NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
ObjectiveParkinson hastalığının (PD) ileri aşamalarında oral levodopa için doz programları, her hastanın ihtiyaçlarına uyacak şekilde dikkatli bir terzilik gerektirir. Bu çalışma, levodopa'nın oral uygulaması için bir dozlama algoritması önermektedir ve sensör tabanlı bir dozlama sistemine (SBDS) entegrasyonunu değerlendirir.Materyaller ve yöntemlerİki hareket bozukluğu uzmanı ile işbirliği içinde, bilgi odaklı, simülasyon tabanlı bir algoritma tasarlanmış ve bir SBDS'ye entegre edilmiştir. SBDS, giyilebilir sensörlerden elde edilen verileri, daha sonra dozlama algoritmasına giriş olarak kullanılan bireysel hasta modellerine uyacak şekilde kullanır. SBDS'yi klinik uygulamada kullanmanın fizibilitesine erişmek için, oral levodopanın doz optimizasyonunun araştırıldığı klinik bir deney sırasında performans değerlendirildi. Denetleyici nörolog, Parkinson KinetiGraphTM (PKG) hastaların bir hafta boyunca ücretsiz bir yaşam ortamında giydikleri verilere dayanarak doz ayarlamaları yaptı. SBDS'nin dozlama önerileri PKG güdümlü ayarlamalarla karşılaştırıldı.SonuçlarSBDS bakım ve sabah dozlama önerileri, Pearson'un PKG güdümlü doz ayarlamalarına göre 0,80 ve 0,95 (ortalama göreceli hatalarla birlikte %21 ve %12,5) korelasyonuna sahipti. Eşleştirilmiş t testi, algoritmik öneriler ile klinisyen ayarlamaları arasında istatistiksel bir fark olmadığını gösterdi.Bu çalışma, PD hastaları için oral ilaç tedavisini optimize etmek için algoritmik sensör tabanlı doz ayarlamalarının kullanılmasının mümkün olduğunu göstermektedir.
Özgün kaynak özetini okuyun
ObjectiveDosing schedules for oral levodopa in advanced stages of Parkinson's disease (PD) require careful tailoring to fit the needs of each patient. This study proposes a dosing algorithm for oral administration of levodopa and evaluates its integration into a sensor-based dosing system (SBDS).Materials and methodsIn collaboration with two movement disorder experts a knowledge-driven, simulation based algorithm was designed and integrated into a SBDS. The SBDS uses data from wearable sensors to fit individual patient models, which are then used as input to the dosing algorithm. To access the feasibility of using the SBDS in clinical practice its performance was evaluated during a clinical experiment where dosing optimization of oral levodopa was explored. The supervising neurologist made dosing adjustments based on data from the Parkinson's KinetiGraph™ (PKG) that the patients wore for a week in a free living setting. The dosing suggestions of the SBDS were compared with the PKG-guided adjustments.ResultsThe SBDS maintenance and morning dosing suggestions had a Pearson's correlation of 0.80 and 0.95 (with mean relative errors of 21% and 12.5%), to the PKG-guided dosing adjustments. Paired t test indicated no statistical differences between the algorithmic suggestions and the clinician's adjustments.ConclusionThis study shows that it is possible to use algorithmic sensor-based dosing adjustments to optimize treatment with oral medication for PD patients.
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.