Assessing inertial measurement unit locations for freezing of gait detection and patient preference.

Araştırma özeti

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

Parkinson hastalığının yaygın bir belirtisi olan yürüyüş donması, bir bireyin ayaklarının aniden yere yapıştığını hissettiği sporadik bölümler olarak ortaya çıkar. Atalet ölçüm birimleri (IMU'lar) evde terapinin izlenmesini ve kişiselleştirilmesini mümkün kılmayı vaat ediyor, ancak yürüyüşün dondurulmasını tespit etmek için IMU'ların sayısı ve konumu konusunda fikir birliği eksikliği var. Bu çalışmanın amacı, hem yürüyüş tespit performansının hem de hasta tercihinin dondurulması bağlamında IMU setlerini değerlendirmekti.Parkinson hastalığı olan on altı kişi sensör tercihleri hakkında ankete tabi tutuldu. Parkinson hastalığı olan yedi kişiden, on bir sensöre kadar giyen ham IMU verileri, yürüyüş donmasını tespit etmek için konvolutional sinir ağlarını eğitmek için kullanıldı. Farklı sensör setlerinden gelen verilerle eğitilen modeller teknik performans açısından değerlendirildi; en iyi teknik set ve minimum IMU seti belirlendi. Klinik fayda, model- ve insan-rater-belirli yüzde zaman dondurma ve donma olaylarının sayısı karşılaştırılarak değerlendirildi.SonuçlarEn iyi teknik set üç IMU'dan (lomber ve her iki ayak bileği, AUROC = 0.83) oluşuyordu ve bunların hepsi yüksek giyilebilir olarak derecelendirildi. Minimum IMU seti tek ayak bileği IMU'dan (AUROC = 0,80) oluşuyordu. Bu modeller ve insan oranlayıcılar arasındaki korelasyonlar, sırasıyla, en iyi teknik set ve minimum IMU seti için yüzde zaman dondurma (ICC = 0.93, 0.89) ve donma olaylarının sayısı (ICC = 0.95, 0.86) için mükemmeldi.İnşaatlarÜç IMU'dan veya daha azından oluşan çeşitli IMU setleri hem teknik performans hem de giyilebilirlik açısından yüksek derecelendirilmişti ve daha fazla IMU'nin FOG tespitinde mutlaka daha iyi performans göstermedi. Ham sinyaller kullanan genel, açık kaynaklı bir modelin geliştirilmesi ve benimsenmesini ve evde yürüyüş donmasını izlemek için standart bir sensör setini daha da geliştirmek için verilerimizi ve yazılımımızı açıkça paylaşıyoruz.

Özgün kaynak özetini okuyun

BackgroundFreezing of gait, a common symptom of Parkinson's disease, presents as sporadic episodes in which an individual's feet suddenly feel stuck to the ground. Inertial measurement units (IMUs) promise to enable at-home monitoring and personalization of therapy, but there is a lack of consensus on the number and location of IMUs for detecting freezing of gait. The purpose of this study was to assess IMU sets in the context of both freezing of gait detection performance and patient preference.MethodsSixteen people with Parkinson's disease were surveyed about sensor preferences. Raw IMU data from seven people with Parkinson's disease, wearing up to eleven sensors, were used to train convolutional neural networks to detect freezing of gait. Models trained with data from different sensor sets were assessed for technical performance; a best technical set and minimal IMU set were identified. Clinical utility was assessed by comparing model- and human-rater-determined percent time freezing and number of freezing events.ResultsThe best technical set consisted of three IMUs (lumbar and both ankles, AUROC = 0.83), all of which were rated highly wearable. The minimal IMU set consisted of a single ankle IMU (AUROC = 0.80). Correlations between these models and human raters were good to excellent for percent time freezing (ICC = 0.93, 0.89) and number of freezing events (ICC = 0.95, 0.86) for the best technical set and minimal IMU set, respectively.ConclusionsSeveral IMU sets consisting of three IMUs or fewer were highly rated for both technical performance and wearability, and more IMUs did not necessarily perform better in FOG detection. We openly share our data and software to further the development and adoption of a general, open-source model that uses raw signals and a standard sensor set for at-home monitoring of freezing of gait.

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.