A Supervised Machine Learning Approach to Detect the On/Off State in Parkinson's Disease Using Wearable Based Gait Signals.

Araştırma özeti

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

Motor belirtilerdeki dalgalanmalar çoğunlukla Parkinson hastalığı (PD) hastalarında gözlenir. Bu özellik kaçınılmazdır ve hastaların yaşam kalitesini etkileyebilir. Bununla birlikte, PD hastalarından kendi kendine bildirilen verileri kullanarak dalgalanma özellikleri hakkında kesin veriler toplamak zordur. Bu nedenle, "On" / "Off" durumu olarak da adlandırılan ilaç durumunu otomatik olarak giyilebilir cihazlar kullanarak tespit edebilen uygun bir teknoloji geliştirmek gerekir; Aynı zamanda, bu ev ortamında kullanılabilir. Son zamanlarda, giyilebilir cihazlar, güçlü makine öğrenme teknikleri ile birlikte, kritik sağlık uygulamalarında etkili bir şekilde kullanılma potansiyelini göstermiştir. Bu çalışmada, giyilebilir yürüyüş sinyallerini kullanarak ilaç durumunu otomatik olarak tespit edebilen bir algoritma önerilmiştir. İstatistiksel özellikler ve spatiotemporal yürüyüş özelliklerini içeren özelliklerin bir kombinasyonu, rastgele orman, destek vektör makinesi, K en yakın komşu ve Nave Bayes gibi dört farklı sınıflandırıcıya giriş olarak kullanılır. Toplamda, belirli motor dalgalanmaları olan 20 PD denek, önerilen algoritmanın performansını yukarıda belirtilen dört sınıflandırıcı ile karşılaştırarak değerlendirilmiştir. Rastgele ormanların diğer sınıflandırıcıları %96,72 doğruluk, %97,35 geri çağırma ve %96,92 hassasiyetle geride bıraktığı bulunmuştur.

Özgün kaynak özetini okuyun

Fluctuations in motor symptoms are mostly observed in Parkinson's disease (PD) patients. This characteristic is inevitable, and can affect the quality of life of the patients. However, it is difficult to collect precise data on the fluctuation characteristics using self-reported data from PD patients. Therefore, it is necessary to develop a suitable technology that can detect the medication state, also termed the "On"/"Off" state, automatically using wearable devices; at the same time, this could be used in the home environment. Recently, wearable devices, in combination with powerful machine learning techniques, have shown the potential to be effectively used in critical healthcare applications. In this study, an algorithm is proposed that can detect the medication state automatically using wearable gait signals. A combination of features that include statistical features and spatiotemporal gait features are used as inputs to four different classifiers such as random forest, support vector machine, K nearest neighbour, and Naïve Bayes. In total, 20 PD subjects with definite motor fluctuations have been evaluated by comparing the performance of the proposed algorithm in association with the four aforementioned classifiers. It was found that random forest outperformed the other classifiers with an accuracy of 96.72%, a recall of 97.35%, and a precision of 96.92%.

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.