此页面是自动翻译的,不保证翻译的准确性。请参阅 英文版 对于源文本。

解决老年和神经残疾退伍军人平衡障碍的平衡伸展训练平台 (BATP)

2026年1月20日 更新者:VA Office of Research and Development

到目前为止,跌倒是老年人意外伤害和死亡的主要原因。 退伍军人人口受跌倒的影响更为严重,因为他们的年龄明显高于总人口(45% 超过 65 岁 vs. 13%);退伍军人将从跌倒倾向的准确诊断和治疗中获益更多。 尽管它很重要,但对于平衡控制因年龄和疾病而受到损害的方式仍然知之甚少。 事实证明,对有跌倒风险的人进行治疗干预作用有限。 工程方法非常适合研究和评估平衡;但迄今为止已应用于过于简化的场景,这些场景缺乏复杂性来探测平衡和跌倒的肌肉骨骼和神经生理学基础。

这项研究始于 VA 康复研究与发展 (RR&D) 职业发展奖 (CDA-2),其长期目标是制定改进的指令和协议,用于诊断和治疗与平衡相关的姿势和运动协调问题. 该提案通过开发平衡伸展训练协议 (BRTP) 显着推进了工程方法,以解决平衡障碍诊断和治疗方面的现有差距。 BRTP 不断挑战受试者在较长时间内以其平衡极限执行到达任务,并随着受试者表现出改进的表现而增加这些限制。 该工具的目标是定量评估和提高高危个体在受到身体及其部位的自主运动干扰时保持平衡的能力——这是日常生活中许多活动不可或缺的重要一类平衡障碍,可能会导致跌倒。 BRTP 侧重于达到或超过平衡极限的表现,这与大多数不以这种方式挑战受试者的测试和训练方案不同。 BRTP 最直接和最突出的指标是站立范围的限制边界;我们假设扩大这个边界,正如 BRTP 的设计目的,将改善平衡并使个人更能抵抗跌倒(在预期的平衡障碍的情况下)。

确认这一假设可以为现有培训协议的适度成功率提供新的视角,并为设计有可能显着提高这些成功率的新协议提供方向。 [虽然 BRTP 是一个培训平台,但我们也相信它产生的性能指标和分析结果可以构成新诊断措施的基础,更可靠、更精确地量化和解释天平性能问题;并跟踪它们随时间的变化。] 此类诊断和治疗方案对 VA 医疗保健系统特别有益,因为它会改善以下方面:患者吞吐量、护理质量和治疗成本。 尽管该提案针对的是老龄化的退伍军人群体,但 BRTP 是一种通用工具,可以帮助诊断和治疗由衰老以外的其他情况引起的平衡障碍。 这些包括肥胖、糖尿病(通常会导致下肢肌肉退化和周围神经病变)、肌肉减少症、前庭疾病和中风等神经系统疾病。 平衡能力因创伤性脑损伤 (TBI)(无论是否与战斗有关)而受损的退伍军人也可能从 BRTP 中受益。

研究概览

详细说明

概述:本研究包括三个特定目标 (SA):SA-1) 平衡伸展训练协议 (BRTP) 的开发。 SA-2) 评估 BRTP 的培训效果。 SA-3) 评估 BRTP 的运动学习时间课程。

与特定目标 1 相关的方法:BRTP SA-1.1 的开发: 开发 BRTP 的评估模块。 研究人员将开发一个 BRTP,这样每只脚的位置及其相关的垂直地面反作用力(用于检测踏步),由研究人员现有的测量系统测量,被连续地传输到实时计算工作站并由实验控制读取程序,使其能够持续监控这些数量。 接下来,研究人员将自适应阶梯算法纳入实时实验控制程序,该算法将基于步进建立与受试者的平衡极限 (LoB) 相对应的目标磁盘位置。 研究人员将建立对应于七个目标盘运动方向的 LoB,每个方向对应于质心 (CoM) 运动的特定方向。 目标运动将被编程为在中心 r 和中心线与指定方向线之一重合的小圆形区域内不可预测地移动。 然后受试者使用他们惯用的手食指跟踪目标。 自适应楼梯算法在心理上增加 r,导致目标远离主体,直到主体(佩戴安全带以防止跌倒)必须迈步以避免失去平衡,此时 r 减少了一些增量,并且重复该过程。 在此任务期间,当受试者认为自己有跌倒的危险时,将指示受试者迈步而不是减少他们的追踪运动。 r 增加和减少的程度取决于受试者先前的步进反应,并由自适应阶梯算法确定。 随着该过程的继续,该算法会开发调用步进的 r 值的最大似然估计。 当此估计落在所需的置信区间(此处为 95%)时,该过程终止; LoB 是根据相关的测力板和身体部分位置测量计算得出的。 沿七个方向的磁盘位移将以随机顺序呈现给受试者。

由自适应阶梯算法确定的 r 的七个值将减少 5%,并为其拟合一个椭圆。 根据之前使用的相同的正弦和函数,磁盘将被编程为在以该椭圆为中心的带内不可预测地移动 90 秒;受试者会跟踪它。 在整个跟踪任务中,此轨迹将使受试者保持在或接近其 LoB(并处于其平衡能力的极限)。 以这种方式建立 LoB 消除了 LoB 的现有临床测量中固有的主观性,并且还解释了主体在正确感知其平衡状态和平衡极限方面的上述不确定性。 研究人员认为,这种方法也更准确地模拟了人们跌倒的现实生活条件,LoB 将更好地衡量个人的实际平衡能力。 此外,它还提供了许多其他心理物理测量和功能,可以更好地理解和描述知觉和感觉过程在确定失衡条件中的作用。

评估模块将记录以下数据以表征跟踪任务中的性能

  1. r、 和 LoB 的值对应于每个(图 7A 和 1);
  2. 目标盘的运动(位置与时间);
  3. 15 个身体部分(表 1)中每个部分的运动,以及跟踪手指的尖端(由研究人员的 Vicon 运动捕捉系统测量);
  4. 每只脚和双脚组合(双 Bertec 测力板)的地面反作用力、力矩和 CoP;第 1 项是在自适应楼梯过程中收集的。 项目 2、3 和 4 在自适应楼梯程序和后续跟踪任务(以及训练回合,请参阅 SA-2.1)期间收集。 所有数据将被保存以供离线测试后处理和分析。

SA-1.2:开发 BRTP 的培训模块。 单个培训课程首先管理评估模块以建立受试者的 LoB 和相应的总体目标偏移幅度,并根据它计算不可预测的目标盘轨迹。 然后,训练模块会显示操作员指定的训练次数;其中一个包括呈现轨迹,让受试者在不踩踏的情况下跟踪四分钟,然后是三分钟的坐姿休息时间。 在整个跟踪期间记录性能数据。 训练回合和休息时间的持续时间可以变化(目标是一次训练提供 60 分钟的实际训练)以优化训练效果并适应个体受试者的需求和能力。 在执行跟踪任务时,受试者将被利用以防止跌倒。 随着训练的进行和受试者表现的提高,BRTP 将根据每次训练开始时评估模块测量的增加的 LoB 和相应的整体目标偏移幅度,呈现越来越难的目标轨迹。

与特定目标 2 相关的方法:评估 BRTP 的训练效果 SA-2.1: 执行 BRTP 和 MCET 培训协议。 所有主题测试都在这个特定目标中进行。 调查人员将筛选 90 名高跌倒风险的老年男性和女性,招募其中 80 人,并完成 68 人的培训,假设总体流失率为 25%。

受试者将被随机分配到 BRTP 或 MCET 培训组。 每组将在六周内每周接受 3 次 60 分钟的培训。 BRTP 培训如前所述(参见 SA-1.2)。 VA 马里兰团队为有平衡和行动障碍的老年人开发了 MCET 协议。 该计划根据每个参与者的平衡状况和耐力水平针对他们的能力进行个性化设置。 在这六周内,随着参与者达到运动安全和运动质量的指标,培训从对日常生活功能的器乐活动必不可少的五项“基本”练习发展到 13 项练习。 根据所需的手接触支持水平、剂量(持续时间、组数和重复次数)、强度(运动幅度和节奏)以及多节段运动挑战或复杂性,每项运动的标准化进展。 锻炼节奏向上调整以提供更大的有氧健身挑战,向下调整以促进更大的阻力训练效益(即。 下蹲时间更长)或适应参与者的疲劳程度。 MCET 培训将以小组形式进行。

所有受试者都将在训练前、训练中和训练后的同一时间点使用临床平衡措施(见下文)和 BRTP 评估模块进行评估(见 SA-2.2)。

结果测量:以下平衡、伸展和跌倒风险的“临床测量”将用于评估 BRTP 和 MCET 引起的训练效果。

  1. 多向到达测试
  2. Falls Efficacy Scale,评估 FoF
  3. 生理概况评估 (PPA)
  4. Tinetti 平衡测试(平衡部分)
  5. 迷你天平评估系统测试 (Mini-BESTest)
  6. DASH(手臂、肩膀和头部残疾)测试
  7. 每个受试者在培训后的第一年和整个培训期间经历的跌倒,以及他们跌倒的条件。

    这些措施将在与 BRTP 评估和培训程序不同的一天进行,以免使测试对象过度疲劳。 调查人员还将采用以下基于 BRTP 的平衡和范围措施。

  8. 均方根误差
  9. RMSD-主要结果测量
  10. 平均SoB
  11. LoB RMSD 将是研究人员的主要结果指标。 SA-2.2: 评估 BRTP 培训与 MCET 相比的培训效果。 在培训之前,受试者将使用临床措施和 BRTP 相关措施进行间隔 48 小时的双基线测试。 该评估将在培训中途(培训开始后三周)、培训后立即以及最后一次培训(保留)后六周重复进行。 尽管研究人员在评估培训效果时包括了许多临床和 BRTP 相关的绩效指标,但 RMSD 将是研究人员的主要结果指标。 本研究的主要目的是评估 BRTP 在改善平衡方面的功效。 有可能虽然 BRTP 和 MCET 都改善了平衡,但组间改善差异的幅度可能很小。 由于研究人员将测试的受试者数量相对较少(由于测试的需求和可用于支持测试的资金有限),研究人员可能不会显示组间差异。 为了能够证明每项干预措施都是有效的,研究人员将在基线时对受试者进行两次测试,并将此非干预期间的变化分别与每项积极干预措施产生的变化进行比较。 研究人员的平衡相关临床指标已被证明与跌倒风险和跌倒恐惧 (FoF) 相关。 根据临床测量,训练组表现的具有临床意义的改善将表明 BRTP 改善了平衡功能并降低了跌倒风险。

调查人员还将要求受试者报告他们在训练期间经历的任何跌倒,以及他们跌倒的条件。 一旦受试者完成培训,调查人员将每月通过电子邮件、社交媒体或使用盖章的回邮地址明信片与他们联系,以获取跌倒信息;并通过电话了解他们坠落的情况。

统计分析和预期结果:调查人员将从旨在找到极值的探索性数据分析开始,将检查这些值以确保没有转录错误。 调查人员将在五个时间点获得数据,即基线 1 (B1) 基线 2 (B2)、训练中期 (MT)、训练后 (PT) 和最后一次训练后六周的保留 (R)。 调查人员将使用重复测量方差分析(SAS proc 混合),其中因变量将是从一个时间段到下一个时间段的人内变化,即 B2-B1、MT-B2、PT-MT、R-PT。 该模型将针对组(BRTP、MCET)进行调整;时间段(基线 [B1 到 B2]、早期训练 [B2 到 MT]、后期训练 [MT-PT]、整体训练(B2-PT)、保留 [PT 到 R]);以及时间段 x 组互动。 如果研究人员发现显着的时期 x 组效应,研究人员将使用适当的事后比较来确定显示显着差异的时间点。 研究人员将使用线性对比 1) 通过比较基线期间两组的平均变化与训练期间两组内的平均变化来证明 BRTP 和 MCET 的有效性; 2) 通过比较训练期间的组内变化来比较 BRTP 与 MCET 的效果;和 3) 通过比较保留期间的百分比变化来比较两种干预措施在平衡方面产生长期持久改善的能力。 研究人员将使用 AICC(Akaike 信息标准的修改版本)来确定协方差结构 [例如 非结构化、复合对称和一阶自回归 (AR(1)] 最能解释从同一主题获得的重复观察的序列自相关。

在接受分析结果之前,研究人员将确保数据符合分析假设(例如 残差的正态分布),并且没有数据具有过度的影响或杠杆作用(例如 库克 D). 研究人员将使用多重插补来插补受试者缺失值的后续数据。 每个主要假设都将独立于其他假设进行测试。 研究人员将认为双尾检验 p<0.05 表示具有统计学意义。 研究人员预计 BRTP 在改善功能平衡方面比 MCET 更有效,并且这种改善将在训练后持续六周。 研究人员进一步预计这种改善具有临床意义。

为了比较 BRTP 和 MCET 训练组之间的跌倒率,研究人员将使用泊松回归,其中研究人员将使用 Liang 和 Zeiger 的一般估计方程来解释同一主题重复测量的序列自相关。

与特定目标 3 相关的方法:评估 BRTP 的运动学习时间进程。

SA-3.1:评估 BRTP 的运动学习时间课程。 除了比较 BRTP 和 MCET 的整体训练效果和保留,SA-2.2 的分析还将提供每个训练方案的整体运动学习时间进程的粗略概况。 这些分析将基于先前指定的临床平衡测量和基于 BRTP 的测量,这些测量是在训练前、训练中和训练后的五个时间点获得的。 无法指定更频繁的时间点,因为获得这么多受试者的临床测量所需的手动评估太耗时,无法做到这一点。

纽厄尔等人。 已经注意到,对于诸如人体平衡系统之类的动态系统,训练引起的性能随时间的变化(即运动学习)是构成它的元素的性能变化的集合。 这些基本变化在比上面指定的测量间隔更短的时间内进行。 在更精细的时间范围内对 BRTP 的性能进行更深入的研究,不仅可以提供更详细的运动学习概况,还可以让我们定性和定量地描述驱动整体学习概况的一些更重要的基本性能变化——尤其是那些与更高级别的预测和运动规划过程相关的变化。 临床测量不适合此分析,即使它们可以更频繁地测量,因为它们不直接测量 BRTP 中的性能。 然而,基于 BRTP 的措施确实存在,并且将以必要的频率进行记录。 计算 SoB、RMSE 和 RMSD 的数据将在每次训练中连续自动记录。

该分析涉及输入-输出多项式模型的开发和解释以及描述跟踪和平衡性能的经验传递函数。 研究人员将采用的多项式模型是自回归、移动平均、外生输入 (ARMAX) 模型,其形式为 A(q)y(ti)=B(q)u(ti-nk)+C(q) e(ti)1 对于给定系统,时间序列 y(ti) 是系统的响应,记录在离散时间 ti 上; u(ti-nk) 是系统的输入; e 表示模型中其他项未考虑的残差。 A、B、C为时移算子q的多项式函数; n是长度为k秒的离散时间步数,代表系统的响应延迟。 对于跟踪系统,y 是跟踪误差(磁盘位置-手指位置),u 是目标磁盘位置。 对于平衡系统,y 是 SoB,u 是跟踪手指位置;因为 SoB 被控制以支持跟踪任务。 这些模型是通过确定每个 A、B 和 C 多项式函数(通常为 1-4)中的最佳项数以及这些项的常系数值来构建的,这些值导致最适合数据,在最小化偏差平方和的意义。 这个过程将使用 MatLab 的系统识别工具箱来执行。

多项式模型将系统的基础响应动态 [由 A(q) y*(ti) = B(q)u(ti-nk) 给出] 与无法解释的响应偏差 [C(q)e(ti)] 分开,使我们能够更准确地描述系统的输入输出关系和偏差的性质。 还估计了响应延迟。 跟踪误差模型的多项式函数 A(q) 和 B(q)(常数系数的数量和大小)的结构提供了对更高级别的预测和运动规划过程利用跟踪误差的方式的定性和定量描述和磁盘运动信息,以控制跟踪手指性能并最大限度地减少错误。 鉴于单个系数意味着更高级别的过程采用错误过程或磁盘运动的低阶表示,仅包含空间(位置)信息;两个或更多系数将意味着更丰富的表示,其中还包含速度和加速度信息。 较大的量级系数表明它们各自的项在执行控制任务时得到了更大程度的利用。 对于 SoB 模型,A(q) 的解释更具挑战性,因为该函数还描述了身体和身体部分运动的机制。 然而,B(q) 的解释与跟踪误差的解释类似;尽管在这里,调查人员注意到更高级别的进程比目标磁盘的运动更了解跟踪手指的运动,因为这些进程控制前者。 这可能导致更多或更大的 B(q) 系数,以及相对于手指跟踪模型的响应延迟减少。

将为磁盘运动和跟踪手指和全身 CoM 的结果响应计算离散傅立叶变换 (DFT)。 根据这些,将目标运动与这些响应相关联的经验传递函数将通过将响应的 DFT 除以磁盘运动的 DFT,逐个频率来计算。 从经验传递函数获得的幅度增益和相位滞后将用于构建波德增益和相位图,以评估跟踪和 CoM 响应的频率响应和带宽。 波德图提供了系统能够多好地响应其输入的量度。 更高的带宽和增益以及更低的相位滞后表明了卓越的性能。 中描述了使用这些方法来分析平衡。

将为参与 BRTP 的每个主题构建多项式模型和传递函数。 由于运动学习和由此产生的性能变化在每次训练回合的过程中不断进行,多项式模型和传递函数将在 30 秒窗口(包含 3,000 个数据点)中计算,该窗口以 15 秒的间隔在每个回合中前进。 研究人员还将计算每个窗口的 RMSE、平均 SoB 和 RMSD。 因此,四分钟的训练回合将提供整个回合的 15 个表现“快照”。 如有必要,将调整窗口大小和进度间隔,以最好地捕捉性能随时间变化的概况。 这些模型、功能和绩效指标也将构建用于两个基线评估和使用 BRTP 评估模块执行的保留评估(参见方法中的特定目标 1.1)。 这些模型、功能和性能测量将详细描述运动学习(BRTP 中性能的变化)在训练回合、多回合训练课程、整个多会话训练过程中的演变方式方案和保留期。

随着训练的进行,研究人员预计跟踪误差(根据多项式模型)和 RMSE 会降低,而 LoB(在每次训练开始时测量)、SoB(根据多项式模型)、平均 SoB 和 RMSD 会增加。 研究人员进一步预计每个多项式模型的 A(q) 和 B(q) 系数的数量和幅度会增加。 这表明大脑正在开发更丰富和更精细的心理模型,用于控制平衡伸展任务中的跟踪和平衡性能。 调查人员希望波德图能够揭示更大的带宽和增益,以及更低的相位滞后;表明跟踪和平衡系统能够更好地处理其输入并对其做出响应。 特别是,研究人员期望改善高频性能,而高频性能会随着老化而恶化。 这些分析和评估将在每个受试者的基础上进行,以确保受试者间平均不会掩盖调查人员试图确定的表现属性。 然而,如果研究者在一组受试者中遇到足够相似的表现,研究者将构建组平均模型、函数和表现测量来描述它。 这些评估的一个特定目标是确定受试者是否以及何时在个人训练回合、个人训练课程或整体训练方案的过程中“稳定”。 该信息将用于确定每个训练组成部分的最佳持续时间(训练回合持续时间、每次训练的训练次数、训练总次数)。

SA-3.2:评估公认的临床平衡测量与基于 BRTP 的测量之间的相关性。 BRTP 的实施必然涉及使用特定于平衡到达任务的性能测量,以便根据个体主体的能力(LoB)对其进行定制并测量随后的性能(LoB、SoB 和 RMSD)。 这个子目标的目标是评估这些 BRTP 测量的变化与研究人员用来评估 BRTP 对平衡性能的影响的临床测量的变化之间的相关程度。

统计分析和预期结果:由于从 BRTP 和临床测量中获得数据的测量尺度不同,将 BRTP 中的性能与临床平衡测量中的性能进行比较的能力是有限的。 BRTP 测量(RMSD、平均 SoB 和 LoB)是按比率标度获得的。 一些临床测量值也是在比率量表上获得的,但其他测量值是在顺序量表上获得的。 研究人员将使用 Pearson's 来评估 BRTP 测量值与按比率量表获得的临床测量值之间的相关性;和 Spearman 评估 BRTP 测量与按序数获得的临床测量之间的相关性。 研究人员希望 BRTP 测量与临床测量相关,但会以“更平滑”和更连续的方式变化,并表现出更大的范围和灵敏度。 研究人员希望这些相关性具有统计学意义,从而提供证据表明基于 BRTP 的平衡措施具有临床有效性。 由于多功能 Reach 测试、生理特征评估、Tinetti 平衡测试和跌倒效能量表也已被证明与跌倒风险相关,因此 BRTP 措施与这些指标的统计显着相关性将提供证据表明它们表明跌倒风险。 最后,LoB 与 Falls Efficacy Scale 的统计显着相关性将提供证据表明 LoB 可以作为 FoF 的定量测量。

研究类型

观察性的

注册 (实际的)

62

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

    • Maryland
      • Baltimore、Maryland、美国、21201
        • Baltimore VA Medical Center VA Maryland Health Care System, Baltimore, MD

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

60年 至 85年 (成人、年长者)

接受健康志愿者

是的

取样方法

非概率样本

研究人群

受试者将从 VA 马里兰医疗保健系统 (VAMHCS) 神经病学、康复和初级保健诊所招募;马里兰大学医疗系统 (UMMS) 第 12 医院;和马里兰大学康复研究所。 将使用由巴尔的摩 VA 老年研究教育和临床中心 (GRECC) 和 UM-NIA Pepper 中心维护的研究招募登记处确定其他受试者。 IRB 批准的广告、邮件和时事通讯将针对目前未在我们的医疗中心注册医疗保健服务的高跌倒风险老年人。 参与者的选择将不考虑社会经济地位和种族。

描述

纳入标准:

  • 高跌倒风险:在过去一年内跌倒两次或更多次
  • 足够的语言和神经认知功能参与测试和培训
  • 能够给予充分的知情同意
  • 执行 BRTP 的能力:能够在没有辅助设备的情况下执行平衡的伸展任务
  • 执行 MCET 的能力:能够在没有人帮助的情况下独立从椅子上站起来并步行 10 米
  • 视力足以在 3 英尺处看到白色背景下直径为 1 英寸的黑色圆盘

排除标准:

临床病史:

  • 不稳定型心绞痛
  • 近期心肌梗死(< 3 个月)或血流动力学显着的充血性心力衰竭 (NYHA II) 或瓣膜功能障碍
  • 伴有跛行的外周动脉闭塞性疾病
  • 髋部骨折

    • 过去一年内发生的其他下肢大骨折,其他严重的肌肉骨骼损伤
    • 上半身或下半身骨科问题
    • 和/或会阻止受试者执行平衡伸展任务的主要慢性疼痛
  • 肺衰竭
  • 身体质量指数 (BMI) >40
  • 活动性眩晕
  • 症状性直立性低血压
  • 至少有两次高血压控制不佳 (>190/105)
  • 1 型或 2 型糖尿病控制不佳(HbA1c >10)
  • 最近因严重疾病或手术住院(<3 个月)
  • 每天过量饮酒(>3 盎司。 酒; >12 盎司。 葡萄酒;或 >36 盎司。 啤酒)或非法药物滥用
  • 未经治疗的重度临床抑郁症或痴呆症
  • 神经系统疾病,如中风、TBI、帕金森病等。
  • 严重程度足以阻止受试者执行平衡伸展任务的前庭障碍
  • 妨碍安全完成 BRTP 或 MCET 的任何其他情况(例如极度虚弱)

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

  • 观测模型:队列
  • 时间观点:预期

队列和干预

团体/队列
干预/治疗
BRT集团
平衡伸展训练组
根据平衡伸展训练方案 (BRTP),每周 2-3 次一小时的训练课程,持续六周(参见研究设计)。
其他名称:
  • 快速公交
MMBI
多模态平衡干预(MMBI)小组
多模态平衡干预 (MMBI) 培训课程,每次 3 次,每次 1 小时,每周 2-3 次,持续六周。 (参见研究设计)
其他名称:
  • MMBI

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
质心和支撑基中心 (RMSD) 之间的均方根偏差
大体时间:评估基线(培训前)和培训结束后 24 小时内(1 周)之间的变化
衡量平衡能力。 均方根偏差 (RMSD) 记录执行平衡伸展任务期间全身质心的地平面投影与支撑底座中心之间的均方根距离,以厘米为单位。 它的范围从零到从支撑基础的中心到支撑基础的边界的距离。 较大的偏差表示比较小的偏差性能更好。
评估基线(培训前)和培训结束后 24 小时内(1 周)之间的变化

次要结果测量

结果测量
措施说明
大体时间
多向到达测试
大体时间:评估基线(培训前)和培训结束后 24 小时内(1 周)之间的变化]
测量倾斜和伸展的能力。 Multi-Directional Reach Test 记录一个人在向前、向后、向右和向左方向上可以到达的距离(以厘米为单位);通过弯曲腰部并在每个伙伴中伸出手臂
评估基线(培训前)和培训结束后 24 小时内(1 周)之间的变化]
跌倒功效量表
大体时间:评估基线(训练前)与训练结束后 24 小时内(1 周)之间的变化
评估对跌倒的恐惧。 跌倒功效量表是一份自我报告问卷,提供一系列日常生活活动中对跌倒的关注程度的信息。 该调查问卷包含 16 个项目,评分范围为 1-10 分(1 = 非常有信心,10 = 不太有信心)。 总分是所提供的 16 个分数的总和。 总分超过70分表示害怕摔倒;较低的分数比较高的分数更好。
评估基线(训练前)与训练结束后 24 小时内(1 周)之间的变化

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。

调查人员

  • 首席研究员:Joseph E. Barton, MD PhD、Baltimore VA Medical Center VA Maryland Health Care System, Baltimore, MD

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)

2021年11月9日

初级完成 (实际的)

2025年8月13日

研究完成 (实际的)

2025年8月13日

研究注册日期

首次提交

2020年4月21日

首先提交符合 QC 标准的

2020年4月21日

首次发布 (实际的)

2020年4月24日

研究记录更新

最后更新发布 (实际的)

2026年1月22日

上次提交的符合 QC 标准的更新

2026年1月20日

最后验证

2026年1月1日

更多信息

与本研究相关的术语

其他研究编号

  • E3096-R
  • I01RX003096 (美国 NIH 拨款/合同)

计划个人参与者数据 (IPD)

计划共享个人参与者数据 (IPD)?

不

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

不

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.

订阅