Unbiased and mobile gait analysis detects motor impairment in Parkinson's disease.

Araştırma özeti

Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by

Motor bozukluklar Parkinson hastalığında (PD) tanı için ön koşuldur. Kardinal semptomlar (bradikinezi, katılık, titreme ve postural istikrarsızlık) hastalık evreleme ve ilerlemenin değerlendirilmesi için kullanılır. Semptomatik ve hastalık değiştiren müdahaleleri amaçlayan klinik çalışmalar için birincil sonuç önlemleri olarak hizmet ederler. Birleşik Parkinson Hastalığı Derecelendirme Ölçeği (UPDRS) veya Hoehn&Yahr (H&Y) evreleme gibi klinik puanların önemli bir uyarısı, oranlayıcı ve değerlendirme süresi bağımlılığıdır. Böylece, PD'deki belirli aşamaları ve motor işaretlerini Akıllı Teknoloji (eGaIT) kullanarak mobil, biyosensör tabanlı Gömülü Gait Analizi kullanarak objektif ve otomatik olarak sınıflandırmayı amaçladık. eGaIT, standartlaştırılmış yürüyüş ve bacak fonksiyonu sırasında hareket sinyallerini kaydeden ayakkabılara bağlı ivmeölçer ve jiroskoplardan oluşur. Sensör sinyallerinden 694 özellik hesaplandı ve PD, H&Y aşamaları ve 50 PD hasta ve 42 yaş eşleştirilmiş kontrollerden oluşan bir eğitim kohortunda UPDRS-III motor skoruna göre ilişkili motor işaretleri sınıflandırmak için desen tanıma algoritmaları uygulandı. Sınıflandırma sonuçları ikinci bir bağımsız doğrulama kohortunda (42 hasta, 39 kontrol) doğrulandı. eGaIT, PD hastalarını genel sınıflandırma oranı %81 olan kontrollerden başarılı bir şekilde ayırt edebildi. Sınıflandırma doğruluğu, daha yüksek motor bozukluk seviyeleri (daha ciddi etkilenen hastalar için% 91) veya PD'nin daha ileri aşamaları (kontrollere kıyasla H&Y III hastaları için% 91) ile artmış, PD'ye özgü analiz türünü eGaIT ile desteklemiştir. Buna ek olarak, eGaIT farklı H&Y aşamalarını veya farklı motor bozulma seviyelerini (UPDRS-III) sınıflandırabildi. Sonuç olarak, tarafsız, mobil ve otomatik bir değerlendirme aracı olarak eGaIT, PD hastalarını tanımlayabilir ve motor bozulmalarını karakterize edebilir. Günlük klinik çalışmalar için tamamlayıcı bir araç olarak hizmet edebilir ve hastalık boyunca terapötik kararları destekleyebilir.

Özgün kaynak özetini okuyun

Motor impairments are the prerequisite for the diagnosis in Parkinson's disease (PD). The cardinal symptoms (bradykinesia, rigor, tremor, and postural instability) are used for disease staging and assessment of progression. They serve as primary outcome measures for clinical studies aiming at symptomatic and disease modifying interventions. One major caveat of clinical scores such as the Unified Parkinson Disease Rating Scale (UPDRS) or Hoehn&Yahr (H&Y) staging is its rater and time-of-assessment dependency. Thus, we aimed to objectively and automatically classify specific stages and motor signs in PD using a mobile, biosensor based Embedded Gait Analysis using Intelligent Technology (eGaIT). eGaIT consist of accelerometers and gyroscopes attached to shoes that record motion signals during standardized gait and leg function. From sensor signals 694 features were calculated and pattern recognition algorithms were applied to classify PD, H&Y stages, and motor signs correlating to the UPDRS-III motor score in a training cohort of 50 PD patients and 42 age matched controls. Classification results were confirmed in a second independent validation cohort (42 patients, 39 controls). eGaIT was able to successfully distinguish PD patients from controls with an overall classification rate of 81%. Classification accuracy increased with higher levels of motor impairment (91% for more severely affected patients) or more advanced stages of PD (91% for H&Y III patients compared to controls), supporting the PD-specific type of analysis by eGaIT. In addition, eGaIT was able to classify different H&Y stages, or different levels of motor impairment (UPDRS-III). In conclusion, eGaIT as an unbiased, mobile, and automated assessment tool is able to identify PD patients and characterize their motor impairment. It may serve as a complementary mean for the daily clinical workup and support therapeutic decisions throughout the course of the disease.

Bilimsel değerlendirme

Araştırma sorusu

Sorunun kapsamı orijinal çalışma üzerinden değerlendirilir.

Yöntem ve örneklem

Çalışma tasarımı ve örneklem için kaynak makaleyi kontrol edin.

Temel bulgular

Bu kayıt için editoryal olarak onaylanmış bulgu özeti henüz yayımlanmadı.

Sınırlılıklar

Sonuçların genellenebilirliği, yanlılık ve klinik anlamı ayrıca incelenmelidir.

Bibliyografik veriden yöntem, örneklem veya klinik sonuç çıkarımı yapılmaz.