NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Arka planGit donması (FOG), Parkinson hastalığı (PD) olan kişilerin yaşadığı aralıklı bir yürüyüş bozukluğudur. FOG, düşme, yaralanma ve genel olarak azalan hareketlilik ile ilişkilendirilmiştir. Giyilebilir sensör tabanlı cihazlar, halihazırda devam eden donmaları tespit edebilir ve kişinin yürümeye devam etmesine yardımcı olmak için bir ipucu sağlayabilir. Bu yardımcı olsa da, başlangıç öncesi FOG bölümlerini tahmin etmek ve zamanında bir ipucu sağlamak, donmanın oluşmasını önleyebilir. Çeşitli vücut parçalarına monte edilmiş giyilebilir sensörler, FOG tahmin sistemlerini geliştirmek için kullanılmıştır. PD motor semptom tezahürünün bilinen asimetrisine rağmen, en çok etkilenen taraf (MAS) ve en az etkilenen taraf (LAS) arasındaki fark nadiren FOG tespiti ve tahmin çalışmalarında göz önünde bulundurulur.MetodlarFOG tahmini için MAS, LAS veya her iki uzuvdan gelen verilerin kullanılmasının etkisini incelemek için, plantar basınç verileri bir dizi yürüme denemesi sırasında toplandı ve zaman ve frekans tabanlı özellikler çıkarmak için kullanıldı. MAS, LAS ve her iki tarafın da plantar basınç verileri kullanılarak üç veri kümesi oluşturuldu. ReliefF özelliği seçimi yapıldı. FOG tahmin modelleri, her veri kümesi için en iyi 5, 10, 15, 20, 25 veya 30 özellik kullanılarak eğitildi.SonuçlarEn iyi modeller, 15 özelliğe sahip MAS modeli ve 5 özelliğe sahip LAS ve ikili modellerdi. LAS modeli en yüksek hassasiyete sahipti (%79,5) ve FOG bölümlerinin en yüksek yüzdesini (%94,9) tanımladı. MAS modeli en yüksek spesifikliğe (%84,9) ve en düşük yanlış pozitif orana (1.9 yanlış pozitif/yürüme denemesi) ulaştı. Genel olarak, ikili model %77.3 hassasiyet ve %82.9 özgüllük ile en iyi durumdaydı. Buna ek olarak, ikili model FOG başlangıcından önce ortalama 0,8 s FOG bölümlerinin %94,2'sini tespit etti. İkili modele kıyasla, LAS modeli daha yüksek bir yanlış pozitif orana sahipti; ancak, ikili ve LAS modelleri diğer tüm değerlendirme ölçümlerinde benzerdi.SonuçLas modeli, biraz daha yanlış pozitif maliyetle ikili modele benzer FOG tahmin performansına sahip olacaktı. Tek sensörlü sistemlerin avantajları göz önüne alındığında, artan yanlış pozitif oran PD'li kişiler için kabul edilebilir olabilir. Bu nedenle, LAS'a yerleştirilen tek bir plantar basınç sensörü, bir FOG tahmin sistemi geliştirmek ve ikili bir sisteme benzer performans üretmek için kullanılabilir.
Özgün kaynak özetini okuyun
BackgroundFreezing of gait (FOG) is an intermittent walking disturbance experienced by people with Parkinson's disease (PD). FOG has been linked to falling, injury, and overall reduced mobility. Wearable sensor-based devices can detect freezes already in progress and provide a cue to help the person resume walking. While this is helpful, predicting FOG episodes before onset and providing a timely cue may prevent the freeze from occurring. Wearable sensors mounted on various body parts have been used to develop FOG prediction systems. Despite the known asymmetry of PD motor symptom manifestation, the difference between the most affected side (MAS) and least affected side (LAS) is rarely considered in FOG detection and prediction studies.MethodsTo examine the effect of using data from the MAS, LAS, or both limbs for FOG prediction, plantar pressure data were collected during a series of walking trials and used to extract time and frequency-based features. Three datasets were created using plantar pressure data from the MAS, LAS, and both sides together. ReliefF feature selection was performed. FOG prediction models were trained using the top 5, 10, 15, 20, 25, or 30 features for each dataset.ResultsThe best models were the MAS model with 15 features and the LAS and bilateral models with 5 features. The LAS model had the highest sensitivity (79.5%) and identified the highest percentage of FOG episodes (94.9%). The MAS model achieved the highest specificity (84.9%) and lowest false positive rate (1.9 false positives/walking trial). Overall, the bilateral model was best with 77.3% sensitivity and 82.9% specificity. In addition, the bilateral model identified 94.2% of FOG episodes an average of 0.8 s before FOG onset. Compared to the bilateral model, the LAS model had a higher false positive rate; however, the bilateral and LAS models were similar in all the other evaluation metrics.ConclusionThe LAS model would have similar FOG prediction performance to the bilateral model at the cost of slightly more false positives. Given the advantages of single sensor systems, the increased false positive rate may be acceptable to people with PD. Therefore, a single plantar pressure sensor placed on the LAS could be used to develop a FOG prediction system and produce performance similar to a bilateral system.
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.