ChiCTR2500113867尚未招募Unknown
基于多模态生理信号与机器学习的 CPR 施救者疲劳状态动态预测模型研究
教育部产学合作育人项目（项目编号 240901449151402）1 个研究点 分布在 1 个国家开始时间: 2025年12月21日最近更新:
试验速览
- 阶段
- Unknown
- 状态
- 尚未招募
- 发起方
- 试验地点
- 1
- 主要终点
- 心率
研究概览
简要总结
本研究旨在探究心肺复苏施救者在持续按压过程中的疲劳状态对其操作质量的影响，并构建一个能够实时预测疲劳风险的动态模型。研究核心在于通过整合施救者的生理指标、主观疲劳感受及 CPR 操作质量数据，利用机器学习算法建立预测模型，最终为优化急救培训中的轮换策略、开发智能反馈设备提供科学依据。
研究设计
- 研究类型
- Interventional
- 主要目的
- 单臂
入排标准
- 年龄范围
- 18 至 45（—）
- 性别
- All
入选标准
- •1.18 至 45 周岁的健康成年人。
- •2.身体健康，无心脑血管疾病、呼吸系统疾病、代谢性疾病、神经系统疾病或肌肉骨骼系统疾病及损伤史。
- •3.须通过统一的心肺复苏操作技能考核。
- •4.充分了解实验目的、流程、潜在风险与益处后，自愿参与本研究，并签署由书面知情同意书。
排除标准
- •1.患有任何可能因剧烈运动而加重的疾病。
- •2.存在任何限制上肢或躯干活动的肌肉骨骼系统急慢性疼痛或损伤。
- •3.妊娠期或哺乳期女性。
- •4.实验前 24 小时内曾进行极高强度的体力活动或训练。
- •5.实验前 48 小时内患有急性感染或存在过度疲劳、睡眠严重不足的情况。
- •6.皮肤对电极贴片、凝胶过敏者。
研究组 & 干预措施
单一研究组
结局指标
主要结局
心率
心率变异性
呼吸频率
表面肌电图
主观疲劳评分
次要结局
- 年龄
- 身高
- 性别
- 体质监测分数
- 体重
研究者
研究点 (1)
Loading locations...
相似试验
Unknown
1 期
基于多模态大模型的重症监护患者呼吸机参数智能优化的随机对照研究ChiCTR2500100228研究者自筹经费
尚未招募
Unknown
融合咳嗽音与睡眠垫多模态信号的儿童喘息 AI 识别模型研究下呼吸道感染ChiCTR2500111019
尚未招募
Unknown
基于机器学习的实习护生共情疲劳最优预测模型筛选及验证ChiCTR2500114051234
Unknown
不适用
心肌梗死后心脏性猝死的个性化预测模型：基于电子健康档案的机器学习研究ChiCTR2500101100本人发起的临床研究项目“ 心肌梗死后心脏性猝死的个性化预测模型：基于电子健康档案的机器学习研究 ”，其研究经费来源为重庆市技术创新与应用发展专项：AI+衰老风险评估与预警关键技术研究与应用。
Unknown
不适用
基于多模态数据和深度机器学习算法构建非瓣膜性心房颤动临床结局预测模型及验证应用ChiCTR2300074493北京医院