NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Parkinson Hastalığı (PD) gibi hareket bozukluklarının ilerlemesinin değerlendirilmesi, terapötik müdahalelerin ayarlanmasında anahtardır. Bununla birlikte, mevcut yöntemler hala görsel gözlem gibi öznel faktörlere dayanmaktadır ve bu da UPDRS gibi klinik ölçeklerde önemli bir oranlararası değişkenlik ile sonuçlanır. Son çalışmalar, sensör tabanlı yöntemlerin bu sınırlamayı ele alma potansiyelini göstermektedir. Bu sistematik incelemenin amacı, PD hastalarında el becerisi UPDRS puanlarını tahmin etmek için temassız sensör tabanlı yöntemlerin güncel bir analizini sağlamaktır. İki yüz yirmi dört özet tarandı ve analiz için dokuz makale seçildi. n = 187 hasta ve 1, 385 örnekten oluşan kümülatif kohortta elde edilen kanıtlar, temassız sensörlerin, özellikle de Leap Motion Controller (LMC)'ın, doğruluğu değişse de, UPDRS el motoru görevlerini 3.4, 3.5, 3.6, 3.15 ve 3.17 olarak değerlendirmek için kullanılabileceğini göstermektedir. Erken kanıtlar, sensör tabanlı yöntemlerin klinik potansiyele sahip olduğunu ve rafine edildikten sonra öznel değerlendirme prosedürlerine destek olarak hizmet edebileceğini göstermektedir. UPDRS değerlendirmesinin doğası göz önüne alındığında, gelecekteki çalışmalar LMC sınıflandırma hatasının klinik yararını doğrulamak için klinisyen tarafından ölçülen UPDRS puanları için oranlararası değişkenlik içinde olup olmadığını gözlemlemelidir. Tersine, güç spektral yoğunlukları veya hareket açma ve kapama hızları gibi LMC sınıflandırması ile ilgili değişkenler, PD'de el becerisini değerlendirmek için daha objektif uzman sistemlerin tasarımının temelini oluşturabilir.
Özgün kaynak özetini okuyun
Assessing the progression of movement disorders such as Parkinson's Disease (PD) is key in adjusting therapeutic interventions. However, current methods are still based on subjective factors such as visual observation, resulting in significant inter-rater variability on clinical scales such as UPDRS. Recent studies show the potential of sensor-based methods to address this limitation. The goal of this systematic review is to provide an up-to-date analysis of contactless sensor-based methods to estimate hand dexterity UPDRS scores in PD patients. Two hundred and twenty-four abstracts were screened and nine articles selected for analysis. Evidence obtained in a cumulative cohort of n = 187 patients and 1, 385 samples indicates that contactless sensors, particularly the Leap Motion Controller (LMC), can be used to assess UPDRS hand motor tasks 3.4, 3.5, 3.6, 3.15, and 3.17, although accuracy varies. Early evidence shows that sensor-based methods have clinical potential and might, after refinement, complement, or serve as a support to subjective assessment procedures. Given the nature of UPDRS assessment, future studies should observe whether LMC classification error falls within inter-rater variability for clinician-measured UPDRS scores to validate its clinical utility. Conversely, variables relevant to LMC classification such as power spectral densities or movement opening and closing speeds could set the basis for the design of more objective expert systems to assess hand dexterity in PD.
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.