【ChiCTR2500107730】基于多模态智慧体检数据与人工智能技术结合的运动处方对久坐不动、持续疲劳的青年身体素质和运动习惯的疗效研究

查看原文

立即下载

基本信息

登记号

ChiCTR2500107730

试验状态

正在进行

药物名称

药物类型

规范名称

首次公示信息日的期

2025-08-18

临床申请受理号

靶点

适应症

疲劳

试验通俗题目

基于多模态智慧体检数据与人工智能技术结合的运动处方对久坐不动、持续疲劳的青年身体素质和运动习惯的疗效研究

试验专业题目

基于多模态智慧体检数据与人工智能技术结合的运动处方对久坐不动、持续疲劳的青年身体素质和运动习惯的疗效研究

申办单位信息

申请人联系人

请登录查看

申请人名称

请登录查看

联系人邮箱

请登录查看

联系人邮编

510000

联系人通讯地址

请登录查看

临床试验信息

试验目的

本研究旨在利用多模态智慧体检数据与AI技术，评估其对久坐不动且持续疲劳的年轻人的疲劳改善效果。

试验分类

请登录查看

试验类型

随机平行对照

试验分期

其它

随机化

采用计算机生成的随机数字表法进行分组，基于多模态体检数据制定的AI个性化运动处方组-干预组和普通体育训练组-对照组。使用R语言完全随机序列，设定随机数字范围（1-200），按1:1比例分配至干预组与对照组，确保两组的样本量均衡。由不参与干预及评估的独立研究助理负责分组，根据受试者纳入顺序及对应的随机数字匹配组别：奇数编号作为干预组；偶数编号作为对照组。基线数据对比验证分组均衡性，采用t检验或卡方检验确保无显著差异（p > 0.05）。

盲法

执行层面的单盲设计受试者知晓干预内容：由于实验涉及运动处方干预，受试者需配合执行，因此无法对受试者设盲。研究者知晓干预分组：研究人员需根据个体化运动处方指导受试者，因此未对干预执行者设盲。 12.2. 数据采集与分析的双盲设计自动化数据采集：所有体检数据均通过标准化多模态设备自动采集，避免人工录入或主观判定引入偏倚。盲态数据处理：在数据分析阶段，数据统计人员及AI算法开发人员不接触干预分组信息，仅通过匿名编号处理数据，确保结果评估的客观性。 12.3. 盲法实施的保障措施设备校准与标准化流程：所有检测设备定期校准，操作流程严格统一，减少人为操作差异。隐私保护与技术隔离：EDC系统对数据进行加密存储，研究者在数据导出时仅能获取匿名化数据集，无法关联受试者身份与分组。 12.4. 局限性说明由于运动干预的特殊性，无法对受试者和指导者完全设盲，但通过自动化数据采集和盲态分析，显著降低了主观偏倚风险。

试验项目经费来源

无

试验范围

目标入组人数

100

实际入组人数

第一例入组时间

2025-03-13

试验终止时间

2025-12-31

是否属于一致性

入选标准

①年龄18-25岁； ②自觉疲劳； ③疲劳严重程度量表（Fatigue Severity Scale, FSS）大于等于36或VAS视觉疲劳评分：视觉模拟量表（0-10分，≥1分）（二者有任意一项符合要求则可）； ④久坐不动（每周中等强度运动<150分钟）； ⑤可以完成3个月的运动干预； ⑥可提供完整的多模态智慧体检数据。；

排除标准

①研究过程中被诊断为抑郁症或焦虑症； ②研究过程中服用会影响情绪的药物，如阿片类药物和抗抑郁药； ③不能很好的依从运动训练； ④有其他运动禁忌症的情况。；

研究者信息

研究负责人姓名

请登录查看

试验机构

广州商学院

研究负责人电话

请登录查看

研究负责人邮箱

请登录查看

研究负责人邮编