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。

面向老年人残疾风险的数字赋能精准评估与干预系统

老年人残疾风险数字化精准评估与干预体系构建及全周期多场景示范研究

  1. 通过多维风险因素筛查,识别老年人失能的主要风险因素。
  2. 整合结局指标与时间特征,构建老年人失能风险分层模型,并建立智能化预警模型,实现失能风险的自动化评估与监测。
  3. 建立老年人失能风险预警与防控的关键数字技术,开发融合决策支持系统的失能预防管理全流程数字化干预平台。
  4. 创建数字化赋能的医院-社区-家庭协同系统,实现对老年人失能风险的精准评估与干预,达成数据驱动的全流程主动失能管理。该系统将在具有城市、县域及农村多样化特征的社区中进行示范与评估。

研究概览

地位

招聘中

条件

详细说明

  1. 多维风险因素筛查与老年人失能关键风险因素识别:回顾了2018年至2022年间浙江省10万城乡老年人队列的健康记录。 提取了包括人口统计学、疾病特征、认知心理评估和家庭-社会因素在内的数据指标。 以老年人失能为结局变量,初步筛查风险因素,形成失能风险的多维指标集。 应用主成分分析识别失能风险综合征。 采用弹性网络模型进一步提取主要风险因素,并基于五年风险暴露特征确定全周期失能关键风险因素。
  2. 构建基于时间序列的老年人失能风险分层与预警模型:整合全周期失能特征(如失能严重程度、特征及时间点)作为主要结局指标。 基于关键风险因素应用加权与聚类决策,实现风险分层与识别。 定义关键风险因素异常、风险综合征、失能风险及实际失能发生为监测节点,分别对应零级、一级、二级和三级预警层级。 通过整合时间序列特征,构建长短期记忆神经网络模型,开发失能风险预警系统。
  3. 失能风险预警与预防数字化诊疗技术研发及干预决策支持系统构建:基于循证医学、多场景失能预防需求及专家共识,建立失能防控大数据知识库与技术库。 系统规划失能风险干预决策支持系统的逻辑框架、技术架构与功能设计,形成失能相关知识图谱网络。 整合老年人失能风险评估与动态监测模块,建立基于互联网的老年人失能管理技术模块。 涵盖从信息采集、评估监测到预警决策与针对性干预的全过程。 系统将与“互联网+护理”平台深度融合优化,构建数字化老年人失能风险干预平台。
  4. 老年人失能风险精准评估与干预体系应用:利用本系统开展失能防控基地标准化示范研究。 在浙江省市、县、乡镇三级建立示范基地,通过医院、社区、家庭协同制定老年人失能预防标准化方案。 基于数据驱动优化人员配置、服务流程、资源整合与技术支持,持续完善老年人失能风险智能评估、监测与精准干预的整体技术实施方案。 构建浙江省市、县、乡镇三级老年人失能风险防控多层次示范模式。 通过失能风险评分、失能发生率、失能干预依从性等指标评估老年人失能风险精准评估与干预体系的应用效果。

研究类型

介入性

注册 (估计的)

238

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

学习地点

    • Zhejiang
      • Hangzhou、Zhejiang、中国、310009
        • 招聘中
        • The Second Affiliated Hospital of Medical College of Zhejiang University
        • 接触:

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

  • 年长者

接受健康志愿者

是的

描述

纳入标准:

  • 年龄≥65岁的社区常住居民;
  • 能够独立或在主要照护者协助下操作智能手机;
  • 意识清晰,具备基本理解和沟通能力;
  • 自愿同意参与研究并提供知情同意。

排除标准:

  • 无法独立完成基本日常生活活动,或存在显著认知或沟通障碍者。

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:预防
  • 分配:随机化
  • 介入模型:并行分配
  • 屏蔽:单身的

武器和干预

参与者组/臂
干预/治疗
实验性的:试验组
实施一个针对老年人失能风险干预的数字平台,以开展全面、多场景的智能评估、动态监测和针对性干预失能风险。
实施老年人失能风险干预数字平台,开展全面、多场景的智能评估、动态监测和针对性干预失能风险。
无干预:对照组
开展常规的社区老年人健康管理,例如健康教育、运动指导和饮食咨询。

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
SPPB(简短身体性能测试方案)
大体时间:在基线、干预后3个月和干预后6个月
评分范围为0-12分,分数越高代表结果越好。
在基线、干预后3个月和干预后6个月

次要结果测量

结果测量
措施说明
大体时间
残疾发生率
大体时间:干预后6个月
残疾发生率将使用经过验证的日常生活活动(ADL)和工具性日常生活活动(IADL)量表进行评估。 残疾定义为在完成基本或复杂日常活动时出现新发的显著限制。 残疾的发生(即新发病例数)将在预定的研究时间点确定。 最终结果将计算为研究期间发生残疾的参与者相对于参与者总数的比例或比率。
干预后6个月
残疾风险评分
大体时间:在基线时、干预后3个月和干预后6个月
残疾风险评分是一个取值范围为0到1的连续变量,通过预先验证的预测模型计算得出。 评分越高,表示预测的残疾发生风险越大。
在基线时、干预后3个月和干预后6个月
干预依从性
大体时间:干预后3个月,以及干预后6个月
对干预方案(如运动、饮食任务)的遵守情况将通过专用智能手机应用程序进行客观监测和记录。 参与者需在完成每项指定任务后,在应用程序中进行记录或“签到”。 依从率将根据记录完成的任务数量,与研究期间分配的任务总数之比计算得出。
干预后3个月,以及干预后6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。

调查人员

  • 首席研究员:Jingfen Jin, Master、The Second Affiliated Hospital of Medical College of Zhejiang University

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)

2025年10月31日

初级完成 (估计的)

2026年10月31日

研究完成 (估计的)

2026年12月30日

研究注册日期

首次提交

2025年9月24日

首先提交符合 QC 标准的

2026年3月30日

首次发布 (实际的)

2026年4月2日

研究记录更新

最后更新发布 (实际的)

2026年4月2日

上次提交的符合 QC 标准的更新

2026年3月30日

最后验证

2025年9月1日

更多信息

与本研究相关的术语

其他研究编号

  • 2023-1268

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

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