2011;48(6):643-59. doi: 10.1682/jrrd.2010.09.0177.
- Kyranou I, Vijayakumar S, Erden MS. Causes of Performance Degradation in Non-invasive Electromyographic Pattern Recognition in Upper Limb Prostheses. Front Neurorobot. 2018 Sep 21;12:58. doi: 10.3389/fnbot.2018.00058. eCollection 2018.
研究记录日期
这些日期跟踪向 ClinicalTrials.gov 提交研究记录和摘要结果的进度。研究记录和报告的结果由国家医学图书馆 (NLM) 审查，以确保它们在发布到公共网站之前符合特定的质量控制标准。
研究主要日期
学习开始 (实际的)
2020年12月17日
初级完成 (实际的)
2022年5月20日
研究完成 (实际的)
2022年5月20日
研究注册日期
首次提交
2020年2月13日
首先提交符合 QC 标准的
2020年2月13日
首次发布 (实际的)
2020年2月17日
研究记录更新
最后更新发布 (实际的)
2022年10月20日
上次提交的符合 QC 标准的更新
2022年10月19日
最后验证
2022年10月1日
更多信息
与本研究相关的术语
其他研究编号
- 120190044
- W81XWH-17-1-0645 (其他赠款/资助编号：US Army Medical Research Acquisition Activity)
计划个人参与者数据 (IPD)
计划共享个人参与者数据 (IPD)？
是的
IPD 计划说明
只能共享在研究期间收集的去识别化的个人参与者数据。
这包括作为出版物结果基础的任何实验数据，例如 EMG 数据、假肢使用数据、虚拟游戏数据以及调查和问卷。
IPD 共享时间框架
我们希望研究数据和结果在研究结束时在完成数据分析和发布后可用。
IPD 共享访问标准
与谁共享数据或在何处提供数据由授权的研究人员自行决定。
只有去识别化的数据将使用标准数据文件格式（.csv 或 .txt）共享。
数据可以与整个研究社区共享，以促进科学和健康。
只有在需要在科学期刊上发表时，数据才会通过在线数据共享网站公开。
数据分析完成后，研究结果可应要求与受试者共享，并将以期刊出版物的形式向公众传播。
研究结果也可能会发布在 Coapt 网站上。
IPD 共享支持信息类型
- 研究协议
- 统计分析计划 (SAP)
- 临床研究报告（CSR）
- 解析代码
药物和器械信息、研究文件
研究美国 FDA 监管的药品
不
研究美国 FDA 监管的设备产品
是的
在美国制造并从美国出口的产品
不
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.