NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Erken evre Parkinson hastalığı (PD) olan hastalar, özellikle postural istikrarsızlık ve yürüyüş bozuklukları (PIGD) olmak üzere çeşitli ancak ince motor semptomlar sergilerler. Hastalar, karmaşık yürüyüş görevi daha fazla uzuv koordinasyonu ve postural stabilite kontrolü gerektirdiğinden, erken PIGD belirtilerini ayırt etmeye yardımcı olabileceği için dönüşlerde kötüleşmiş yürüyüş performansı gösterir. Bu çalışmada, öncelikle beş alandan hem düz yürüme hem de çevirme görevlerinde kapsamlı yürüyüş değişkenlerini ölçmek için IMU tabanlı bir yürüyüş değerlendirme modeli önerdik: sırasıyla yürüyüş spatiotemporal parametreler, eklem kinematik parametreleri, değişkenlik, asimetri ve stabilite. Çalışmaya erken evrede idiopatik Parkinson hastalığı olan yirmi bir hasta ve on dokuz yaş uyumlu sağlıklı yaşlı yetişkin alındı. Her katılımcı 11 atalet sensörü ile tam vücut hareket analiz sistemi giydi ve düz yürüyüş ve 180 derece dönüşlerden oluşan bir yolda kendi kendine rahat bir hızda yürüdü. Her yürüyüş görevi için toplam yüz otuz dokuz yürüyüş parametresi türetilmiştir. Grup ve yürüyüş görevlerinin değişkenlik parametreleri üzerindeki faktör etkisini iki yönlü karışık bir varyans analizi kullanarak araştırdık. PD ve kontrol grubu arasındaki yürüyüş parametrelerinin ayırt edici yeteneği, alıcı işletim karakteristik analizi kullanılarak değerlendirildi. Hassas yürüyüş özellikleri en iyi şekilde tarandı (AUC $> 0.7 $) ve PD ve sağlıklı kontrolleri bir makine öğrenme yöntemine göre sınıflandırmak için 22 gruba kategorize edildi. Sonuçlar, PD hastalarının dönüşlerde, özellikle de sağlıklı kontrol grubuna kıyasla boyun, omuz, pelvik ve kalça eklemlerinin RoM ve stabilitesinde daha fazla yürüyüş anormallikleri sergilediğini göstermiştir. Bu yürüyüş metrikleri, erken evre PD'yi (AUC $> 0.65) tanımlamak için iyi ayırt edici yeteneklere sahiptir. Dahası, yürüyüş özelliklerinin sırayla dahil edilmesi, yalnızca düz yürüyüş sırasında kullanılan parametrelere kıyasla sınıflandırma doğruluğunu önemli ölçüde artırabilir. Dönüş sırasında nicel yürüyüş metriklerinin erken evre PD tespitini geliştirmek için büyük bir potansiyele sahip olduğunu gösteriyoruz.
Özgün kaynak özetini okuyun
Patients with early-stage Parkinson's disease (PD) exhibit various but subtle motor symptoms, especially postural instability and gait disorders (PIGD). Patients show deteriorated gait performance at turns as the complex gait task requires more limb coordination and postural stability control, which may help to discriminate signs of early PIGD. In this study, we firstly proposed an IMU-based gait assessment model for quantifying comprehensive gait variables in both straight walking and turning tasks from five domains: respectively gait spatiotemporal parameters, joint kinematic parameters, variability, asymmetry, and stability. Twenty-one patients with idiopathic Parkinson's disease at the early stage and nineteen age-matched healthy elderly adults were enrolled in the study. Each participant wore a full-body motion analysis system with 11 inertial sensors and walked along a path consisting of straight walking and 180-degree turns at a self-comfortable speed. A total of one hundred and thirty-nine gait parameters were derived for each gait task. We explored the factor effect of group and gait tasks on gait parameters using a two-way mixed analysis of variance. The discriminating ability of gait parameters between PD and the control group was evaluated using receiver operating characteristic analysis. Sensitive gait features were optimally screened (AUC $>$ 0.7) and categorized into 22 groups to classify PD and healthy controls based on a machine learning method. Results demonstrated that PD patients exhibited more gait abnormalities at turns, especially on the RoM and stability of the neck, shoulder, pelvic, and hip joints compared to the healthy control group. These gait metrics have good discriminating abilities to identify early-stage PD (AUC $>$ 0.65). Moreover, the inclusion of gait features at turns can significantly improve the classification accuracy compared to that only used parameters during straight walking. We show that quantitative gait metrics during turning have great potential to be used for enhancing early-stage PD detection.
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.