Continuous monitoring of turning in patients with movement disability.

Araştırma özeti

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

Dönme zorluğu, hareketlilik engeline büyük bir katkıda bulunur ve Parkinson hastalığı (PD) gibi hareket bozuklukları olan kişilerde düşer. Dönmek genellikle PD'li hastalarda donma ve/veya düşme ile sonuçlanır. Bununla birlikte, bir hastanın klinikte bir dönüş gerçekleştirmesini istemek genellikle bozukluklarını ortaya çıkarmaz. Spontan günlük aktiviteler sırasında giyilebilir sensörlerle dönmenin sürekli izlenmesi, klinisyenlerin ve hastaların düşme riski altında olan ve önleyici müdahalelerden yararlanabileceklerini belirlemelerine yardımcı olabilir. Bu çalışmada, evin içindeki ve dışındaki günlük aktiviteler sırasında doğal dönüşlerin giyilebilir sensörlerle sürekli izlenmesinin PD ve yaşlı insanlar için mümkün olduğunu gösteriyoruz. Giyilebilir atalet sensörleri kullanarak yürüyüş sırasında dönüşleri tespit etmek ve karakterize etmek için bir algoritma geliştirdik. İlk olarak, laboratuvardaki dönüm algoritmasını bir Hareket Analizi sistemine karşı ve pelvis üzerinde atalet sensörü takan 21 PD hastası ve 19 kontrol (CT) deneklerinin video analizine karşı onaylıyoruz. Motion Analysis ve video ile karşılaştırıldığında, algoritma sırasıyla 0,90 ve 0,76 hassasiyet ve 0,75 ve 0,65 özgüllüğü korudu. İkinci olarak, 12 PD ve 18 CT deneklerinden evde toplanan verilere dönüm algoritmasını uygularız. Algoritma, dönüş özelliklerini başarıyla algılar ve sonuçlar, kontrollere kıyasla, PD deneklerinin daha küçük dönüş açıları ve daha fazla adımla daha kısa dönüşler yapma eğiliminde olduklarını gösterir. Ayrıca, PD denekleri gün ve hafta boyunca tüm dönüş metriklerinde daha fazla değişkenlik göstermektedir.

Özgün kaynak özetini okuyun

Difficulty with turning is a major contributor to mobility disability and falls in people with movement disorders, such as Parkinson's disease (PD). Turning often results in freezing and/or falling in patients with PD. However, asking a patient to execute a turn in the clinic often does not reveal their impairments. Continuous monitoring of turning with wearable sensors during spontaneous daily activities may help clinicians and patients determine who is at risk of falls and could benefit from preventative interventions. In this study, we show that continuous monitoring of natural turning with wearable sensors during daily activities inside and outside the home is feasible for people with PD and elderly people. We developed an algorithm to detect and characterize turns during gait, using wearable inertial sensors. First, we validate the turning algorithm in the laboratory against a Motion Analysis system and against a video analysis of 21 PD patients and 19 control (CT) subjects wearing an inertial sensor on the pelvis. Compared to Motion Analysis and video, the algorithm maintained a sensitivity of 0.90 and 0.76 and a specificity of 0.75 and 0.65, respectively. Second, we apply the turning algorithm to data collected in the home from 12 PD and 18 CT subjects. The algorithm successfully detects turn characteristics, and the results show that, compared to controls, PD subjects tend to take shorter turns with smaller turn angles and more steps. Furthermore, PD subjects show more variability in all turn metrics throughout the day and the week.

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.