NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Arka planEksik bir omurilik yaralanması (SCI), hastanın yürüme yeteneklerini yeniden kazanma olasılığı ile yaralanmanın altında kalan sensorimotor işlevi ifade eder. Bununla birlikte, bu hastalar genellikle mevcut klinik rutinde objektif olarak değerlendirilmeyen çeşitli yürüyüş açıklarından muzdariptir. Giyilebilir atalet sensörleri, yürüyüş modellerini objektif olarak yakalamak için umut verici bir araçtır ve inme, multipl skleroz ve Parkinson hastalığı gibi diğer nörolojik bozukluklar için zemin kazanmaya başladı. Bu çalışmada, sensör kaynaklı sonuç ölçümlerine dayanarak SCI hastaları için yürümeyi değerlendirmek için veri odaklı bir yaklaşım sunuyoruz. Biz (i) benzer yürüme özelliklerine sahip grupları tanımlayarak yürüyüş desenlerini daha derinlemesine karakterize etmeyi ve (ii) sensör kaynaklı yürüyüş parametrelerini gelecekteki yürüme kapasitesi için öngörücü olarak kullanmayı amaçladık. Metodlar Analiz edilen veri seti 66 SCI hastadan ve standartlaştırılmış bir yürüyüş testi yapan 20 sağlıklı kontrolden oluşuyordu, yani 6 dakikalık yürüme testi (6MWT) her ayak bileğine bağlı bir sensörün seyrek sensör kurulumu. Veri odaklı bir yaklaşım, istatistiksel yöntemler ve makine öğrenme modelleri kullanılarak ilgili ve yedeksiz yürüyüş parametrelerini tanımlamak için takip edilmiştir.SonuçlarKlusterleme, birbirleriyle ve sağlıklı kontrollerle karşılaştırıldığında 4 grup hasta ile sonuçlandı. Kümeler, ortalama yürüme hızları açısından değil, aynı zamanda telafi edici hareketleri gösteren değişkenlik veya parametreler gibi daha nitel yürüyüş parametreleri açısından da farklılık gösterdi. Ayrıca, rehabilitasyonları sırasında 6MWT'yi birkaç kez gerçekleştiren bir hasta alt kümesinden alınan uzunlamasına veriler kullanılarak, hastanın yürüme hızının gelecekte önemli ölçüde iyileşip iyileşmeyeceğini tahmin etmek için bir tahmin modeli eğitilmiştir. Tahmin modeli için girişler olarak sensör kaynaklı yürüyüş parametrelerinin dahil edilmesi, yaralanmadan bu yana sadece günleri, mevcut 6MWT mesafesini ve bir sonraki 6MWT'ye kadar olan günleri öngörücü olarak kullanmaya kıyasla %10'luk önemli bir iyileşme olan %80'lik bir doğrulukla sonuçlandı.Sonuçlar Özetle, sunulan çalışma, sensör kaynaklı yürüyüş parametrelerinin yürüme özellikleri hakkında ek bilgi sağladığını ve bu nedenle SCI hastaların klinik yürüyüş değerlendirmelerini tamamlamak için yararlı olduğunu kanıtlamaktadır. Bu çalışma daha açık odaklı bir terapiye doğru atılmış bir adımdır ve daha iyi rehabilitasyon sonucu tahminlerinin önünü açar.
Özgün kaynak özetini okuyun
BackgroundAn incomplete spinal cord injury (SCI) refers to remaining sensorimotor function below the injury with the possibility for the patient to regain walking abilities. However, these patients often suffer from diverse gait deficits, which are not objectively assessed in the current clinical routine. Wearable inertial sensors are a promising tool to capture gait patterns objectively and started to gain ground for other neurological disorders such as stroke, multiple sclerosis, and Parkinson's disease. In this work, we present a data-driven approach to assess walking for SCI patients based on sensor-derived outcome measures. We aimed to (i) characterize their walking pattern in more depth by identifying groups with similar walking characteristics and (ii) use sensor-derived gait parameters as predictors for future walking capacity.MethodsThe dataset analyzed consisted of 66 SCI patients and 20 healthy controls performing a standardized gait test, namely the 6-min walking test (6MWT), while wearing a sparse sensor setup of one sensor attached to each ankle. A data-driven approach has been followed using statistical methods and machine learning models to identify relevant and non-redundant gait parameters.ResultsClustering resulted in 4 groups of patients that were compared to each other and to the healthy controls. The clusters did differ in terms of their average walking speed but also in terms of more qualitative gait parameters such as variability or parameters indicating compensatory movements. Further, using longitudinal data from a subset of patients that performed the 6MWT several times during their rehabilitation, a prediction model has been trained to estimate whether the patient's walking speed will improve significantly in the future. Including sensor-derived gait parameters as inputs for the prediction model resulted in an accuracy of 80%, which is a considerable improvement of 10% compared to using only the days since injury, the present 6MWT distance, and the days until the next 6MWT as predictors.ConclusionsIn summary, the work presented proves that sensor-derived gait parameters provide additional information on walking characteristics and thus are beneficial to complement clinical walking assessments of SCI patients. This work is a step towards a more deficit-oriented therapy and paves the way for better rehabilitation outcome predictions.
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.