tyc7111cc太阳成集团

    洞察市场格局
    解锁药品研发情报

    免费客服电话

    18983288589
    医药数据查询

    【ChiCTR2500104155】机器学习构建社区老年人跌倒风险预测模型

    基本信息
    登记号

    ChiCTR2500104155

    试验状态

    尚未开始

    药物名称

    /

    药物类型

    /

    规范名称

    /

    首次公示信息日的期

    2025-06-12

    临床申请受理号

    /

    靶点

    /

    适应症

    老年人跌倒

    试验通俗题目

    机器学习构建社区老年人跌倒风险预测模型

    试验专业题目

    机器学习构建社区老年人跌倒风险预测模型

    申办单位信息
    申请人联系人
    申请人名称
    联系人邮箱
    联系人邮编

    联系人通讯地址
    临床试验信息
    试验目的

    对老年人跌倒风险进行准确预测，及时制订针对性的防跌倒干预措施，是减少老年人跌倒发生率的有效策略。然而，目前尚缺乏社区老年人基于双任务下步态姿势控制生物力学特征指标、跌倒风险相关测评指标和认知功能相关指标预测跌倒风险的研究。此外，使用机器学习对老年人跌倒风险的预测能力优于传统预测模型，但不同算法各有特点，比较不同算法建立的模型对于提高老年人跌倒风险预测的准确性具有重要意义。综上所述，本研究目的是分析基于复杂双任务下社区跌倒老年人步态姿势特征，确立双任务下能够区分社区老年人跌倒的步态姿势控制生物力学参数、跌倒风险相关测评指标和认知功能相关指标，使用神经网络、极端梯度提升、随机森林、朴素贝叶斯、逻辑回归、支持向量机6种机器学习算法构建社区老年人跌倒风险预测模型，对比找到最佳预测老年人跌倒的机器学习预测模型，采用SHAP方法增强机器学习模型的可解释性。本研究旨在帮助医护人员及早识别跌倒个体并及时采取针对性干预措施，降低社区老年人跌倒风险。翻译成专业的英文，符合英文期刊的标准

    试验分类
    试验类型

    横断面

    试验分期

    其它

    随机化

    随机分配序列由一名独立统计学家使用SAS v9.4软件中的PROC PLAN过程生成，采用区组随机化方案（区组大小＝4）。生成的序列置于按顺序编号、不透明且密封的信封中，由一名研究助理负责准备。每位受试者完成基线评估后，由研究协调员按编号打开相应信封，进行分组分配。

    盲法

    /

    试验项目经费来源

    自筹

    试验范围

    /

    目标入组人数

    80;60

    实际入组人数

    /

    第一例入组时间

    2025-06-15

    试验终止时间

    2025-12-31

    是否属于一致性

    /

    入选标准

    纳入标准：（1）年龄≥65周岁；（2）无影响平衡功能的疾病，如帕金森病、中风后遗症、严重关节炎、神经退行性疾病等；（3）无严重的心血管或呼吸系统疾病；（4）具有基本的认知功能，无严重认知障碍，如阿尔茨海默病等；（5）能够独立行走或借助简单辅助设备（如拐杖）行走；（6）受试者或其法定代理人签署知情同意书，同意参与研究并遵循相关测试程序。；

    排除标准

    排除标准：（1）有严重的心血管疾病、呼吸系统疾病、神经退行性疾病、视觉障碍或其他严重疾病，可能会影响平衡或移动能力或受试者安全；（2）诊断为中度或重度认知障碍，无法理解或执行测试任务；（3）过去六个月内经历过重大手术或严重外伤，可能影响平衡和活动能力；(4)正在服用影响平衡或认知功能的药物，如某些类型的精神药物或镇静剂；（5）一年内发生过因车祸、外部暴力、急性疾病（如中风或心脏病发作）等非源性原因导致的跌倒；（6）当前没有参与任何药理学研究；（7）声明不愿参加研究；

    研究者信息
    研究负责人姓名
    试验机构

    北京体育大学

    研究负责人电话
    研究负责人邮箱
    研究负责人邮编

    /

    联系人通讯地址

    北京体育大学的其他临床试验

    更多

    北京体育大学的其他临床试验

    更多

    最新临床资讯

    tyc7111cc太阳成集团企业版
    50亿+条医药数据随时查
    7天免费试用
    体验产品