Detecting Parkinson's Disease from Wrist-Worn Accelerometry in the U.K. Biobank.

Araştırma özeti

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

Parkinson hastalığı (PD), çeşitli karakteristik hareket anormallikleri üreten kronik bir hareket bozukluğudur. Bilek-yıpranmış ivmeölçerliğinin her yerde bulunması, PD semptomlarının erken tespiti ve PD semptom şiddetinin takip edilmesi için olası bir sensör yöntemi önermektedir. Bu teknolojik yaklaşımın ilk kanıtı olarak, Birleşik Krallık'ı analiz ettik. Biyobank veri seti, PD primer tanısı olan bir popülasyondan ve yaşa uygun sağlıklı kontrol popülasyonundan bir haftalık bilek-yıpranmış ivmeölçerden oluşur. Hareket dağılım ölçüleri otomatik olarak bölümlendirilmiş yürüyüş verilerinden çıkarıldı ve hareket boyutsallığı ölçüleri otomatik olarak bölümlenmiş düşük hareket verilerinden çıkarıldı. Bir haftalık veriye uygulanan makine öğrenme sınıflandırıcıları kullanılarak PD, yürüyüş verileri üzerinde 0.69'luk eğrinin (AUC) altında bir alan, düşük hareket verileri üzerinde AUC = 0.84 ve her iki aktivitenin birleşmesi üzerine AUC = 0.85 olarak tespit edildi. Ayrıca, sınıflandırma doğruluğunun bir haftalık veri toplama boyunca istikrarlı bir şekilde iyileştiği, daha yüksek doğruluğun daha uzun bir veri toplamadan elde edilebileceğini öne sürdüğü bulundu. Bu sonuçlar, PD'ye bağlı hareket anormalliklerini tespit etmek için düşük maliyetli ve kullanımı kolay bir aktivite sensörü kullanmanın canlılığını göstermektedir ve PD semptom şiddetinin erken tespiti ve izlenmesi konusunda daha fazla araştırmayı motive etmektedir.

Özgün kaynak özetini okuyun

Parkinson's disease (PD) is a chronic movement disorder that produces a variety of characteristic movement abnormalities. The ubiquity of wrist-worn accelerometry suggests a possible sensor modality for early detection of PD symptoms and subsequent tracking of PD symptom severity. As an initial proof of concept for this technological approach, we analyzed the U.K. Biobank data set, consisting of one week of wrist-worn accelerometry from a population with a PD primary diagnosis and an age-matched healthy control population. Measures of movement dispersion were extracted from automatically segmented gait data, and measures of movement dimensionality were extracted from automatically segmented low-movement data. Using machine learning classifiers applied to one week of data, PD was detected with an area under the curve (AUC) of 0.69 on gait data, AUC = 0.84 on low-movement data, and AUC = 0.85 on a fusion of both activities. It was also found that classification accuracy steadily improved across the one-week data collection, suggesting that higher accuracy could be achievable from a longer data collection. These results suggest the viability of using a low-cost and easy-to-use activity sensor for detecting movement abnormalities due to PD and motivate further research on early PD detection and tracking of PD symptom severity.

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.