NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Parkinson hastalığında (PD) motor dalgalanması olan hastalarda ilaç ayarlamasının başarısı, dalgalanma şiddeti hakkındaki bilgilere dayanır. Bununla birlikte, motor dalgalanmalarındaki zamansal ve mekansal değişkenlik nedeniyle, tek bir klinik muayene genellikle rutin günlük yaşamda deneyimlenen motor bozukluğu spektrumunu yakalayamaz. Bu çalışmada, deneklerin serbest vücut hareketleri sırasında iki giyilebilir sensörün verilerinden motor dalgalanma şiddetinin derecesini tahmin etmek için bir algoritma geliştirdik. Spesifik olarak, sensör verilerinden motor fonksiyonunun uzunlamasına değişikliklerini temsil etmek için yeni bir hibrit özellik çıkarma yöntemi geliştirdik. Daha sonra, motor fonksiyonunun şiddeti değiştikçe sensör verilerinin kalıplarındaki değişiklikleri öğrenmek için rastgele ormana dayalı bir sınıflandırma modeli geliştirdik. Algoritmamızı, çeşitli günlük rutin faaliyetlerde bulundukları için idiyopatik PD'li 24 denekten gelen verileri kullanarak değerlendirdik. Algoritmanın tek bir özneye dayalı bir değerlendirmesi, %83,33 doğrulukla sonuçlandı ve yaklaşımımızın, bireyin serbest vücut hareketlerini sürekli olarak izlemekten kaynaklanan motor dalgalanma şiddeti derecesini pasif olarak tespit etmek için büyük bir söz verdiğini gösterdi. Böyle bir sensör tabanlı değerlendirme sistemi ve algoritma kombinasyonu, sorunlu motor dalgalanması olan PD hastaları için tedaviyi etkili bir şekilde ayarlamak için tedavi eden hekim tarafından kullanılabilecek dalgalanma şiddeti hakkında objektif ve kapsamlı bilgi sağlayabilir.
Özgün kaynak özetini okuyun
The success of medication adjustment in Parkinson's disease (PD) patients with motor fluctuation relies on the knowledge about their fluctuation severity. However, because of the temporal and spatial variability in motor fluctuations, a single clinical examination often fails to capture the spectrum of motor impairment experienced in routine daily life. In this study, we developed an algorithm to estimate the degree of motor fluctuation severity from two wearable sensors' data during subjects' free body movements. Specifically, we developed a new hybrid feature extraction method to represent the longitudinal changes of motor function from the sensor data. Next, we developed a classification model based on random forest to learn the changes in the patterns of the sensor data as the severity of the motor function changes. We evaluated our algorithm using data from 24 subjects with idiopathic PD as they performed a variety of daily routine activities. A leave-one-subject-out assessment of the algorithm resulted in 83.33% accuracy, indicating that our approach holds a great promise to passively detect degree of motor fluctuation severity from continuous monitoring of an individual's free body movements. Such a sensor-based assessment system and algorithm combination could provide the objective and comprehensive information about the fluctuation severity that can be used by the treating physician to effectively adjust therapy for PD patients with troublesome motor fluctuation.
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.