PAIN（疼痛人工智能干预）患者居家平台
2025年12月15日 更新者：Antonio J. Forte、Mayo Clinic
为家庭患者开发 PAIN（疼痛人工智能干预）平台
这项研究的目的是识别生理标志物以确定疼痛强度，并建立一个人工智能 (AI) 支持的系统来客观地测量疼痛强度。
研究人员希望个性化止痛药治疗方案，以帮助防止药物过度使用。
研究概览
研究类型
观察性的
注册 (估计的)
70
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
-
-
Florida
-
Jacksonville、Florida、美国、32224
- Mayo Clinic Florida
-
-
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
14年 及以上 (成人、年长者)
接受健康志愿者
不适用
取样方法
非概率样本
研究人群
该研究将纳入 18 岁或以上接受低风险门诊整形手术且预期疼痛强度从轻度到重度不等的患者。
描述
纳入标准：
- 接受低风险门诊整形手术的患者，预期疼痛强度从轻微到严重不等。
排除标准：
- 患有已治疗或未治疗的心肺综合征的患者。
- 患有经治疗或未经治疗的眼科疾病的患者。
- 皮肤病患者无法使用 TENS 设备。
- 患有病症或病症的患者无法适当地使用他们的声音。
- 存在有效沟通障碍的患者。
- 数字素养差的患者。
- 不能口服药物的患者。
- 目前正在接受慢性疼痛药物治疗的患者。
- 先前诊断为严重焦虑症的患者。
- 基线时无法移动的患者。
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
- 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 |
|---|---|
|
术后数据采集系统
为接受标准低风险整形手术的受试者提供可穿戴传感器带回家并开始记录心率、体温和身体运动
|
机器学习技术对通过可穿戴和手持设备获得的生理变量进行排序，并删除低重要性和冗余变量，以准确确定门诊患者的术后疼痛强度
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 |
|---|---|---|
|
使用机器学习进行术后疼痛预测
大体时间：8个月
|
主要结果将是使用均方根误差预测术后疼痛的机器学习算法的准确性。
|
8个月
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
生理变量 %Δ 定义止痛药后生理生物标志物测量值的变化
大体时间：8个月
|
次要结果将是生理变量用于定义止痛药后生理生物标志物测量值的变化（信号各自单位的 %Δ）。
|
8个月
|
|
生理变量绝对值 Δ 定义止痛药后生理生物标志物测量值的变化
大体时间：8个月
|
次要结果将是生理变量用于定义止痛药后生理生物标志物测量值的变化（信号各自单位的绝对 Δ）。
|
8个月
|
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：Antonio Forte, MD, PhD、Mayo Clinic
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。
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)
2022年11月23日
初级完成 (估计的)
2026年11月1日
研究完成 (估计的)
2027年11月1日
研究注册日期
首次提交
2022年7月22日
首先提交符合 QC 标准的
2022年7月25日
首次发布 (实际的)
2022年7月26日
研究记录更新
最后更新发布 (实际的)
2025年12月22日
上次提交的符合 QC 标准的更新
2025年12月15日
最后验证
2025年12月1日
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.