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。

改善肌电假肢和矫形肢体控制

2026年4月29日 更新者：Jacob George、University of Utah

使用预测回归算法和高计数表面电极改善肌电假肢和矫形肢体控制

本研究的目的是通过使用高级预测解码算法和使用高计数（> 8 ) 表面肌电 (sEMG) 电极。

研究概览

地位

招聘中

条件

干预/治疗

详细说明

这项研究旨在通过使用高级预测解码算法和使用高计数（> 8）表面肌电图（sEMG）来改善对肌电控制的高级动力矫形器（使用身体肌肉信号驱动机器人外骨骼运动的矫形器）的控制）电极。

研究类型

介入性

注册 (估计的)

45

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。

学习联系方式

研究联系人备份

学习地点

  • 美国
    • Utah
      • Salt Lake City、Utah、美国、84132-2101

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

是的

描述

纳入标准：

  • 首次缺血性或出血性中风
  • 慢性中风（发病后至少 6 个月）
  • 慢性偏瘫
  • 对侧手臂的功能运动范围

排除标准：

  • 目前被监禁的人

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：其他
  • 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
有源比较器：临床可用的控制算法 (MyoPro)
矫形器的二进制控制基于临床可用的控制算法。 这种情况用作对照。 参与者将使用市售设备 MyoPro。
其他：商用控制算法
假肢/矫形器的控制基于临床护理标准，使用市售控制算法。
实验性的：高密度肌电控制算法
矫形器的控制基于使用高级预测算法映射到预期运动的残余肌肉活动。 该条件是一种新颖的算法并用作实验条件。
其他：实验控制算法
矫形器的控制基于使用高密度肌电图和人工智能控制算法映射到预期运动的残余肌肉活动。

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
方块测试 (BBT)
大体时间：使用设备时（最多 2 小时）
Box and Blocks 测试是在每种情况下使用矫形器进行的。 个人戴上设备最多两个小时。 在佩戴设备期间，他们将使用两种不同的算法来控制设备以完成 Box and Blocks Test。
使用设备时（最多 2 小时）

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

University of Utah

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)

2017年3月1日

初级完成 (估计的)

2027年7月31日

研究完成 (估计的)

2027年12月31日

研究注册日期

首次提交

2022年8月15日

首先提交符合 QC 标准的

2022年8月17日

首次发布 (实际的)

2022年8月19日

研究记录更新

最后更新发布 (实际的)

2026年5月6日

上次提交的符合 QC 标准的更新

2026年4月29日

最后验证

2026年4月1日

更多信息

与本研究相关的术语

其他相关的 MeSH 术语

其他研究编号

  • IRB_00098851

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

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