NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Kinesiyoloji, spor bilimi ve davranışsal sinirbilim dahil olmak üzere farklı alanlarda davranışsal veri analizini kişiselleştirmek için yeni analitiklere kritik bir ihtiyaç vardır. Özellikle, temel araştırmaları hasta bakımına daha iyi çevirmek ve entegre etmek için, hareket verilerini tanımladığımız ve yorumladığımız yöntemleri radikal bir şekilde dönüştürmemiz gerekir. Burada, ortalama hareket kinematik verileriyle düzeltilen "gürültü"nün içinde gizlendiğini, Parkinson hastalığı, sağırferentasyon, otizm spektrum bozuklukları ve şizofreni gibi nörolojik ve zihinsel bozuklukları seçici olarak ayıran ve tipik olarak gelişen ve tipik olarak yaşlanma kontrollerinden ayıran bir bilgi zenginliği olduğunu gösteriyoruz. Bu raporda, tipik ve patolojik vakaları içeren büyük heterojen bir kohorttan katılımcıların sürekli ileri geri işaret hareketlerini ölçüyoruz. Komorttaki her birey için olasılık dağılımlarının istatistiksel parametrelerini ampirik olarak tahmin ediyoruz ve sağlıklı gelişen ve yaşlanan grupların karakterizasyonundan sonra her klinik grup için parametre aralıklarını rapor ediyoruz. Bireyselleştirilmiş davranışsal analizler için bu yeni önerilen platformu, klinik çalışmalarda yaygın olan gözlemsel-davranışsal fenotipleme türünden veya temel hareket bilimindeki "tek boyutlu-her şeye uyan" modelden ayırt etmek için "hassas fenotipleme" olarak kullanıyoruz. Bu platformun, benzer fenotipik tezahürlere sahip idiyopatik nörolojik bozukluklarla ilişkili olarak bilinen etiyolojinin beyin bozukluklarını karakterize etmek için birleştirici bir istatistiksel çerçeve olarak kullanılmasını da önermekteyiz.
Özgün kaynak özetini okuyun
There is a critical need for new analytics to personalize behavioral data analysis across different fields, including kinesiology, sports science, and behavioral neuroscience. Specifically, to better translate and integrate basic research into patient care, we need to radically transform the methods by which we describe and interpret movement data. Here, we show that hidden in the "noise," smoothed out by averaging movement kinematics data, lies a wealth of information that selectively differentiates neurological and mental disorders such as Parkinson's disease, deafferentation, autism spectrum disorders, and schizophrenia from typically developing and typically aging controls. In this report, we quantify the continuous forward-and-back pointing movements of participants from a large heterogeneous cohort comprising typical and pathological cases. We empirically estimate the statistical parameters of the probability distributions for each individual in the cohort and report the parameter ranges for each clinical group after characterization of healthy developing and aging groups. We coin this newly proposed platform for individualized behavioral analyses "precision phenotyping" to distinguish it from the type of observational-behavioral phenotyping prevalent in clinical studies or from the "one-size-fits-all" model in basic movement science. We further propose the use of this platform as a unifying statistical framework to characterize brain disorders of known etiology in relation to idiopathic neurological disorders with similar phenotypic manifestations.
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.